deepseek
DeepSeek: DeepSeek V4 Flash 0731 (batch)
deepseek/deepseek-v4-flash-0731:batch
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
DeepSeek V4 Flash 0731 (batch) es la variante por lotes listada en el catálogo de OpenRouter de un modelo de texto de mezcla de expertos dispersa con 13B parámetros activos de 284B totales y una ventana de contexto de alrededor de un millón de tokens. La ficha del modelo lo describe como la versión oficial de V4 Flash con capacidad agéntica sustancialmente mejorada y reporta resultados sólidos en benchmarks de código y agentes ejecutados por el proveedor. El esfuerzo de razonamiento es configurable y se exponen llamadas a herramientas y salidas estructuradas. Considere las cifras del proveedor como no auditadas y valide el comportamiento por lotes en sus propias cargas de trabajo.[1][2]
Puntos fuertes
- Ventana de contexto muy amplia, de aproximadamente un millón de tokens según el catálogo de OpenRouter, adecuada para entradas de texto muy grandes.[1]
- La ficha reporta resultados sólidos en benchmarks de código, uso de herramientas y agentes frente a versiones anteriores de DeepSeek y rivales propietarios; son datos del proveedor, no verificados de forma independiente.[2]
- El catálogo lista esfuerzo de razonamiento configurable, llamadas a herramientas y salidas estructuradas; la ficha documenta los niveles low, high y max.[1][2]
Limitaciones
- La evidencia para esta variante exacta ':batch' proviene solo del catálogo; la semántica específica de lotes como latencia, colas o garantías de finalización no está documentada en el paquete de fuentes.[1]
- Los listados de design-arena de terceros en el catálogo muestran resultados mixtos y de rango medio, y la tabla de benchmarks de la ficha es autorreportada; no se incluyó una ficha independiente para el endpoint por lotes.[1][2]
- Solo entrada y salida de texto, sin fecha de corte de conocimiento declarada y sin plantilla de chat Jinja; la ficha exige usar sus scripts de codificación personalizados para prompts y parseo de salidas.[1][2]
Dónde utilizarlo
- Sugerido para análisis, resumen o transformación por lotes de corpus de texto muy grandes donde la finalización diferida es aceptable.[1]
- Plausiblemente adecuado para pipelines de código, razonamiento y agentes, según el posicionamiento y benchmarks del proveedor; valide primero en sus propios repositorios y harness.[2]
- Candidato para flujos de trabajo con llamadas a herramientas que requieran salidas estructuradas, dados los parámetros del catálogo, pendiente de pruebas en la carga real.[1]
Fuentes
- [1] OpenRouter catalog · DeepSeek: DeepSeek V4 Flash 0731 (batch)Fuentes consultadas: 13 nov 2026
- [2] Model documentation · DeepSeek: DeepSeek V4 Flash 0731 (batch)Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
DeepSeek V4 Flash 0731 is a sparse mixture-of-experts model from DeepSeek, with 13B active parameters out of 284B total. This re-post-trained revision is suited for coding, reasoning, and agent workflows....
Especificaciones
- ID del modelo
- deepseek/deepseek-v4-flash-0731:batch
- ID canónico
- deepseek/deepseek-v4-flash-20260731
- Creador
- deepseek
- Añadido a OpenRouter
- 31.07.2026
- Longitud de contexto
- 1,048,576
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.048 / salida $0.144
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · predeterminado high · esfuerzos: max, high, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | AA — siguiente 20% de la cohorte | — |
| Agentes | AA — siguiente 20% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado high · esfuerzos: max, high, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 69.1 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 41 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 48.8% · posición 54 | 1,191Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 34% · posición 64 | 1,093Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 46.5% · posición 58 | 1,220Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 40% · posición 72 | 1,170Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 44.8% · posición 57 | 1,199Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 44.7% · posición 42 | 1,171Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 47.1% · posición 51 | 1,228Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 46.8% · posición 55 | 1,231Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 1,048,576 | $0.048 | $0.144 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.