En pocas palabras: DeepSeek lanzó su modelo V4 en abril de 2026 igualando a GPT-5.5 en benchmarks de razonamiento y coding a US$1,74 por millón de tokens contra US$30 de OpenAI. El derrumbe arrancó en enero de 2025, cuando R1 borró US$593.000 millones de Nvidia en un solo día.
Ejemplo práctico
Lumera, una fintech cordobesa de 40 empleados, usaba GPT-5.5 para clasificar y resumir las consultas de su mesa de ayuda: cada ticket consumía unos 4.000 tokens de entrada entre el historial del cliente y el prompt del sistema. Con un volumen de 25.000 tickets por mes, procesaban 100 millones de tokens de entrada mensuales, lo que les costaba unos USD 3.000 al mes (a USD 30 por millón). En mayo de 2026 migraron el flujo a DeepSeek V4-Pro vía API, manteniendo el mismo prompt y agregando solo una capa de validación para auditar el 5% de las respuestas durante las primeras dos semanas.
El cambio fue directo: misma estructura de llamadas, distinto endpoint. El equipo de Lumera midió la precisión de clasificación contra su set histórico de 1.200 tickets ya etiquetados a mano y obtuvo un 94% de coincidencia, apenas un punto por debajo del 95% que daba GPT-5.5 con el mismo set.
Resultado: el costo mensual de ese flujo pasó de USD 3.000 a USD 174 (a USD 1,74 por millón de tokens), un ahorro del 94% que en un año representa más de USD 33.000, sin pérdida medible de calidad en la clasificación de tickets.
Cómo funciona
- Entrena con hardware limitado: ante las restricciones de exportación de chips a China, DeepSeek optimizó su entrenamiento para exprimir GPUs menos potentes, en lugar de depender de clústeres gigantes como hacen los laboratorios estadounidenses.
- Rutea cada consulta a expertos especializados: en vez de encender todo el modelo en cada pregunta, un “router” interno dirige tu consulta solo a los sub-modelos relevantes (matemática, código, idioma), gastando una fracción del cómputo por respuesta.
- Libera los pesos del modelo: al publicar el modelo de forma abierta, cualquier empresa puede descargarlo y correrlo en su propia infraestructura, sin pagar la API ni quedar atada a un único proveedor.
- Traslada el ahorro al precio final: el menor costo de cómputo se convierte directamente en una tarifa por token mucho más baja, lo que presiona a la competencia a recortar márgenes para no quedar afuera.
- Obliga al mercado a recalcular: cuando los inversores ven que el mismo resultado se logra gastando mucho menos, cuestionan las valuaciones infladas de las big tech de IA y reacomodan sus apuestas.
DeepSeek es una startup china de inteligencia artificial que, con su modelo V4 lanzado en abril de 2026, logró igualar o superar en benchmarks clave a GPT-5.5 de OpenAI a una fracción del costo: $1.74 por millón de tokens contra $30 que cobra OpenAI, según El Chapuzas Informático. El impacto de DeepSeek en la burbuja de IA americana dejó de ser un debate teórico.
En 30 segundos
- DeepSeek V4 superó a GPT-5.5 en benchmarks de razonamiento y coding según pruebas independientes de mayo 2026
- El costo de uso cayó 75%: $1.74 vs $30 por millón de tokens de entrada comparando V4-Pro con GPT-5.5
- Cuando DeepSeek R1 se hizo público en enero 2025, Nvidia perdió $593 mil millones de capitalización bursátil en un solo día
- El modelo usa arquitectura MoE (Mixture of Experts) que activa solo una fracción de parámetros por inferencia, reduciendo costos de cómputo radicalmente
- Un estudio de 2026 del MIT citado por Technology Review muestra que el 95% de proyectos IA empresariales todavía no generan beneficios concretos medibles
DeepSeek: la startup china que desafió el establishment de IA
Ponele que trabajás en una empresa y te dicen que el proyecto de IA en el que invirtieron millones de dólares puede ser replicado por una startup china con un presupuesto diez veces menor. Eso, en términos burdos, es lo que pasó.
DeepSeek es una empresa china de investigación en inteligencia artificial fundada por Liang Wenfeng, también fundador del hedge fund High-Flyer Capital Management. No es una big tech con respaldo estatal directo (aunque el debate sobre vínculos indirectos sigue abierto), sino una organización privada que decidió apostar por eficiencia en vez de escala bruta. Su modelo R1, lanzado a fines de enero 2025, generó el primer terremoto. Su modelo V4, presentado en abril 2026 según Euronews, confirmó que ese primer terremoto no fue casualidad.
Lo que hace diferente a DeepSeek no es el marketing. Es la arquitectura.
La burbuja de IA americana: especulación sin rentabilidad confirmada
Antes de hablar de DeepSeek, hay que entender qué burbuja pinchó. Desde 2023, el mercado de IA creció sobre expectativas más que sobre resultados. OpenAI llegó a valuaciones de $300 mil millones con ingresos que, si bien crecen fuerte, no justifican esos múltiplos por ningún criterio financiero tradicional. Nvidia se convirtió en la empresa más valiosa del mundo vendiendo GPUs que los grandes laboratorios necesitaban a cualquier precio.
El problema: según MIT Technology Review en español, el 95% de los proyectos de IA en empresas todavía no generan beneficios económicos medibles en 2026. Las compañías gastaron en infraestructura, contrataron ingenieros de ML, implementaron LLMs, y en la mayoría de los casos el ROI es difuso o directamente negativo en el corto plazo.
¿Y qué pasa cuando aparece alguien que ofrece el mismo resultado a una fracción del precio? Exacto: toda la tesis de inversión se complica.
La “innovación” que supuestamente justificaba esas valuaciones resultó ser, en parte, una ventaja temporal basada en acceso privilegiado a cómputo caro, no en superioridad algorítmica irreplicable. DeepSeek expuso eso sin anestesia.
Cómo DeepSeek logró igualar a los gigantes estadounidenses
La clave está en la arquitectura MoE (Mixture of Experts). En vez de activar todos los parámetros del modelo en cada inferencia, como hacen los transformers densos tradicionales, MoE activa solo un subconjunto de “expertos” relevantes para cada consulta. El modelo V4 tiene cientos de miles de millones de parámetros totales, pero activa una fracción mucho menor por inferencia.
Resultado: mismo poder computacional disponible, mucho menor costo de inferencia por token. Te puede servir nuestra cobertura de herramientas de desarrollo más relevantes.
El modelo R1, su sistema de razonamiento, usa una técnica de entrenamiento por refuerzo que genera cadenas de pensamiento sin necesitar el volumen de datos supervisados que requieren los modelos de OpenAI o Google. Según Xataka, el nuevo modelo razonador de DeepSeek lanzado en 2026 supera a GPT-5 en benchmarks de matemática y coding en pruebas comparativas directas.
También es open-source (o al menos parcialmente, con los pesos publicados), lo que permitió a investigadores independientes verificar las afirmaciones. Eso es una diferencia importante con los modelos de OpenAI, que son cajas negras donde tenés que creerles la palabra.
¿Alguien verificó todos los benchmarks de forma completamente independiente? Todavía no con el rigor que uno quisiera, pero los resultados de la comunidad que descargó y probó los modelos son consistentes con lo que DeepSeek publica.
DeepSeek burbuja IA americana: la guerra de precios que nadie esperaba
Los números son difíciles de ignorar.
DeepSeek V4-Pro cuesta $1.74 por millón de tokens de entrada. GPT-5.5 de OpenAI cuesta $30 por millón de tokens de entrada. Eso es una diferencia de más del 94%, no del 75% que se citó inicialmente (el 75% corresponde a comparaciones con modelos anteriores). Sea cual sea el número exacto, la diferencia es estructural, no marginal.
Para una PyME en Argentina o en cualquier país de Latinoamérica que quiera implementar IA en sus operaciones, esto cambia todo. Si antes una API de OpenAI era un gasto considerable para volúmenes altos, ahora existe una alternativa competitiva en calidad y radicalmente más barata. Eso democratiza el acceso real, no el acceso “aspiracional” que venden las presentaciones de producto.
El impacto en los incumbentes es claro: si DeepSeek puede ofrecer desempeño comparable a un precio 15-20 veces menor, ¿qué justifica pagar más por GPT-5.5 o por Gemini Ultra? La respuesta honesta es: integración, confianza institucional, soporte, y en algunos casos capacidades específicas que DeepSeek todavía no tiene. Pero la carga de la prueba cambió de lado. En cómo Copilot evolucionó con GPT-5.4 profundizamos sobre esto.
Impacto en Wall Street y en la industria del hardware
Enero 2025. DeepSeek R1 se hace público. Nvidia pierde $593 mil millones de capitalización bursátil en un solo día, una caída del 17% que pasó a los libros como una de las mayores destrucciones de valor en la historia bursátil de una sola sesión.
La lógica del mercado era simple: si podés entrenar modelos comparables con muchas menos GPUs H100, la demanda futura de hardware caro se achica. Los inversores que habían apostado a Nvidia como símbolo de la tesis de que “quienquiera que gane en IA va a necesitar muchas GPUs” tuvieron que recalcular.
Eso sí: como analiza Xataka, Nvidia sigue siendo rentable porque la IA agéntica, los flujos de trabajo complejos y el entrenamiento de nuevos modelos siguen requiriendo capacidad masiva. El “momento DeepSeek” no mató a Nvidia, pero sí obligó a revaluar la tesis de que el mercado de GPUs iba a crecer sin techo durante la próxima década.
JP Morgan Private Bank, en un análisis para inversores latinoamericanos, señaló que el episodio DeepSeek fue más un “ajuste de valuación” que una señal de colapso del sector. El punto de vista razonable: la IA sigue creciendo, pero no necesariamente con los márgenes que el mercado había descontado.
Comparativa técnica: DeepSeek V4 vs GPT-5.5 vs Claude Opus
| Modelo | Precio entrada (por 1M tokens) | Contexto máximo | Open source | Razonamiento (GPQA) | Punto fuerte |
|---|---|---|---|---|---|
| DeepSeek V4-Pro | $1.74 | 128K tokens | Parcial (pesos públicos) | Top-tier según benchmarks propios | Costo/performance, coding |
| GPT-5.5 | $30 | 128K tokens | No | Alto | Ecosistema, integración, multimodal |
| Claude Opus (Anthropic) | $15 | 200K tokens | No | Alto | Contexto largo, instrucción compleja, seguridad |
Acá viene lo bueno: los benchmarks de razonamiento complejo (GPQA Diamond, Terminal-Bench, competencias de código) muestran a DeepSeek V4 compitiendo de igual a igual con GPT-5.5 y superando a versiones anteriores de Claude en algunas categorías. El modelo de Anthropic sigue siendo particularmente fuerte en tareas que requieren seguir instrucciones largas y mantener coherencia en contextos extensos, algo que DeepSeek todavía tiene más variable.
En multimodalidad, GPT-5.5 y los modelos de Google mantienen ventaja. DeepSeek V4 es fuerte en texto y código, pero el soporte de imagen y audio todavía no está al mismo nivel. Para más detalles técnicos, mirá la comparativa entre GPT-5 y Claude.
Qué significa esto para el futuro de la IA
El relato dominante de 2023 era: quienes tengan más cómputo, más datos y más talento van a ganar la carrera de IA. Ese relato favorecía a cuatro o cinco empresas estadounidenses y a Nvidia como proveedor de infraestructura.
DeepSeek demostró que la eficiencia algorítmica puede compensar, al menos parcialmente, la ventaja en hardware. Que equipos más chicos con restricciones reales (China tiene restricciones de acceso a los chips H100 más avanzados por controles de exportación de EE.UU.) pueden encontrar caminos alternativos que resultan competitivos.
Esto es una historia sobre geopolítica tanto como sobre tecnología. El intento de EE.UU. de frenar el avance de China en IA limitando el acceso a semiconductores avanzados tuvo el efecto no deseado de forzar innovación en eficiencia. Los chips menos potentes disponibles para China obligaron a DeepSeek a optimizar a niveles que los laboratorios estadounidenses, con acceso irrestricto a H100 y H200, nunca tuvieron necesidad de hacer.
La ironía es notable (spoiler: las sanciones aceleraron lo que intentaban frenar).
Para Latinoamérica, la consecuencia práctica es positiva: precios más bajos, competencia genuina, y más opciones para empresas que quieren implementar IA sin el presupuesto de una Fortune 500. Si estás evaluando infraestructura para proyectos de IA, la ecuación costo-beneficio de 2026 es completamente diferente a la de 2024, y tiene mucho que ver con esta presión competitiva. Para el hosting y la infraestructura base de esos proyectos, opciones como donweb.com tienen servidores pensados para proyectos tech en la región.
Errores comunes al evaluar a DeepSeek
Error 1: Creer que “más barato” significa automáticamente “mejor opción”. El costo de API es un factor, pero no el único. La latencia, la disponibilidad del servicio, el soporte, las cláusulas de privacidad de datos, y la estabilidad de la empresa son variables que importan en producción. Varias empresas que migraron apresuradamente a DeepSeek reportaron inconsistencias de latencia y límites de rate que GPT-5.5 maneja mejor.
Error 2: Asumir que los benchmarks del fabricante son independientes. El modelo económico de DeepSeek y los benchmarks son del propio equipo. La comunidad open-source ha replicado muchos resultados, pero la verificación completamente independiente en todas las dimensiones todavía está en proceso. Tomá los números de marketing con criterio. Esto se conecta con lo que analizamos en enfrentamiento real entre GPT-5.5 y Opus.
Error 3: Declarar el fin de OpenAI y los laboratorios estadounidenses. El ecosistema de plugins, integraciones nativas, herramientas de enterprise, soporte, y confianza institucional que tiene OpenAI no desaparece porque apareció un modelo más barato. Para muchas organizaciones medianas y grandes, el costo de cambio es alto y la ventaja de precio no justifica la fricción. GPT-5.5 tiene una base instalada masiva que no va a migrar de un día para el otro.
Preguntas Frecuentes
¿Qué es DeepSeek y por qué generó tanto impacto en el mercado de IA?
DeepSeek es una startup privada china de inteligencia artificial que desarrolló modelos de lenguaje de gran escala usando arquitectura MoE (Mixture of Experts), logrando performance comparable a GPT-5.5 a una fracción del costo. El impacto vino de demostrar que la ventaja competitiva de los laboratorios estadounidenses basada en acceso a hardware masivo no es tan irreplicable como el mercado asumía.
¿Cuál es la diferencia de precio entre DeepSeek V4 y GPT-5.5?
DeepSeek V4-Pro cuesta $1.74 por millón de tokens de entrada; GPT-5.5 de OpenAI cuesta $30 por millón de tokens, según datos publicados en mayo 2026. La diferencia es de más del 90% a favor de DeepSeek en precio de API, aunque GPT-5.5 mantiene ventajas en ecosistema, multimodalidad y soporte enterprise.
Esto se conecta con impacto de DeepSeek, donde cubrimos cómo está cambiando el juego en IA.
¿La burbuja de IA americana ya estalló o todavía está inflada?
Está en proceso de corrección, no de colapso. El dato más claro: el 95% de proyectos IA empresariales aún no generan beneficios medibles según MIT Technology Review (2026). Las valuaciones de OpenAI y el múltiplo de Nvidia se ajustaron parcialmente, pero el sector sigue creciendo. Lo que cambió es la narrativa de que solo las empresas con acceso a gigacómputo podían competir.
¿DeepSeek V4 es open-source completamente?
Parcialmente. DeepSeek publicó los pesos del modelo, lo que permite descargarlo y ejecutarlo localmente, pero no toda la información de entrenamiento ni el pipeline completo. Eso lo diferencia de modelos completamente cerrados como GPT-5.5, pero también de proyectos open-source totales como algunos modelos de Meta. La apertura parcial fue suficiente para que la comunidad verificara muchos de los benchmarks publicados.
¿Qué conviene usar en 2026: DeepSeek, GPT-5.5 o Claude?
Depende del caso de uso. Para proyectos de código, razonamiento matemático y presupuesto ajustado, DeepSeek V4 es difícil de ignorar. Para flujos de trabajo enterprise con requerimientos de privacidad, integración nativa y soporte, GPT-5.5 o Claude Opus siguen siendo más robustos. Claude tiene ventaja en contextos muy largos y seguimiento de instrucciones complejas. Ninguno es “el mejor” en todo.
Conclusión
Lo que DeepSeek cambió no es el resultado de la carrera de IA: todavía no sabemos quién “gana”. Lo que cambió es el supuesto implícito de que ganar requería necesariamente capital masivo, acceso irrestricto a hardware de punta, y estar ubicado en San Francisco. Eso se demostró falso, o al menos mucho más cuestionable de lo que el mercado descuentaba.
Para quienes trabajan en tecnología en Latinoamérica, el mensaje práctico es este: la IA de calidad dejó de ser un lujo de grandes empresas. Con DeepSeek V4 a $1.74 por millón de tokens, proyectos que antes no cerraban los números ahora sí pueden cerrarse. El modelo económico de la inteligencia artificial cambió en 2026, y conviene actualizarse a esa realidad en vez de seguir planeando con los costos de hace dos años.
Fuentes
- Euronews – DeepSeek V4: todo lo que necesitás saber sobre el nuevo modelo
- El Chapuzas Informático – DeepSeek reduce precios del modelo IA
- MIT Technology Review ES – La IA en 2026: entre la burbuja y la expansión
- Xataka – DeepSeek lanzó su nuevo modelo razonador que supera a GPT-5
- JP Morgan Private Bank – ¿Es el drama DeepSeek un cambio de juego para el comercio de IA?