En pocas palabras: DeepSeek no es confiable para revisiones sistemáticas: su modelo R1 alucina el 14,3% de las veces (benchmark Vectara HHEM 2.1, febrero 2025) y fabrica hasta el 91,43% de las citas científicas. Sirve para borradores baratos, pero verificá cada referencia a mano.
DeepSeek para revisiones sistemáticas es una opción tentadora por precio (entre 6 y 60 veces más barato que la competencia), pero arrastra un problema serio: su modelo de razonamiento R1 alucina en el 14,3% de los casos según el benchmark Vectara HHEM 2.1, contra el 1,5% de ChatGPT-4o. Para investigación científica, eso es mucho.
DeepSeek es una familia de modelos de lenguaje de código abierto desarrollada por la empresa china DeepSeek AI, con versiones como V3, V4 y el modelo de razonamiento R1. Sirve para tareas de escritura, análisis y síntesis de información, y compite con ChatGPT y Claude a una fracción del costo. En trabajo académico su punto débil son las citaciones fabricadas.
En 30 segundos
- Alucina más que sus rivales: DeepSeek-R1 marca 14,3% de tasa de alucinación, frente a 3,9% de V3 y 1,5% de ChatGPT-4o (Vectara HHEM 2.1).
- Las citas son su talón de Aquiles: en recuperación de referencias llega a 91,43% de alucinación, contra 39,14% de ChatGPT.
- Barato, muy barato: entre 6 y 60 veces más económico por token que las alternativas de Estados Unidos.
- Privacidad bajo la lupa: los datos se almacenan en servidores en China, un problema para research confidencial o regulada.
- Funciona mejor con RAG: conectado a fuentes verificadas, rinde bastante más que solo.
¿Qué es DeepSeek y para qué sirve en investigación?
Ponele que estás armando una revisión sistemática y necesitás sintetizar cien abstracts sin fundir el presupuesto. Ahí es donde DeepSeek entra a jugar.
La empresa es china y publicó sus modelos como open source, algo que Anthropic y OpenAI no hacen con sus versiones tope. Eso le dio una tracción enorme en la comunidad académica: podés correrlo en tu propia infraestructura, ajustarlo, y no dependés de una API cerrada. Para tareas de brainstorming, resúmenes iniciales y análisis de tendencias públicas, cumple. Más contexto en alternativas más confiables como Claude.
El gancho es el precio. Cuando hablamos de procesar volúmenes grandes de texto (que es exactamente lo que pide una revisión sistemática), pagar 6 a 60 veces menos por token cambia el cálculo. El tema es que barato no siempre significa confiable, y en research la confianza lo es todo.
¿Cuál es la tasa de alucinaciones de DeepSeek comparada con otros modelos?
Acá viene lo bueno: los números no acompañan.
Según un reporte de Semafor de febrero de 2025 basado en el benchmark Vectara HHEM 2.1, DeepSeek-R1 tenía una tasa de alucinación del 14,3%. Su hermano V3, mucho más contenido, baja al 3,9%. Y ChatGPT-4o se planta en apenas 1,5%. La diferencia entre R1 y ChatGPT es casi diez veces.
¿Por qué R1 alucina tanto más que V3 si son de la misma empresa? Porque R1 es un modelo de razonamiento. Está entrenado para “pensar” pasos intermedios antes de responder, y ese proceso, que mejora la resolución de problemas lógicos, arrastra un costo: cada paso inventado se acumula y termina contaminando la respuesta final. Es un trade-off clásico entre capacidad de razonamiento y fidelidad al dato.
Para una revisión sistemática, donde una sola cifra mal citada puede invalidar una conclusión, ese 14,3% es una bandera roja. Tomalo con pinzas: el benchmark mide resúmenes, no research completa, pero la tendencia es clara.
¿DeepSeek genera referencias y citaciones confiables?
Esta es la parte que más asusta.
Un estudio sobre interpretación de figuras científicas y recuperación de referencias encontró que DeepSeek acierta cerca del 85% de las citas en contenido general. Suena bien hasta que mirás la recuperación de referencias específica: ahí la tasa de alucinación trepa al 91,43%. ChatGPT, en la misma prueba, se queda en 39,14%, y la variante Deep Research baja a 26,57%.
Traducido: casi todas las referencias que DeepSeek te arma de memoria pueden estar fabricadas. Autores que no escribieron ese paper, DOIs que no existen, revistas inventadas con nombre creíble. Relacionado: cómo se compara con GPT en precisión.
Si alguna vez pegaste una cita en tu bibliografía sin abrir el link original, sabés el riesgo. Con DeepSeek ese riesgo es la norma, no la excepción. La verificación manual de cada referencia deja de ser una buena práctica y pasa a ser obligatoria.
¿Cuáles son los riesgos de privacidad para investigación sensible?
DeepSeek almacena los datos de sus usuarios en servidores ubicados en China. Ese solo dato ya descarta un montón de casos de uso.
Si trabajás con research confidencial, datos de pacientes bajo regulación tipo HIPAA o GDPR, o propiedad intelectual sin publicar, mandar esa información a la versión en la nube de DeepSeek es un problema legal antes que técnico. Un análisis de seguridad de 2026 señala restricciones de uso gubernamental en varios países justamente por esto.
OpenAI y Anthropic alojan en Estados Unidos y ofrecen acuerdos empresariales con garantías de no entrenar sobre tus datos. No es que sean perfectos, pero el marco regulatorio es distinto. Eso sí: si corrés DeepSeek localmente, en tu propio hardware, la ecuación de privacidad cambia por completo porque nada sale de tu red. Para eso necesitás infraestructura propia con capacidad de cómputo suficiente.
¿Cómo se compara DeepSeek con Claude y ChatGPT para trabajo académico?
Cada uno tiene su lugar. La tabla lo resume mejor que tres párrafos.
| Criterio | DeepSeek | Claude | ChatGPT |
|---|---|---|---|
| Costo por token | 6-60x más barato | Alto | Medio-alto |
| Alucinación (HHEM 2.1) | 14,3% (R1) / 3,9% (V3) | Baja | 1,5% (4o) |
| Alucinación en citas | 91,43% | Baja-media | 39,14% |
| Análisis profundo | Bueno | El mejor | Muy bueno |
| Escritura creativa | Correcto | Muy bueno | El mejor |
| Código abierto | Sí | No | No |
| Servidores de datos | China | EE.UU. | EE.UU. |
En criollo: DeepSeek gana por goleada en costo y es la única opción open source real. Claude es mi elección para análisis profundo y lectura crítica de papers. ChatGPT queda bien parado en escritura y, dato clave para academia, en la fidelidad de sus citas.
¿Necesito usar DeepSeek con RAG para investigación?
Sí, y no es opcional si te importa la precisión.
RAG (retrieval augmented generation) le da al modelo un contexto externo verificado antes de responder, en vez de dejarlo tirar de su memoria interna, que es donde nacen las alucinaciones. Cuando conectás DeepSeek a tu propia base de papers, PDFs o una base de datos indexada, el modelo cita sobre documentos reales que vos controlás. El salto de calidad es notorio. Ya lo cubrimos antes en diferencias entre DeepSeek y Gemini.
La lógica es simple: si el 91% de sus citas de memoria son inventadas, dejá de pedirle que recuerde. Dale las fuentes vos y que solo sintetice.
¿En qué casos SÍ puedo usar DeepSeek de forma segura?
- Brainstorming inicial: generar preguntas de investigación, hipótesis o enfoques posibles. Nada que vaya directo al paper sin filtro.
- Síntesis de información no sensible: resumir material público que después vas a verificar contra la fuente.
- Análisis de tendencias públicas: mapear qué se está publicando sobre un tema, sin depender de sus citas exactas.
- Draft inicial de resúmenes: un primer borrador para reescribir, no un producto final.
El común denominador es la verificación posterior. DeepSeek como punto de partida rinde. Como palabra final, no.
Errores comunes al usar DeepSeek en research
- Copiar sus citas sin abrir el link: con 91,43% de alucinación en referencias, cada DOI y cada autor hay que confirmarlos en la fuente original. Sin excepción.
- Usar R1 pensando que “razona mejor, alucina menos”: es al revés. R1 razona más pero alucina casi cuatro veces más que V3. Para datos duros, V3 es más seguro.
- Subir data confidencial a la nube pública: si es sensible, corré el modelo local o no lo uses. Los servidores están en China.
- Pedirle síntesis sin darle las fuentes: sin RAG lo estás obligando a inventar. Alimentalo con documentos reales.
Preguntas Frecuentes
¿Qué tan confiable es DeepSeek para investigación científica?
Confiable con reservas fuertes. El modelo R1 alucina en el 14,3% de los casos según Vectara HHEM 2.1, y en recuperación de citas llega al 91,43%. Sirve para tareas exploratorias, no para producir referencias o datos finales sin verificación manual.
¿DeepSeek alucina más que ChatGPT o Claude?
Sí, bastante más en su versión de razonamiento. DeepSeek-R1 marca 14,3% de alucinación contra 1,5% de ChatGPT-4o. En citas la brecha es aún mayor: 91,43% de DeepSeek frente a 39,14% de ChatGPT. Cubrimos ese tema en detalle en modelos de razonamiento avanzado para análisis.
¿Puedo confiar en las citaciones que genera DeepSeek?
No sin verificar cada una. En recuperación de referencias, hasta el 91,43% de las citas pueden estar fabricadas. Confirmá siempre autor, título y DOI contra la fuente original antes de usarlas en un trabajo académico.
¿DeepSeek es seguro para investigación confidencial?
En su versión en la nube, no. Los datos se almacenan en servidores en China, lo que genera riesgos legales para información regulada o confidencial. La alternativa segura es correr el modelo open source en tu propia infraestructura.
¿Cuál es mejor para revisiones sistemáticas: DeepSeek, Claude o ChatGPT?
Para precisión de citas y análisis crítico, Claude y ChatGPT llevan ventaja. DeepSeek gana solo en costo (6 a 60 veces más barato) y en ser open source. Para research sensible o donde las referencias importan, conviene otra opción.
Conclusión
DeepSeek cambió el mercado por precio, eso es innegable. Pero en revisiones sistemáticas el precio no alcanza cuando el modelo R1 alucina en el 14,3% de los casos y fabrica hasta el 91,43% de sus citas.
Mi recomendación concreta: usá DeepSeek para arrancar (brainstorming, primeros borradores, mapear un tema), siempre conectado a fuentes reales vía RAG, y siempre corriendo local si la data es sensible. Para las citas finales y el análisis crítico, apoyate en Claude o ChatGPT, que hoy son más fieles al dato. Y verificá todo a mano. En research, un solo número inventado te tira abajo el paper entero.
Fuentes
- SelectHub – Ficha y análisis de DeepSeek
- Semafor – DeepSeek alucina más que otros modelos de IA
- ResearchGate – Precisión y alucinación de DeepSeek y ChatGPT en recuperación de referencias
- Axis Intelligence – ¿Es seguro DeepSeek? Preocupaciones de seguridad 2026
- NCBI PMC – Estudio sobre DeepSeek en escritura académica