En pocas palabras: Sí: el endpoint público de NVIDIA NIM (integrate.api.nvidia.com/v1/models) se consulta sin cuenta ni API key y al 26/08/2026 devuelve 102 modelos. DeepSeek-R1 y DeepSeek-V3.1 ya no figuran en ese listado; solo quedan disponibles deepseek-v4-flash-0731 y deepseek-coder-6.7b-instruct.
NVIDIA retiró DeepSeek-R1 y DeepSeek-V3.1 del catálogo de su plataforma de inferencia alojada: el endpoint público de NVIDIA NIM devuelve 102 modelos y ninguno de esos dos IDs figura en la lista, según el análisis publicado en dev.to.
NVIDIA NIM es la plataforma de inferencia alojada de la compañía: expone modelos de lenguaje vía una API compatible con el formato de OpenAI y publica el listado completo en integrate.api.nvidia.com/v1/models. Ese catálogo público se consulta sin cuenta ni API key y es la referencia real de lo que tu credencial puede llamar. Al 26/08/2026 lista 102 modelos, y es donde se ve que DeepSeek-R1 quedó afuera.
En 30 segundos
- Catálogo abierto: el endpoint /v1/models responde sin registro ni token y devolvió 102 modelos.
- R1 y V3.1 fuera: los IDs que un año entero de tutoriales recomendaban ya no aparecen en el listado.
- Lo que queda de DeepSeek: deepseek-v4-flash-0731 y deepseek-coder-6.7b-instruct, confirmados por el propio endpoint.
- Falla silenciosa: el ID retirado no avisa nada hasta que lo llamás; recién ahí llega el error.
- Jugada práctica: un chequeo de una línea en CI valida que tus model IDs sigan vivos antes de cada deploy.
Nvidia es una empresa estadounidense de tecnología fundada en 1993 por Jensen Huang, Chris Malachowsky y Curtis Priem. Diseña y fabrica unidades de procesamiento gráfico (GPU) y desarrolla hardware y software para computación e inteligencia artificial.
¿Qué pasó con DeepSeek-R1 en el catálogo público de NVIDIA NIM?
NVIDIA sacó del listado a DeepSeek-R1 y a DeepSeek-V3.1, los dos identificadores que durante meses fueron el destino obligado de casi cualquier tutorial de NIM. Según el relevamiento de dev.to, la rotación siguió el ciclo de vida del lado de DeepSeek: esa generación llegó a fin de vida en origen y el espejo de NVIDIA la acompañó. Nadie anunció fuegos artificiales; el modelo se fue de la lista y punto.
Ponele que en febrero seguiste una guía, pegaste el model ID en tu configuración, funcionó bárbaro durante meses, lo mandaste a producción y ahí quedó corriendo solo, hasta que esta semana empezaron a llegar tickets porque el chat responde con un fallo raro. Revisás la key, está bien. Mirás la cuota, sobra crédito. El DNS responde, la red está sana, tu código no cambió, y después de media hora de debuggeo caés en la cuenta de que el problema no es tuyo: el modelo que llamás dejó de existir en el catálogo.
¿Y qué devuelve la llamada al ID retirado? Un error, recién cuando la ejecutás.
Sin mail de aviso. Sin banner en el dashboard. Sin período de gracia visible (o al menos ninguno que haya trascendido). El dato incómodo es que uno no se entera de esta clase de cambio leyendo: se entera produciendo.
¿Cómo consultar el catálogo de NVIDIA NIM sin API key?
Con un curl y nada más. El endpoint /v1/models no exige autenticación: lo pegás en el navegador y te devuelve el JSON completo, sin registrarte ni generar token (sí, en serio). Ya lo cubrimos antes en cuánto cuesta realmente el compute de Nvidia.
curl -s https://integrate.api.nvidia.com/v1/models
La respuesta trae un campo data con un objeto por modelo, donde cada entrada incluye su id entre otros metadatos. En el chequeo publicado en dev.to, ese arreglo tenía 102 elementos. Es más rápido que recorrer la interfaz web (build.nvidia.com) y, sobre todo, es el “ground truth”: muestra lo que tu clave puede alcanzar, no lo que alguien escribió hace seis meses. Fijate que la documentación de cualquier proveedor llega tarde; el endpoint no.
¿Cuánto cuesta usar NVIDIA NIM y tiene capa gratuita?
Consultar el catálogo es gratis (no pide ni cuenta). Las llamadas de inferencia, en cambio, pasan por el sistema de créditos de la plataforma: esta guía del setup gratuito detalla cómo arrancar y cómo se consumen esos créditos. Sobre tarifas y límites vigentes no tengo cifras verificadas frescas, y prefiero no inventarme números de memoria. Si vas a producir en serio, mirá el panel de tu cuenta antes de comprometer un presupuesto.
¿Qué modelos DeepSeek siguen disponibles en NVIDIA NIM en 2026?
Dos, según el endpoint: deepseek-ai/deepseek-v4-flash-0731 y deepseek-ai/deepseek-coder-6.7b-instruct. El primero es la variante rápida de la familia V4 (por el nombre, pensada para respuestas livianas); el segundo es un modelo chico especializado en código con formato instruct. Ojo con esto: el endpoint no trae benchmarks ni fichas extensas, así que cualquier promesa de performance conviene probarla con tus propios casos antes de creerle a nadie, este artículo incluido.
| Modelo | Estado | Uso típico |
|---|---|---|
| deepseek-ai/deepseek-r1 | Retirado | Razonamiento; ya no alcanzable vía NIM |
| deepseek-ai/deepseek-v3.1 | Retirado | Chat y tareas generales; ídem |
| deepseek-ai/deepseek-v4-flash-0731 | Vigente | Generación rápida de la familia V4 |
| deepseek-ai/deepseek-coder-6.7b-instruct | Vigente | Código con un modelo liviano |
¿Querés migrar de R1 a V4-flash y esperar el mismo comportamiento? No lo des por sentado: cambiaste de generación, de arquitectura y de personalidad. Probalo con tus prompts reales antes de tocar producción. Cubrimos ese tema en detalle en seguridad corporativa con Microsoft Intune y la CISA.
¿Cómo detectar cambios del catálogo antes de que fallen tus llamadas API?
Preguntándole al endpoint en cada build. Como no necesita auth, el chequeo entra en cualquier pipeline sin tocar secretos, y eso lo hace re piola para automatizar:
MODELO="deepseek-ai/deepseek-v4-flash-0731"
curl -s https://integrate.api.nvidia.com/v1/models | grep -q "$MODELO" || {
echo "ALERTA: $MODELO ya no está en el catálogo de NIM"
exit 1
}Esa línea, colgada como step de GitHub Actions o como hook de pre-push, atrapa toda la clase de pudrimiento de IDs antes que tus usuarios. ¿Y cada cuándo conviene correrla? En cada push: sale gratis y tarda un segundo. También sirve como primer diagnóstico cuando una llamada empieza a fallar; antes de culpar al firewall, fijate si el modelo sigue existiendo.
Del ID fijo a la validación continua: qué cambia en producción
La brecha entre la documentación y el endpoint es de semanas; en un incidente, eso es una eternidad. Si tu stack consume modelos alojados, cuatro prácticas bajan el riesgo a casi cero: Relacionado: todo lo que hay que saber de ChatGPT.
- Centralizá los model IDs: una sola variable de entorno o archivo de config, nada de IDs regados por el código.
- Convertí el chequeo en gate de CI: si el ID no existe en el catálogo, el build no pasa.
- Testeá contra modelos reales: los mocks jamás te van a avisar que el modelo se jubiló.
- Definí un plan B humano: si tu ID primario desaparece, ya sabés cuál es el reemplazo validado y probado con tus casos.
Un fallback automático entre modelos suena tentador, pero no me termina de cerrar: cambiás calidad y costo de golpe, y nadie lo autorizó. Mi consejo es alerta fuerte y decisión humana antes que magia silenciosa. ¿Y si el flujo es tan crítico que ningún catálogo ajeno te sirve? Ahí la jugada es correr el modelo en tu propia infraestructura: un servidor propio (un VPS de donweb.com, por ejemplo, si buscás presencia local) elimina la dependencia de rotaciones ajenas, a cambio de hacerte cargo del mantenimiento.
¿Esta rotación de modelos es solo cosa de NVIDIA?
No. Los catálogos de todos los proveedores alojados se movieron durante 2026, y DeepSeek apenas fue el caso más visible porque su generación R1/V3 tuvo adopción masiva vía tutoriales. El patrón viene de largo: los proveedores retiran generaciones anteriores para liberar capacidad, y los avisos llegan tarde o no llegan.
Aclaración honesta: no tengo a mano los catálogos actualizados del resto de los proveedores, así que no te voy a decir quién tiene qué modelo hoy. Lo verificable acá es el método: el endpoint público de NIM es el único canal que muestra el cambio el día que ocurre, no el mes en que alguien se acuerda de actualizar la doc.
Qué está confirmado y qué todavía no
Confirmado, chequeable hoy mismo contra el endpoint:
- /v1/models responde sin autenticación ni registro.
- Devuelve 102 modelos.
- DeepSeek-R1 y DeepSeek-V3.1 no figuran en el listado.
- Figuran deepseek-v4-flash-0731 y deepseek-coder-6.7b-instruct.
- La rotación siguió el retiro de la generación por parte de la propia DeepSeek.
Todavía sin confirmar:
- La fecha exacta en que NVIDIA eliminó los IDs (la fuente no la precisa).
- Si van a sumar más modelos de la familia V4 al catálogo.
- Precios y límites vigentes de la API de inferencia.
Errores comunes al trabajar con el catálogo de NIM
- Hardcodear el model ID “para siempre”: el código anda hasta que deja de andar. Centralizá el ID en config y validalo en cada build.
- Copiar IDs de tutoriales sin verificar: la guía pudo ser cierta en su momento y estar muerta hoy. El endpoint manda sobre cualquier blog.
- Tratar el error como problema de red: si NVIDIA retiró el ID, ninguna prueba de conectividad lo arregla. Primera hipótesis: modelo fuera del catálogo.
- Mockear el modelo en integración: tus tests pasan con un doble que nunca caduca. Sumá al menos un smoke test contra el modelo real en cada release.
Preguntas Frecuentes
¿Por qué DeepSeek-R1 dejó de aparecer en NVIDIA NIM?
Porque esa generación llegó a fin de vida y NVIDIA la rotó del catálogo, siguiendo el retiro que hizo la propia DeepSeek en origen. Hoy el listado tiene 102 modelos y ninguno de los IDs viejos aparece; las llamadas fallan recién al ejecutarse. Sobre eso hablamos en cómo funcionan los modelos de lenguaje con razonamiento.
¿Cómo veo todos los modelos de NVIDIA NIM sin API key?
Abriendo integrate.api.nvidia.com/v1/models en el navegador o con un curl. No pide registro ni token y devuelve el JSON con los IDs vigentes (102 modelos). Es más rápido que la interfaz web y refleja lo que tu clave puede llamar.
¿Qué versión de DeepSeek conviene usar ahora en NVIDIA?
Las dos vigentes: deepseek-ai/deepseek-v4-flash-0731 para uso general y deepseek-ai/deepseek-coder-6.7b-instruct para código. Migrá con pruebas sobre tus prompts reales, porque cambiás de generación y el comportamiento no es idéntico.
¿Se puede consultar el catálogo de NIM desde Python sin autenticación?
Sí. Un requests.get(“https://integrate.api.nvidia.com/v1/models”) sin headers trae el listado completo, y los IDs salen con [m[“id”] for m in respuesta.json()[“data”]]. Al no requerir auth, entra derecho en checks automáticos de CI.
¿Dónde puedo correr DeepSeek-R1 ahora que salió de NIM?
DeepSeek publicó los pesos de R1 con licencia abierta, así que la opción garantizada es bajarlos y correrlos vos con Ollama o vLLM, en local o en tu propio servidor. Si preferís un proveedor alojado, validá su catálogo vivo antes de pagar: no tengo data verificada de quién lo sirve hoy.
Conclusión
Lo concreto: NVIDIA completó la rotación de la generación R1/V3 en su catálogo, que hoy lista 102 modelos con solo dos IDs de DeepSeek vivos. Lo importante: la rotación no avisa, y tu config con IDs fijos es una bomba de tiempo con fecha desconocida. Lo accionable: guardá el endpoint /v1/models en favoritos, colgá el chequeo en CI y dejá de creerle a los IDs copiados de tutoriales. Acordate la regla: el catálogo primero, la documentación después. El catálogo miente menos. Consultalo.