DeepSeek libera su primera IA visual y profundiza la estrategia de modelos abiertos

DeepSeek presentó DeepSeek-V4-Flash-Vision-Exp, su primer modelo multimodal de la familia V4. El sistema puede procesar conjuntamente imágenes y texto, lo que le permite analizar fotografías, documentos, gráficos y capturas de pantalla, además de responder consultas escritas.

El modelo, disponible en el repositorio oficial de DeepSeek en Hugging Face, cuenta con aproximadamente 305.000 millones de parámetros. Está basado en la arquitectura V4-Flash, a la que se añadieron componentes especializados de visión.

La compañía también liberó los pesos, el tokenizador y una implementación básica en PyTorch bajo licencia MIT. Esto permite que empresas, universidades y desarrolladores puedan descargarlo, modificarlo e integrarlo en sus propias soluciones, sin depender exclusivamente de los servidores de DeepSeek.

Entre sus posibles aplicaciones aparecen el análisis de documentos, la interpretación de imágenes industriales, el reconocimiento de interfaces y la creación de agentes capaces de observar una escena antes de ejecutar una tarea. Según DeepSeek, el modelo mejora especialmente en actividades multimodales sin perder rendimiento en las tareas basadas solamente en texto.

La apertura refuerza una estrategia con la que las empresas chinas buscan ganar terreno frente a OpenAI, Google y Anthropic. Mientras buena parte de los modelos estadounidenses más avanzados permanece cerrada, DeepSeek apuesta a ampliar su ecosistema permitiendo que terceros adapten su tecnología.

Para la Argentina, estos sistemas podrían aplicarse en industria, agricultura, salud, seguridad y gestión pública. Sin embargo, que el modelo sea abierto no significa que resulte barato: su tamaño exige servidores de alto rendimiento, aceleradores especializados y una infraestructura energética considerable.