DeepSeek V4 vs. GPT-5.5: qué benchmarks mirar antes de elegir

Si la pregunta es qué modelo es mejor en todos los benchmarks, la respuesta prudente es: todavía no hay suficiente evidencia pública, independiente y ejecutada bajo las mismas condiciones para afirmarlo. Lo que existe son señales parciales: un resultado de SWE-bench de una fuente de terceros , métricas y comparativas de Artificial Analysis , y documentación de API y seguridad de OpenAI .

Lo que sabemos con más respaldo

DeepSeek tiene una página oficial titulada DeepSeek-V4 Preview Release en su documentación de API, fechada el 24/04/2026 . OpenAI presentó GPT-5.5 el 23/04/2026 y actualizó su anuncio indicando que GPT-5.5 y GPT-5.5 Pro estaban disponibles en la API desde el 24/04/2026 . Los dos modelos aparecen casi al mismo tiempo, pero no con el mismo nivel de detalle público.

Hay un matiz importante: la documentación de OpenAI habla de una ventana de contexto de 1M de tokens para GPT-5.5 , mientras que la comparativa de Artificial Analysis muestra 922k tokens para GPT-5.5 high y 1000k tokens para DeepSeek V4 Pro high . Por eso no conviene mezclar cifras de distintas tablas sin revisar la variante exacta del modelo, el nivel de razonamiento y cómo define cada fuente la ventana de contexto.

Qué benchmarks merecen más confianza

SWE-bench Verified: buena señal para programación, pero no basta

Un análisis de o-mega afirma que GPT-5.5 logra 88,7% en SWE-bench Verified, frente al 80,6% de DeepSeek V4-Pro: una diferencia de 8,1 puntos . Si tu carga principal es ingeniería de software, es una señal que vale la pena tomar en serio.

Aun así, un resultado de SWE-bench no sustituye una evaluación interna. En agentes de código, el resultado puede variar por el prompt, el nivel de razonamiento, las herramientas disponibles, el número de reintentos, la forma de ejecutar tests, el formato del parche y el harness de evaluación. Ese 88,7% frente a 80,6% sirve para priorizar GPT-5.5 en una prueba de coding, no para concluir que gana en cualquier tarea .

La system card de OpenAI: amplia, pero no es un cara a cara

El Deployment Safety Hub de OpenAI indica que GPT-5.5 se evalúa en controlabilidad mediante CoT-Control, una suite con más de 13.000 tareas construidas a partir de benchmarks como GPQA, MMLU-Pro, HLE, BFCL y SWE-Bench Verified . Es información útil para entender el alcance de las evaluaciones de OpenAI, pero no es una comparativa directa entre GPT-5.5 y DeepSeek V4.

Dicho de otra forma: esta fuente ayuda a saber cómo OpenAI prueba GPT-5.5, pero no debería usarse por sí sola para afirmar que GPT-5.5 gana o pierde contra DeepSeek V4 en GPQA, MMLU-Pro o SWE-Bench Verified .

AA-Omniscience: mejora en conocimiento, alerta en alucinaciones

Artificial Analysis señala que DeepSeek V4 Pro Max obtiene -10 en AA-Omniscience, una mejora de 11 puntos frente a V3.2 Reasoning, que estaba en -21; DeepSeek V4 Flash Max aparece con -23 . La misma fuente indica tasas de alucinación del 94% para DeepSeek V4 Pro y del 96% para V4 Flash, lo que significa que, cuando el modelo no sabe la respuesta, casi siempre responde igualmente .

Ese dato pesa mucho si el producto exige fiabilidad: preguntas y respuestas internas, análisis de documentación legal o financiera, cumplimiento normativo, salud, auditorías o sistemas que deben citar fuentes. DeepSeek V4 Pro puede ser atractivo por pesos abiertos y contexto largo, pero los flujos factuales deberían incorporar retrieval, comprobación de citas, verificación de fuentes y revisión humana cuando sea necesario .

Cuándo elegir GPT-5.5

GPT-5.5 encaja mejor cuando el requisito principal es integrar rápido, calcular costes con cierta claridad y usar herramientas soportadas oficialmente. La documentación de OpenAI lista el ID del modelo, precios, contexto, salida máxima, fecha de corte de conocimiento del 1/12/2025 y herramientas como Functions, Web search, File search y Computer use .

También es un candidato fuerte si estás construyendo un agente de programación y quieres partir del modelo con mejor señal pública en SWE-bench Verified dentro de las fuentes disponibles . Aun así, lo razonable es probarlo en los repositorios reales de tu equipo, no decidir solo por una tabla externa.

Cuándo elegir DeepSeek V4 Pro

DeepSeek V4 Pro merece prioridad si necesitas pesos abiertos, quieres evaluarlo dentro de tu propia infraestructura o no quieres depender por completo de una API cerrada. Artificial Analysis lo describe como un modelo de pesos abiertos, lanzado en abril de 2026, con entrada y salida de texto y contexto de 1 millón de tokens .

El punto a equilibrar es la fiabilidad factual. Con una tasa de alucinación del 94% reportada por Artificial Analysis para DeepSeek V4 Pro en AA-Omniscience, los casos de uso que requieren respuestas verificables deberían diseñarse con una capa adicional de comprobación, no dejando que el modelo responda sin control .

Si necesitas imagen o tool-use oficial, GPT-5.5 parte con ventaja

En la comparativa entre DeepSeek V4 Pro high y GPT-5.5 high, Artificial Analysis indica que GPT-5.5 high admite entrada de imagen y DeepSeek V4 Pro high no . Sumado a que OpenAI documenta Functions, Web search, File search y Computer use para GPT-5.5, la evidencia disponible favorece a GPT-5.5 en flujos multimodales o agentes que dependen de herramientas oficiales .

Cómo hacer una prueba seria antes de decidir

Antes de enrutar tráfico, comprar API o fijar un modelo por defecto, conviene evaluar ambos bajo las mismas condiciones:

1. Bloquea el modelo exacto y el nivel de razonamiento. OpenAI lista niveles como none, low, medium, high y xhigh para GPT-5.5 ; Artificial Analysis también separa comparativas por niveles como low, medium y high .
2. Usa el mismo prompt, los mismos datos y el mismo harness. No compares un modelo con prompt optimizado contra otro con un prompt sin trabajar.
3. Mantén idéntica la política de herramientas. En coding agents, permitir más reintentos, ejecutar tests o modificar más archivos puede cambiar mucho el resultado.
4. Mide precisión y errores operativos. Además del acierto, registra errores de formato, estabilidad de salida, coste en tokens, latencia y porcentaje de casos que requieren revisión humana.
5. Incluye una prueba específica de alucinaciones. Es especialmente importante con DeepSeek V4 Pro y V4 Flash por las cifras altas de AA-Omniscience .
6. Evalúa con datos reales del producto. Si tus usuarios trabajan en español, incluye documentación, preguntas y ejemplos de código en español; si el producto es multilingüe, prueba cada idioma relevante por separado.

Conclusión

GPT-5.5 es el punto de partida más fácil de defender si buscas producción vía API, agentes de programación con herramientas, salida máxima y precios publicados de forma clara . DeepSeek V4 Pro es una alternativa muy interesante si los pesos abiertos son una condición imprescindible y estás dispuesto a construir capas de verificación, sobre todo para preguntas factuales .

Si la pregunta es si DeepSeek V4 o GPT-5.5 gana los benchmarks, la respuesta más honesta hoy es: no hay suficientes datos públicos, independientes y comparables bajo las mismas condiciones para una conclusión total. Las señales disponibles favorecen a GPT-5.5 en SWE-bench Verified según una fuente de terceros y en documentación de API y tool support , mientras que DeepSeek V4 Pro destaca por pesos abiertos y contexto largo .