DeepSeek V4 Flash impulsa a los modelos de pesos abiertos por encima del 60% del tráfico de Vercel

Una combinación de precio y capacidad está cambiando el reparto del tráfico en AI Gateway, la API unificada de Vercel para acceder a cientos de modelos de inteligencia artificial. El martes 25 de agosto de 2026, los modelos de pesos abiertos representaron el 54% del volumen de tokens procesados por la plataforma, frente al 46% de los modelos propietarios. El sábado anterior, su cuota había alcanzado un récord del 62%, dejando a los modelos cerrados con el 38%.4

El detonante inmediato fue DeepSeek V4 Flash. Una actualización de sus pesos elevó su rendimiento en programación, uso de herramientas y flujos de trabajo agénticos, sin convertirlo en un modelo de precio premium.19

El cambio en el volumen de tokens

Momento reportado en agosto	Modelos de pesos abiertos	Modelos propietarios
Sábado anterior	62%	38%
Martes 25 de agosto	54%	46%

En otras palabras, los modelos abiertos tuvieron una ventaja de 8 puntos porcentuales el martes y de 24 puntos en el récord anterior. La comparación se refiere específicamente a los tokens procesados a través de AI Gateway. No mide los ingresos, los beneficios ni el número de empresas que utiliza cada modelo.

Por qué DeepSeek V4 Flash fue decisivo

Vercel indicó que DeepSeek V4 Flash comenzó a funcionar con pesos actualizados por defecto en AI Gateway. En Terminal-Bench, una prueba centrada en tareas de terminal y línea de comandos, su puntuación subió de 56,9 en la vista previa de abril a 82,7: una mejora de 25,8 puntos.19

Además, los usuarios existentes no tuvieron que cambiar el identificador del modelo ni el código de sus aplicaciones para recibir los nuevos pesos.19 Esa actualización redujo la fricción técnica y facilitó que cargas de trabajo ya desplegadas aprovecharan el nuevo rendimiento.

El atractivo del modelo, por tanto, no se limitó a que fuera barato. Sus mejores capacidades agénticas lo hicieron más adecuado para tareas de programación y uso de herramientas a gran escala, mientras que su posicionamiento como modelo eficiente ofrecía a los desarrolladores una forma de controlar el coste de inferencia. Según Vercel, admite razonamiento, uso de herramientas y almacenamiento en caché implícito, además de una ventana de contexto de 1 millón de tokens.27

El precio reforzó esa posición. Reuters informó de que DeepSeek lanzó V4 Pro con un precio de entrada aproximadamente nueve veces superior al de V4 Flash y un precio de salida 14 veces mayor, lo que subraya la diferencia entre el modelo eficiente y la oferta premium de la compañía.17 Comparaciones independientes también muestran una ventaja de precio considerable para V4 Flash, aunque los resultados de las pruebas varían según el benchmark y la configuración.25

Por qué los modelos propietarios perdieron cuota de tokens

La información disponible vincula la caída del volumen de los modelos propietarios con una menor demanda empresarial de Fable 5, de Anthropic, debido a su mayor coste.4 La explicación resulta plausible en cargas de trabajo donde los desarrolladores priorizan el rendimiento por unidad de coste y el volumen procesado antes que la máxima capacidad del modelo. Sin embargo, los datos agregados de AI Gateway no demuestran que esa sea la única causa de cada solicitud o cliente.

Fable 5 sigue orientado a tareas prolongadas, ambiguas y compuestas por varios pasos, según la descripción de producto de Vercel.3 El cambio observado en agosto parece, por ello, menos un veredicto universal de que los modelos abiertos sean mejores y más una decisión de enrutamiento: utilizar un modelo económico para grandes volúmenes de trabajo compatible y reservar los modelos propietarios premium para los casos que justifiquen su precio.

Más tokens no equivale a más gasto en inteligencia artificial

La principal cautela está en distinguir entre uso y facturación. Un informe anterior de Vercel mostró que los modelos de pesos abiertos habían alcanzado el 29% del volumen de tokens de AI Gateway, pero representaban menos del 4% del gasto.44 La diferencia se explica porque contar tokens no refleja cuánto se paga por cada token de entrada o de salida.

Por eso, el cruce registrado en agosto indica que los modelos abiertos procesaron una mayor parte del trabajo de la plataforma, no necesariamente que generaran más negocio para los proveedores. Los modelos propietarios pueden conservar una cuota desproporcionada del gasto aun cuando los modelos más baratos gestionen más tokens.

Qué implica para los desarrolladores

Los datos apuntan hacia una estrategia de enrutamiento de modelos más deliberada:

• Usar modelos eficientes a escala: La generación de alto volumen, la asistencia para programar y las llamadas rutinarias a herramientas suelen ser especialmente sensibles al coste por token.
• Volver a probar los modelos después de una actualización de pesos: La mejora de DeepSeek V4 Flash modificó su perfil de rendimiento sin exigir cambios en el identificador del modelo ni en el código de la aplicación.19
• Separar calidad y economía: Una mejora en un benchmark no demuestra que un modelo sea el mejor para todas las cargas de producción. También hay que evaluar precisión real, fiabilidad, latencia, privacidad y disponibilidad del proveedor.
• Seguir el gasto además de los tokens: El modelo que lidera el volumen de tokens no es automáticamente el líder en gasto ni en valor para el negocio.

La lección más amplia del tráfico de Vercel en agosto es que los modelos de pesos abiertos pueden ganar volumen en producción cuando combinan una capacidad suficiente con costes muy inferiores. DeepSeek V4 Flash ofrece el ejemplo más claro, pero el cambio de fondo consiste en asignar cada tarea al modelo más barato que pueda ejecutarla de forma fiable, no en sustituir de golpe a todos los modelos propietarios.