ARC Prize verifica a DeepSeek V4 Flash: 61% en ARC-AGI-2 a cuatro centavos por tarea
El equipo de ARC Prize publicó resultados semiprivados verificados del modelo de pesos abiertos V4 Flash 0731 de DeepSeek: 89,0% en ARC-AGI-1 a unos dos centavos por tarea y 61,4% en ARC-AGI-2 a unos cuatro centavos, con el máximo esfuerzo de razonamiento. El modelo es una mezcla de expertos de 284.000 millones de parámetros que solo activa 13.000 millones por token y maneja un contexto de un millón de tokens. El resultado escaló a lo más alto de Hacker News, donde la relación precio-rendimiento acaparó la conversación.
Por qué importaARC-AGI-2 se diseñó para resistir la memorización y premiar el razonamiento abstracto genuino; que un modelo abierto de activación pequeña logre esta puntuación a precios de calderilla cierra una brecha más entre la IA abierta y la cerrada. Para los desarrolladores significa que el razonamiento casi de frontera ya se puede descargar y ejecutar, no solo alquilar.
▶ Vídeo relacionado: DeepSeek V4 Flash GA IS INCREDIBLE! Powerful, Cheap, & Fast! (Fully Tested)
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
Un modelo aprendió sin el método que entrena a toda la IA.2026-10-06Cinco problemas abiertos cayeron con un chat corriente.
2026-10-05El modelo sin ajustar resolvió tareas que su versión pulida no logró.
2026-10-04Un modelo entrenado con fotos comunes logró 70% en razonamiento.
2026-10-04Una IA de 8.000 dólares venció al mejor jugador de Stratego.
2026-10-03