Investigación
AI Minute Newsroom
2026-08-08
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.
✓ Verificado · 2 fuentes
▶ Vídeo relacionado: DeepSeek V4 Flash GA IS INCREDIBLE! Powerful, Cheap, & Fast! (Fully Tested)
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
OpenAI dice que sus nuevos modelos frenan el robo de razonamiento.
2026-11-22La comunidad de Lean da por correcta la prueba de Riemann con IA.
2026-11-22Un modelo abierto de IA mejoró al editar sus pesos, según un estudio.
2026-11-21Ningún chatbot de terapia tiene aval de la FDA, constata un auditor.
2026-11-21Matemáticos externos no hallan errores en la prueba de Riemann con IA.
2026-11-21