Como lo hemos comentada desde la primera administración de Trump, la restricción tecnología de USA, esta despertando un monstruo, sera el comienzo de lo que se esta viendo en la industria Automotriz eléctrica con la supremacía achina, ahora con la AI?, La AI está atravesando una de sus mayores disrupciones con la llegada de DeepSeek, el modelo chino que promete eficiencia técnica, costos reducidos y código abierto, pero cada dia nos revela la verdad de lo que hay detrás del modeló, sus verdaderos costos y manera de trabajar, esto no le quita merito y es sorprendente. Su irrupción ha provocado un verdadero «terremoto» en la industria tecnológica, afectando desde Nvidia hasta OpenAI, pero la historia va más allá del impacto financiero. ¿Es realmente viable para las empresas? ¿Qué tan seguro es su uso? ¿Qué implicaciones tiene para la privacidad y el control de los datos?, hay costos ocultos de integración?
DeepSeek surge en un contexto de restricciones comerciales impuestas por EE.UU. a China, limitando el acceso a chips mas potentes y modernos como los Nvidia H100. Como respuesta, varias compañías optimizaron la arquitectura de sus modelos de AI con un enfoque eficiente y económico ( no les quedo de otra), reduciendo costos de entrenamiento y adoptando un esquema de mezcla de expertos (Mixture-of-Experts, MoE), aprovechando la facilidad de la data por parte de la regulación china. Esto les ha permitido competir con gigantes del sector con una inversión significativamente menor. o con su subsidio indirecto del gobierno chino.
Sus costos son un factor clave: sus tarifas son hasta 95% más económicas que modelos como ChatGPT-4o o Claude 3.5. Esto sugiere que el open-source podría volverse una alternativa viable para desarrolladores independientes y startups, pero la situación para las empresas es diferente.
» Costos en la Industria de los LLM
Los modelos de lenguaje como ChatGPT, Claude, Gemini o DeepSeek ofrecen acceso a sus capacidades a través de APIs y modelos open-source, cada uno con diferentes estructuras de costos. Estos costos se desglosan en dos componentes clave:
- Costo de entrada (input cost): Se mide por la cantidad de tokens que un usuario envía a la API (el texto que proporciona como prompt).
- Costo de salida (output cost): Se mide por la cantidad de tokens generados por el modelo en respuesta.
Este modelo de precios es estándar en la industria y se basa en la capacidad de procesamiento, ya que los LLM requieren grandes cantidades de cómputo para generar respuestas. Entre los factores que impactan los costos están:
- Tamaño del modelo: Modelos más grandes, como GPT-4o o Claude 3.5, requieren más recursos computacionales, aumentando el costo.
- Infraestructura y servidores: Empresas como OpenAI usan Azure (Microsoft), Google AI usa Google Cloud, mientras que DeepSeek hospeda sus modelos en China, lo que impacta en los costos operativos.
- Estrategia de negocio: Empresas como OpenAI y Anthropic monetizan con tarifas más altas, mientras que DeepSeek apuesta por un modelo más accesible, posiblemente subvencionado por inversión estatal.
| Modelo | Tokens de Entrada | Costo de Entrada por Millón de tokens | Costo de Salida por millón de tokens |
| DeepSeek-Chat | 64K ↑ 8K ↓ | $0.14 | $1.10 |
| DeepSeek-Reasoner | 64K ↑ 32K ▼ 8K ↓ | $0.55 | $2.19 |
*64K: Se refiere a la cantidad total de tokens que el modelo puede procesar en su ventana de contexto máxima. Es decir, DeepSeek puede manejar hasta 64,000 tokens en un solo prompt antes de perder memoria de contexto.
**↑ 8K: Indica cuántos tokens nuevos pueden ingresarse en cada iteración de procesamiento (cuando el modelo recibe nuevas entradas).
***↓ 8K: Indica cuántos tokens se eliminan o se olvidan cuando el modelo recibe nuevas entradas para mantener el límite de 64K.
***32K ▼ (en el caso de DeepSeek-Reasoner): Esto indica que el modelo puede retener hasta 32,000 tokens de memoria previa, permitiendo un razonamiento más profundo y contextual.
- En inglés, 1 millón de tokens equivalen aproximadamente a 750,000 palabras.
En español, donde las palabras suelen ser más largas, 1 millón de tokens representan entre 600,000 y 700,000 palabras.
DeepSeek es hasta un 95%-99% más barato en términos de costos de tokens. Modelos como GPT-4o y Claude 3.5 son más caros, pero ofrecen mayor infraestructura y regulación occidental. Modelos CoT (como o1), que procesan múltiples pasos de razonamiento, son los más caros, pero DeepSeek logra reducir esos costos en casi un 99.2%.
¿Código abierto seguro? La trampa de los servidores chinos
Uno de los principales argumentos a favor de DeepSeek es su modelo open-source, lo que en teoría permitiría su instalación en servidores locales para garantizar privacidad y evitar el envío de datos a la nube china. Sin embargo, esta es una visión simplista.
DeepSeek envía los datos de los usuarios a servidores en China, alineándose con la legislación local que establece que toda tecnología de IA pertenece al Estado chino. A nivel personal, esto podría no preocupar demasiado, pero para las empresas, significa exponer información estratégica: ventas, márgenes, tickets, inventarios, fórmulas de producción, entre otros datos críticos.
Aun si se implementara en servidores locales, el costo y la potencia de análisis de estos despliegues no estarían a la altura de soluciones basadas en la nube, donde el poder de cómputo es esencial para procesar millones de transacciones en tiempo real, como en el caso de un retail. Además, DeepSeek no ofrece un modelo sin logging, lo que implica que los datos pueden ser utilizados para mejorar sus modelos sin control por parte del usuario.
Otro factor clave es la estrategia comercial detrás de DeepSeek. Se ha señalado que el modelo podría estar respaldado por una táctica de dumping tecnológico: ofrecer precios artificialmente bajos, subsidiados por el Estado chino, para desplazar competidores y consolidar una posición dominante.
Este tipo de estrategias ya se han visto en sectores como el acero, los paneles solares y los autos eléctricos. Aunque en el corto plazo beneficia a los consumidores, a largo plazo podría generar distorsiones de mercado insostenibles, obligando a otras compañías a reducir costos o asumir pérdidas hasta que DeepSeek controle el sector.
La aparición de DeepSeek es, sin duda, un punto de inflexión en la industria de la IA. Su modelo técnico es impresionante, sus costos son disruptivos y el open-source podría ampliar el acceso a tecnologías avanzadas. Sin embargo, su dependencia de servidores en China, el control estatal de los datos y la incertidumbre sobre su modelo de negocio generan serias dudas sobre su idoneidad para aplicaciones empresariales.
Para los usuarios individuales y proyectos pequeños, DeepSeek representa una opción atractiva. Para las empresas mas grandes, sector financieros y estratégicos de un pais, etc.., la decisión de adoptar este modelo no puede tomarse a la ligera. En un mundo donde la inteligencia artificial es clave para la ventaja competitiva, el control sobre los datos y la infraestructura es tan importante como el costo de uso.
La historia de DeepSeek apenas comienza, pero es necesario analizar su impacto más allá del entusiasmo inicial. Porque en la carrera por la IA, no solo importa la velocidad, sino también quién tiene el control del camino.
___________________________________________________________________________________
DeepSeek: A Revolution with Questions for the Future of Enterprise AI
Artificial intelligence is experiencing one of its biggest disruptions with the arrival of DeepSeek, the Chinese model that promises technical efficiency, reduced costs, and open-source capabilities. Its emergence has caused a true “earthquake” in the tech industry, impacting companies like Nvidia and OpenAI, but the story goes beyond the financial impact.
Is it really viable for the business world? How secure is its use? What are the implications for data privacy and control?
DeepSeek emerged in response to U.S. trade restrictions on China, which limited access to cutting-edge chips such as Nvidia’s H100. In reaction, the company optimized its model architecture with a cost-efficient and performance-driven approach, reducing training expenses and implementing a Mixture-of-Experts (MoE) system.
This strategy has allowed DeepSeek to compete with industry giants while operating on a significantly smaller budget.
Its pricing structure is a major factor: its services are up to 95% cheaper than models like ChatGPT-4o or Claude 3.5. This suggests that open-source AI could become a viable alternative for independent developers and startups, but the scenario for business applications is quite different.
One of the main selling points of DeepSeek is its open-source nature, which theoretically allows for local installation on private servers, ensuring privacy and avoiding data transmission to China’s cloud. However, this view is overly simplistic.
DeepSeek sends user data to servers in China, aligning with local regulations stating that all AI technology belongs to the Chinese government. On a personal level, this may not seem concerning, but for businesses, it means exposing strategic information, including sales data, profit margins, inventory, suppliers, production formulas, and operational efficiency metrics.
Even if DeepSeek is deployed locally, the cost and computational power required for serious real-time analytics would be far higher than cloud-based solutions. For industries such as retail, which process millions of transactions per day, local deployment is not a viable alternative.
Additionally, DeepSeek does not offer a “no logging” model, meaning user data could still be used to improve its models, with little control over how it is stored and utilized.
Another key concern is DeepSeek’s pricing strategy. Many have speculated that the model may be backed by technology dumping tactics, meaning it offers artificially low prices, potentially subsidized by the Chinese government, to undercut competitors and dominate the market.
Similar strategies have already been seen in industries such as steel, solar panels, and electric vehicles. While they benefit consumers in the short term, they can create unsustainable market distortions, forcing other companies to cut costs or take losses until DeepSeek establishes a monopoly.
DeepSeek is undoubtedly a turning point in the AI industry. Its technical model is impressive, its costs are disruptive, and open-source adoption could democratize AI technology. However, its reliance on Chinese servers, state-controlled data policies, and an uncertain business model raise serious concerns about its viability for enterprise applications.
For individual users and small projects, DeepSeek presents an attractive alternative.
For businesses, however, adopting this model is not a decision to be taken lightly. In a world where AI is a critical factor for competitive advantage, data security and infrastructure control are just as important as cost savings.
The DeepSeek story is just beginning, but its impact must be evaluated beyond the initial excitement.
Because in the race for AI, it’s not just about speed, but also about who controls the road ahead.