Alibaba Cloud ha marcado un hito importante en la democratización del acceso a la inteligencia artificial avanzada al anunciar la integración completa de los modelos DeepSeek V4 — Pro y DeepSeek V4 — Flash en su IA Gateway. Esta iniciativa estratégica permite a desarrolladores y empresas aprovechar capacidades de IA de vanguardia a través de una plataforma unificada y simplificada, facilitando la adopción de innovaciones en el campo del aprendizaje automático y la interacción conversacional.
Los modelos DeepSeek V4, incluyendo sus variantes Pro y Flash, presentan mejoras sustanciales en su arquitectura subyacente y en el paradigma de post-entrenamiento. En cuanto a la arquitectura, incorporan conexiones residuales con restricciones múltiples (mHC) y el optimizador Muon, lo que contribuye a una mayor calidad en el entrenamiento del modelo. Respecto al post-entrenamiento, han introducido la 'cultura de expertos de dominio' y la 'destilación en política' (on-policy distillation), un método que fusiona las capacidades de múltiples modelos expertos en un único modelo "estudiante", mejorando la eficiencia y efectividad del proceso.
El modelo DeepSeek V4 — Pro ha demostrado una mejora notable en sus capacidades de agente, alcanzando el nivel más alto entre los modelos de código abierto en el benchmark Agentic Coding. Las evaluaciones sugieren que la experiencia de usuario ofrecida por V4 — Pro es superior a la de Sonnet 4.5, y su calidad de entrega se aproxima a la de Opus 4.6 en un modo sin 'pensamiento'. Sin embargo, en el modo que requiere 'pensamiento', aún se encuentra ligeramente por debajo de Opus 4.6. Además de sus habilidades de agente, DeepSeek — V4-Pro exhibe un conocimiento del mundo excepcionalmente rico, superando significativamente a otros modelos de código abierto en esta categoría y quedando solo un poco por debajo del modelo de código cerrado líder, Gemini — Pro-3.1.
En el ámbito del razonamiento, DeepSeek V4 — Pro también ha establecido un nuevo estándar. En evaluaciones que cubren matemáticas, STEM (Ciencia, Tecnología, Ingeniería y Matemáticas) y programación competitiva, el modelo supera a todos los modelos de código abierto comparados públicamente hasta la fecha, logrando resultados equiparables a los de los principales modelos de código cerrado a nivel mundial. Estas mejoras en el rendimiento se complementan con una notable eficiencia: al utilizar un contexto de un millón de tokens, las operaciones de punto flotante (FLOPs) necesarias para el razonamiento se reducen a solo el 27% de las requeridas por su predecesor, V3.2, mientras que el uso de la caché KV (Key — Value) disminuye a un impresionante 10%.
La integración de DeepSeek V4 en el IA Gateway de Alibaba Cloud no solo introduce estos avanzados modelos, sino que también ofrece un ecosistema de gestión integral. El IA Gateway proporciona capacidades de administración para Model API, Agent API y MCP Server, y ahora se extiende para soportar la gestión de la API DeepSeek V4 de manera prioritaria. Esto significa que los usuarios pueden invocar servicios de la API DeepSeek V4, incluyendo funcionalidades de 'pensamiento', diálogos multi — turno, Tool Call y llamadas compatibles con la API /v1/messages de Anthropic.
Esta colaboración estratégica reafirma el compromiso de Alibaba Cloud con la promoción de la innovación en inteligencia artificial, ofreciendo herramientas de alto rendimiento de manera accesible. La plataforma IA Gateway se convierte en un catalizador para el desarrollo de nuevas soluciones y la mejora de las existentes en un amplio espectro de industrias. La configuración de estas nuevas API se simplifica a través de la consola del IA Gateway, donde los usuarios pueden crear y personalizar una Model API con parámetros como el Protocolo, el Nombre de la API, el Dominio de acceso y el Base Path, permitiendo una rápida implementación y personalización para diversas necesidades de aplicación.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
