DeepSeek lanza R1: razonamiento tipo o1, abierto y con licencia MIT

El laboratorio chino DeepSeek ha publicado R1, un modelo de razonamiento que, según la propia compañía, rinde "a la par de OpenAI-o1" en tareas de matemáticas, código y razonamiento. La diferencia respecto a la referencia estadounidense no está en las capacidades, sino en cómo se distribuye: R1 sale con el modelo y el informe técnico completamente abiertos, bajo licencia MIT, y con una API cuyos precios se sitúan muy por debajo de los habituales en modelos de esta categoría.

Qué es un modelo de razonamiento y por qué importa

La familia de modelos de "razonamiento" —la que inauguró OpenAI con o1— se distingue de un chatbot convencional en que dedica un tiempo de cómputo extra a "pensar" antes de responder, encadenando pasos intermedios en lugar de disparar la primera contestación. Ese enfoque mejora especialmente el rendimiento en problemas de matemáticas, programación y lógica, donde equivocarse en un paso arruina el resultado final.

Hasta ahora, ese tipo de capacidad estaba asociado a modelos cerrados y de pago, accesibles solo a través de la API de su fabricante. R1 rompe esa exclusividad: DeepSeek lo ofrece con los pesos abiertos —los parámetros internos que definen el modelo— y bajo una de las licencias más permisivas que existen.

La licencia MIT lo cambia todo

El detalle jurídico es el que más consecuencias tiene. DeepSeek ha colocado R1 bajo licencia MIT, lo que en la práctica significa que cualquiera puede usarlo, modificarlo y comercializarlo libremente. La empresa lo resume sin ambigüedad: los desarrolladores pueden aprovechar tanto los pesos del modelo como sus salidas.

Ese último punto tiene peso. DeepSeek especifica que las salidas de la API pueden emplearse para fine-tuning y destilación, es decir, para afinar otros modelos o para entrenar versiones más pequeñas a partir de las respuestas de R1. Muchos proveedores de modelos cerrados prohíben expresamente usar sus resultados para entrenar sistemas competidores; aquí se autoriza de forma explícita.

Para la comunidad de código abierto, esto convierte a R1 en una base sobre la que construir sin pedir permiso ni pagar licencias, algo que hasta hace poco parecía reservado a los grandes laboratorios con presupuestos multimillonarios.

Seis modelos destilados para hardware más modesto

Junto al modelo principal, DeepSeek ha liberado seis modelos destilados de menor tamaño, todos también en abierto. La destilación consiste en transferir el comportamiento de un modelo grande a uno más pequeño, de modo que este último conserve buena parte de la capacidad con muchos menos recursos.

Según la compañía, sus versiones de 32.000 y 70.000 millones de parámetros rinden "a la par de OpenAI-o1-mini", la variante ligera del modelo de razonamiento de OpenAI. La existencia de estos destilados amplía enormemente el público potencial: no todo el mundo puede ejecutar un modelo de frontera completo, pero un modelo intermedio abre la puerta a que empresas, universidades y desarrolladores independientes trabajen con razonamiento avanzado en infraestructuras más asequibles.

Cómo se entrenó: aprendizaje por refuerzo a gran escala

El método está documentado en un informe técnico que DeepSeek ha publicado junto al modelo. La clave, según la empresa, está en el uso de aprendizaje por refuerzo (RL) a gran escala durante la fase de post-entrenamiento —el afinado que sigue al entrenamiento base—.

El aprendizaje por refuerzo es una técnica en la que el modelo mejora a base de ensayo y recompensa, ajustando su comportamiento según la calidad de sus respuestas. DeepSeek sostiene que este enfoque logró "una mejora significativa de rendimiento con datos etiquetados mínimos". Ese matiz es relevante: etiquetar datos a mano es caro y lento, y reducir esa dependencia abarata y acelera el desarrollo. Que el laboratorio explique públicamente su receta permite además que otros la reproduzcan y la critiquen, algo poco frecuente en los modelos punteros cerrados.

Una API a una fracción del precio habitual

El otro golpe está en el coste. R1 ya está disponible vía API bajo el nombre de modelo deepseek-reasoner, con estos precios:

• 0,14 dólares por millón de tokens de entrada cuando hay acierto de caché (cache hit).
• 0,55 dólares por millón de tokens de entrada cuando no lo hay (cache miss).
• 2,19 dólares por millón de tokens de salida.

Los tokens son las unidades en que los modelos procesan el texto, y la caché abarata las peticiones que reutilizan contenido ya procesado. Para un modelo de razonamiento —que consume muchos tokens precisamente porque "piensa" antes de responder—, este nivel de precios reduce la barrera económica para probarlo a escala. El modelo puede probarse también desde la interfaz web de la compañía, en su función de razonamiento.

Lo que este lanzamiento pone en cuestión

El relato dominante de los últimos años ha sido que alcanzar la frontera de la IA exigía presupuestos colosales, hardware inaccesible y equipos que solo un puñado de compañías podía permitirse. R1 desafía esa premisa desde tres frentes a la vez: iguala —según DeepSeek— a un modelo de referencia como o1, lo hace en abierto y con licencia comercial libre, y lo ofrece a un precio muy inferior al de los servicios equivalentes.

Conviene tomar con cautela las comparaciones de rendimiento, que por ahora proceden del propio fabricante y tendrán que confirmarse con evaluaciones independientes. Pero incluso con esa reserva, el movimiento tiene implicaciones claras. Para desarrolladores y empresas, aparece una alternativa que pueden inspeccionar, modificar y desplegar sin ataduras. Para los laboratorios que defienden el modelo cerrado, se estrecha el margen que separa lo propietario de lo abierto. Y para el ecosistema de código abierto, R1 y sus destilados aportan una base de razonamiento avanzado que hasta hace poco no existía fuera de las plataformas de pago.

El que un laboratorio chino publique su método completo y libere los pesos añade una dimensión geopolítica al debate sobre quién controla la IA de frontera y bajo qué condiciones se distribuye. La respuesta de los grandes proveedores —en precio, en apertura o en ambas cosas— marcará los próximos meses.