La historia de la IA

DeepSeek-V3

Etapa 5 · IA generativa, razonamiento y agentes (2022–2026) › Modelos de frontera

Linaje
Neuronas y redes
Tipo
Implementación

Quién

DeepSeek

Qué ocurrió

DeepSeek publica DeepSeek-V3, un modelo de mezcla de expertos de 671.000 millones de parámetros con pesos abiertos. Su informe técnico dice que el entrenamiento completo costó 2,788 millones de horas de GPU H800, unos 5,6 millones de dólares al precio de alquiler.

Qué aportó

Un modelo abierto comparable a los mejores modelos cerrados, entrenado con mucho menos cálculo del habitual y con chips recortados por los controles de exportación. Es la base de DeepSeek-R1.

Desarrollo

A finales de 2024, los controles de exportación de Estados Unidos impedían a los laboratorios chinos comprar las GPU más avanzadas. DeepSeek entrenaba con la H800, una versión que Nvidia había recortado para poder venderla en China.

El 26 de diciembre presentó DeepSeek-V3 y publicó sus pesos. Es un modelo de mezcla de expertos con 671.000 millones de parámetros, de los que usa 37.000 millones en cada token. Se entrenó con 14,8 billones de tokens de texto en un grupo de 2.048 GPU H800.

Su informe técnico, publicado al día siguiente, explicaba la eficiencia con varias técnicas: una atención que comprime la memoria que el modelo guarda de lo ya leído, un reparto de la carga entre expertos que no penaliza el aprendizaje y el entrenamiento para predecir varios tokens a la vez. El entrenamiento completo había consumido 2,788 millones de horas de GPU, unos 5,6 millones de dólares a 2 dólares la hora. Los autores advertían que esa cifra excluía la investigación y los experimentos previos, pero fue la que circuló.

Según el informe, V3 superaba a los demás modelos abiertos y se acercaba a los mejores modelos cerrados, como GPT-4o y Claude 3.5 Sonnet.

Tres semanas y media después, DeepSeek publicó R1, un modelo de razonamiento construido sobre V3. La combinación de los dos, y del coste declarado, provocó el 27 de enero de 2025 la caída de Nvidia en bolsa.

Viene de

  • Controles de exportación de chips a China (7 de octubre de 2022)

    Herencia sin relación directa demostrada

    DeepSeek-V3 se entrena con GPU H800, la versión con menos ancho de banda que Nvidia vendía en China bajo los controles de exportación

  • Mixtral 8x7B (11 de diciembre de 2023)

    Herencia sin relación directa demostrada

    Los dos son modelos abiertos de mezcla dispersa de expertos que activan solo una parte de sus parámetros en cada token

Lleva a

  • DeepSeek-R1 (20 de enero de 2025)

    Influencia directa documentada

    R1-Zero y R1 se entrenan a partir de DeepSeek-V3-Base (apartado 2)

Hilos que pasan por aquí

Bibliografía

Cómo citar

«DeepSeek-V3». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/deepseek-v3

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva