La compañía china DeepSeek ha dado un nuevo golpe sobre la mesa en la carrera mundial por la inteligencia artificial al anunciar DeepSeek-V3.2 y su variante V3.2-Speciale, dos modelos abiertos que apuntan directamente a la gama alta del sector. La firma asegura que su sistema de razonamiento se sitúa en niveles comparables a los de grandes referencias como GPT-5 y Gemini-3 Pro, lo que añade presión a los gigantes estadounidenses en un momento de fuerte competencia tecnológica.

En Europa, donde los debates sobre IA responsable, regulación y soberanía tecnológica están a la orden del día, el movimiento de DeepSeek no pasa desapercibido. Que un laboratorio chino publique pesos, documentación técnica detallada y un modelo de razonamiento avanzado en abierto refuerza la sensación de que el ecosistema open-source vuelve a ganar fuerza frente a soluciones completamente propietarias, algo que puede resultar especialmente interesante para universidades, centros de investigación y pymes tecnológicas europeas.

DeepSeek-V3.2: razonamiento al nivel de modelos punteros

La startup, con sede en Hangzhou, ha presentado DeepSeek-V3.2 como la versión final y estable de su línea de modelos de razonamiento, reemplazando a la edición experimental lanzada semanas antes. Según la propia compañía, V3.2 alcanza un rendimiento similar al de GPT-5 en diversos benchmarks públicos de razonamiento y pensamiento multietapa, y se sitúa ligeramente por debajo de Gemini-3.0 Pro en algunas pruebas de referencia.

Este modelo combina razonamiento tipo humano con la capacidad de usar herramientas externas, como buscadores web, calculadoras, entornos de ejecución de código o sistemas de terceros como Claude Code. La idea es que el sistema no solo genere texto, sino que pueda planificar, consultar recursos, ejecutar funciones y luego integrar esos resultados en una respuesta más completa sin necesidad de supervisión constante.

DeepSeek ha destacado que el modelo ofrece dos modos de interacción con herramientas: uno con razonamiento visible, en el que el usuario puede seguir los pasos intermedios, y otro sin mostrar la cadena de pensamiento. En ambos casos, la “memoria de razonamiento” persiste entre llamadas a herramientas dentro de la misma conversación y se reinicia únicamente cuando llega un nuevo mensaje del usuario, algo especialmente útil para tareas largas o flujos tipo agente.

El modo «pensamiento» integrado en el uso de herramientas

Una de las novedades más llamativas de DeepSeek-V3.2 es la integración directa del modo pensamiento en el uso de herramientas. Mientras razona, el modelo puede ir lanzando consultas al buscador, invocar una calculadora, ejecutar código o interactuar con otros servicios, combinando ciclos de análisis interno y llamadas externas para intentar ofrecer respuestas más detalladas y precisas cuando la tarea lo requiere.

Según la empresa, este enfoque convierte a V3.2 en su primer modelo capaz de razonar y usar herramientas de forma nativa, tanto en modo estándar como en modo de pensamiento intensivo. Es una apuesta clara por los llamados agent-based workflows, en los que la IA no se limita a contestar una única pregunta, sino que actúa como un agente autónomo que descompone el problema, busca información, calcula y luego combina todo en una solución coherente.

DeepSeek también subraya que el modelo está disponible de manera amplia: DeepSeek-V3.2 puede utilizarse vía web, app y API, lo que facilita su integración en productos, asistentes virtuales o herramientas empresariales, también en proyectos que se desarrollen desde Europa. Para comunidades de desarrolladores y empresas europeas que buscan alternativas abiertas, el hecho de poder explorar y adaptar el modelo sin depender de una única gran plataforma es un factor relevante.

Arquitectura DeepSeek Sparse Attention (DSA) y eficiencia de cómputo

En el plano técnico, el núcleo de DeepSeek-V3.2 es DeepSeek Sparse Attention (DSA), un mecanismo de atención diseñado para manejar secuencias muy largas reduciendo el coste computacional. DeepSeek ha presentado un sistema de archivos paralelo optimizado para IA que complementa sus esfuerzos en eficiencia y despliegue. El modelo cuenta con alrededor de 671.000 millones de parámetros totales, pero en cada paso de inferencia solo se activan en torno a 37.000 millones de parámetros por token, lo que permite mantener la capacidad sin disparar el consumo de recursos.

Esta arquitectura dispersa permite trabajar con ventanas de contexto de hasta 128.000 tokens en producción, un tamaño que resulta especialmente útil para análisis de documentos extensos, investigación académica o revisión de grandes volúmenes de información legal y técnica, ámbitos de gran interés para instituciones europeas. Según los datos facilitados por la compañía, DSA reduce aproximadamente a la mitad el coste de inferencia en comparación con una arquitectura densa anterior en contextos largos.

Para organizaciones en España y el resto de la UE que se enfrentan a restricciones de presupuesto en cómputo, esta mejora de eficiencia abre la puerta a experimentar con modelos muy avanzados sin necesidad de recurrir a infraestructuras tan costosas como las que manejan las grandes tecnológicas estadounidenses. Aun así, DeepSeek reconoce que todavía tiene margen de mejora frente a sus competidores en eficiencia de tokens y amplitud de conocimiento del mundo, dos áreas clave para despliegues a gran escala.

DeepSeek-V3.2 con refuerzo intensivo con RL y datos sintéticos para agentes

Más allá de la arquitectura, DeepSeek insiste en que buena parte del salto en razonamiento proviene de un post-entrenamiento masivo mediante aprendizaje por refuerzo (RL). La compañía ha destinado más del 10% del cómputo total de preentrenamiento únicamente a esta fase, un porcentaje poco habitual en el sector, con el objetivo de fortalecer la capacidad del modelo para corregir errores, razonar en profundidad, utilizar herramientas y actuar en entornos interactivos.

El equipo ha construido un ecosistema de datos sintéticos complejos que incluye más de 1.800 entornos de entrenamiento y en torno a 85.000 instrucciones avanzadas específicas para agentes. Estas tareas abarcan búsquedas reales, simulaciones dinámicas, ejecución de código, problemas encadenados y escenarios generados y verificados de manera automática para minimizar errores en el conjunto de datos.

Este enfoque se orienta a crear agentes de IA capaces de operar con cierta autonomía, analizando información, tomando decisiones y actuando en flujos de trabajo de varias etapas. Para empresas europeas que exploran automatizar procesos complejos —desde análisis financiero hasta soporte técnico avanzado—, estos avances pueden resultar especialmente atractivos, aunque todavía habrá que ver cómo se comportan los modelos fuera de los entornos de prueba controlados.

DeepSeek-V3.2-Speciale: matemáticas, informática y pensamiento prolongado

Junto al modelo generalista, DeepSeek ha lanzado DeepSeek-V3.2-Speciale, una variante orientada a cálculo avanzado, demostraciones matemáticas y procesos de pensamiento prolongados. La compañía afirma que esta versión se sitúa a la altura de Gemini-3 Pro de Google en tareas de razonamiento complejo y que su rendimiento se aproxima a los resultados de medalla de oro en competiciones internacionales.

En concreto, Speciale habría alcanzado niveles comparables a medallas de oro en la Olimpiada Internacional de Matemáticas (IMO), la Olimpiada Internacional de Informática (IOI), las finales mundiales del ICPC y la Olimpiada Matemática China. Además, integra capacidades derivadas del modelo DeepSeek-Math-V2, especializado en demostración de teoremas y problemas de alta dificultad, lo que refuerza su posición en el segmento de modelos para investigación científica y técnica.

A diferencia de la versión estándar, DeepSeek-V3.2-Speciale no está orientado a tareas cotidianas ni a integraciones generalistas con herramientas. La compañía recalca que se trata de un modelo diseñado principalmente para investigación y trabajo académico, con un consumo de tokens superior, por lo que por ahora solo se ofrece a través de API y no mediante aplicaciones de uso general.

Disponibilidad de DeepSeek-V3.2, apertura y contraste con los gigantes estadounidenses

DeepSeek ha publicado los pesos completos de DeepSeek-V3.2 y un informe técnico detallado sobre su entrenamiento, algo que contrasta con la política cada vez más restrictiva de algunas grandes tecnológicas estadounidenses, que suelen limitar el acceso al código o al peso de sus modelos más avanzados. Incluso en casos de open source parcial, como algunas versiones de Llama, la apertura viene acompañada de condiciones específicas y matices.

En el ámbito europeo, este grado de transparencia y apertura puede resultar clave para proyectos que requieren auditabilidad, cumplimiento normativo o la posibilidad de adaptar los modelos a marcos regulatorios como la Ley de IA de la Unión Europea. Universidades, centros de investigación y administraciones públicas pueden estudiar el modelo con mayor detalle, replicar experimentos o incluso ajustar algunas partes a sus propias necesidades sin depender completamente de una API externa cerrada.

La compañía ha puesto DeepSeek-V3.2 a disposición de la comunidad en plataformas como Hugging Face y ModelScope, además de ofrecer acceso vía API. La variante Speciale, en cambio, se limita por ahora al consumo a través de interfaz programática debido a su mayor demanda computacional y coste por token. Esta estrategia de distribución mixta encaja con el interés de muchos actores europeos por disponer de modelos robustos para investigación, aunque su despliegue comercial pueda requerir una planificación más cuidadosa.

El papel de China en la carrera global por la IA

El lanzamiento de DeepSeek-V3.2 se produce en un momento en el que China intenta reforzar su liderazgo en IA pese a las restricciones en el acceso a semiconductores avanzados y a las crecientes tensiones geopolíticas. DeepSeek se ha convertido en uno de los nombres más citados del ecosistema chino tras irrumpir a principios de año con un modelo que sorprendió por su relación entre potencia y coste, y ahora redobla su apuesta con capacidades de agente y razonamiento de alto nivel.

Para Europa, donde se discute cómo equilibrar innovación, protección de datos y seguridad, este tipo de desarrollos plantea tanto oportunidades como retos. Por un lado, la existencia de modelos abiertos de gran capacidad procedentes de China amplía el abanico de herramientas disponibles para laboratorios y empresas europeas. Por otro, surgen interrogantes sobre la compatibilidad con normativas locales, los flujos de datos transfronterizos y el impacto de las regulaciones de contenido en China, que algunos expertos consideran un posible freno para una expansión internacional plena de estos sistemas.

DeepSeek también ha ido ganando visibilidad fuera de su mercado doméstico después de que su modelo V3.1 participara en experimentos de inversión automatizada frente a sistemas como GPT-5 y Gemini 2.5 Pro, en los que mostró resultados competitivos. A esta estrategia se suma el lanzamiento de otros modelos como DeepSeek-OCR, orientado a comprimir texto mediante percepción visual y a procesarlo con menos recursos, reforzando la imagen de la empresa como un actor centrado en la eficiencia y el código abierto.

Expectativas, limitaciones y próximos pasos

Pese a las afirmaciones de la compañía, DeepSeek reconoce que V3.2 aún se queda por detrás de algunos de sus homólogos estadounidenses en aspectos como el conocimiento general del mundo, la comprensión de contextos culturales amplios o la eficiencia en el uso de tokens. Además, los propios responsables del proyecto admiten que las comparaciones basadas en benchmarks públicos no siempre reflejan el rendimiento real en entornos de producción, especialmente en tareas abiertas y con usuarios finales.

Otro punto a tener en cuenta es que la integración de herramientas en modo razonador todavía debe validarse a fondo en casos de uso complejos del mundo real, desde la asistencia médica hasta la toma de decisiones financieras o legales. El ahorro en costes de cómputo gracias a DSA es relevante, pero puede verse eclipsado si la calidad de las respuestas no se mantiene de forma consistente cuando las tareas se vuelven más ambiguas o requieren contextos muy específicos.

Con la llegada de DeepSeek-V3.2 y su variante Speciale, el panorama de la IA de razonamiento avanzado suma un nuevo actor con aspiraciones globales, que apuesta por modelos abiertos, herramientas integradas y costes contenidos. Estos desarrollos amplían el abanico de opciones disponibles en investigación, empresa y administraciones públicas, al tiempo que obligan a replantear cómo encajar la rápida evolución de la IA en un marco regulatorio exigente y en una competencia cada vez más marcada entre bloques tecnológicos.