La cifra de 294.000 dólares atribuida al entrenamiento de DeepSeek, bajo la lupa: por qué R1 costó realmente millones

Por qué una cifra de 294.000 dólares sacudió al mundo de la IA

Cuando DeepSeek publicó en Nature un artículo revisado por pares sobre su modelo de razonamiento R1, una cifra llamó la atención del mundo: 294.000 dólares. Los titulares sugerían que el modelo insignia se había entrenado por una fracción de lo que, según se informó, gastaron sus competidores estadounidenses. La cifra era real, pero correspondía a una parte limitada del trabajo. Esa cantidad cubría una fase final de aprendizaje por refuerzo que afinó el razonamiento paso a paso del modelo. No incluía los meses de preentrenamiento de un modelo base mucho más grande del que depende R1.

El rendimiento de R1 se basa en DeepSeek V3, un modelo de lenguaje grande entrenado con un corpus masivo y un gran clúster de computación. Solo después de contar con esa costosa base, el equipo aplicó el aprendizaje por refuerzo para orientar el modelo hacia una mejor lógica y capacidad para resolver problemas. Confundir la etapa final con el proyecto completo convirtió una partida de costos especializada en un titular.

La diferencia es importante. Un modelo que compite con los mejores sistemas en programación y matemáticas no surge de pasar un fin de semana con unas pocas filas de chips. Requiere computación sostenida, una selección y depuración exhaustivas de datos, experimentos repetidos, un cuidadoso trabajo de seguridad y evaluación, y una fase final de optimización. El artículo de Nature ofreció una valiosa ventana a esa última etapa. No eliminó el enorme trabajo que la precedió.

Qué dice realmente el artículo de Nature

El material complementario de R1 detalla una sesión de aprendizaje por refuerzo con 512 GPU Nvidia H800. Describe un período inicial de entrenamiento de R1 Zero de unas 198 horas y otras 80 horas para llegar a la versión publicada de R1. El equipo también registró aproximadamente 5.000 horas de GPU para generar los datos de preferencias utilizados en el proceso. Si se calculan a las tarifas habituales de alquiler de aceleradores de la clase H800, esos pasos suman poco menos de 300.000 dólares. Esa cifra no representa todo el tiempo ni toda la capacidad de cómputo necesarios para crear desde cero un modelo de vanguardia.

El artículo también aclara el contexto del hardware. DeepSeek entrenó R1 principalmente con H800, chips que Nvidia diseñó para China después de que las normas de exportación de Estados Unidos limitaran el acceso a aceleradores de mayor capacidad. El equipo reconoció que utilizó GPU A100 para el trabajo preparatorio con un modelo más pequeño y luego pasó a las H800 para la principal sesión de aprendizaje por refuerzo de R1. Los lectores pueden consultar los detalles técnicos y las partidas de costos en el material revisado por pares publicado por la revista Nature.

La verdadera factura de crear R1 comienza con el preentrenamiento de V3

Los propios materiales de DeepSeek señalan el mayor centro de costos: el preentrenamiento del modelo base V3, en el que se apoya R1. V3 se entrenó con 2.048 GPU H800 durante unos dos meses. Ese período equivale a aproximadamente 2,79 millones de horas de GPU. Si se calcula un precio de alquiler conservador de unos 2 dólares por hora de GPU para esta clase de hardware, solo la sesión de preentrenamiento asciende a cerca de 5,58 millones de dólares. Al sumar los aproximadamente 294.000 dólares del aprendizaje por refuerzo y la generación de datos asociada, la factura de computación para llegar a la versión publicada de R1 se acerca a los 5,87 millones de dólares.

Esta estimación coincide con el planteamiento del artículo: los 294.000 dólares de R1 son un costo adicional al del modelo base. También concuerda con análisis externos que sitúan la escala de cómputo total de R1 en el mismo rango que la de otros grandes modelos abiertos. Sigue pareciendo modesta frente a los presupuestos multimillonarios que se atribuyen a los sistemas cerrados más grandes, pero dista mucho de la ganga que sugería el titular de menos de 300.000 dólares.

Cómo se calcula el costo de las horas de GPU

Las horas de GPU son una forma sencilla de medir la capacidad de cómputo: una GPU funcionando durante una hora equivale a una hora de GPU. El total de una sesión de entrenamiento se obtiene multiplicando la cantidad de GPU por las horas registradas. El precio depende de cuánto cuesten esas horas en el mercado, ya sea por el alquiler en la nube o por la depreciación y operación del hardware propio. Un desarrollador que alquila más de 2.000 aceleradores durante meses paga por hora. Si compra el mismo clúster, realiza un desembolso de capital por adelantado y luego paga la electricidad, la refrigeración, el espacio y el mantenimiento.

Comprar un clúster de esta escala costaría mucho más que alquilarlo para una sola sesión. Equipar 2.048 GPU de la clase H800, junto con redes y servidores, costaría bastante más de 51 millones de dólares a los precios actuales del mercado. Esa cifra no incluye el tiempo de ingeniería, las licencias de datos, el trabajo de evaluación, el almacenamiento ni los numerosos experimentos fallidos que preceden a una publicación exitosa. Es mejor entender los 5,87 millones de dólares como el costo de las grandes sesiones exitosas, no como el costo total de la investigación que las hizo posibles.

El aprendizaje por refuerzo es un paso final, no todo el trabajo

El aprendizaje por refuerzo modifica el comportamiento de un modelo entrenado al recompensar los resultados deseados. En el programa R1, DeepSeek utilizó una técnica que asignaba puntuaciones a las respuestas y orientaba el modelo hacia soluciones correctas. Los investigadores describen este enfoque como aprendizaje por refuerzo puro. No requiere cadenas de razonamiento redactadas por personas. El modelo explora y pone a prueba sus propios métodos, recibe una señal cuando acierta y mejora gradualmente su estrategia interna de razonamiento.

Ese paso final es valioso. Puede aumentar el rendimiento en matemáticas, programación y tareas científicas, en las que el objetivo es llegar a un resultado verificable. También es mucho más barato que el preentrenamiento. El grueso del trabajo sigue siendo el aprendizaje durante meses que dio al modelo base conocimientos lingüísticos y capacidades amplias. Después, el aprendizaje por refuerzo orienta esas capacidades hacia objetivos específicos, como el razonamiento paso a paso y el uso de herramientas.

Los chips, las normas de exportación y el hardware que realmente utilizó DeepSeek

DeepSeek entrenó sus modelos con restricciones en el suministro de chips. Estados Unidos restringió las exportaciones de aceleradores de alta capacidad a China, razón por la que las H800, una versión de GPU para centros de datos de Nvidia adaptada a las restricciones de exportación, aparecen en los materiales de DeepSeek. En el sector se ha especulado con que investigadores en China encontraron formas de acceder a componentes más rápidos, y se han analizado línea por línea los comunicados de la empresa en busca de pistas sobre el origen del hardware. En cuanto a los costos, el dato más claro es que la fase de aprendizaje por refuerzo de R1 utilizó un clúster de 512 H800, mientras que el trabajo preparatorio anterior incluyó el uso de A100.

En su documento complementario, el equipo reconoció ese hecho. Los investigadores explicaron el papel de las A100 en la fase de preparación, antes de las principales sesiones de R1 con H800.

Los investigadores de DeepSeek escribieron: "En nuestra investigación sobre DeepSeek-R1, utilizamos GPU A100 para preparar los experimentos con un modelo más pequeño".

Ese detalle ayuda a entender cómo pueden ser ciertas tanto la cifra final del presupuesto como la combinación de chips. Las H800 figuran en el cálculo de costos principal del aprendizaje por refuerzo, mientras que las A100 aparecen en experimentos anteriores que ayudaron a definir el enfoque.

¿Fue DeepSeek mucho más barato que sus competidores occidentales?

La factura total de computación para crear R1 se acerca más a los 6 millones de dólares que a los 300.000. Aun así, representa una fracción de los presupuestos de nueve cifras que se atribuyen a los sistemas cerrados de vanguardia. También se sitúa en el mismo orden de magnitud que la de grandes modelos abiertos, como Llama 4 de Meta, si se tiene en cuenta la cantidad de aceleradores y la duración del entrenamiento, aunque esos programas utilizaron más tokens. La diferencia es interesante, pero no supone una revolución que reduzca los costos de todo el proceso en un orden de magnitud.

Una de las razones por las que muchos todavía consideran a DeepSeek líder en costos es que su equipo aprovechó al máximo los chips pese a las restricciones. La empresa amplió el uso de una arquitectura de mezcla de expertos que activa solo una pequeña parte de los parámetros para cada token. Esto permite procesar más datos por hora de GPU. También recurrió a razonamientos más largos durante la inferencia, lo que traslada parte de la carga del preentrenamiento al uso posterior.

Los investigadores también han debatido las fuentes de datos y la transferencia de conocimientos entre modelos. DeepSeek ha utilizado la destilación en partes de su ecosistema, un proceso en el que un modelo potente genera respuestas que sirven para enseñar a otro más pequeño o menos costoso. La empresa ha dicho que el modelo base V3 aprendió de una recopilación de páginas web que contiene material generado por IA, incluidas respuestas de otros sistemas. El artículo presenta esto como algo incidental, no como una copia intencional de cadenas de razonamiento. Esta distinción técnica importa a abogados y responsables de políticas públicas, así como a quienes calculan costos y tratan de entender hasta dónde puede llegar un desarrollador con menos tokens y menos capacidad de cómputo.

Qué dicen los expertos sobre los costos y el acceso

Académicos han instado a interpretar las cifras de DeepSeek con mesura. Reconocen una auténtica destreza de ingeniería, pero advierten contra las comparaciones simplistas de costos. La reducción de los presupuestos de entrenamiento podría beneficiar al mercado si facilita un acceso más económico, aunque los titulares suelen omitir el costo del personal, los experimentos y la infraestructura.

Umar Iqbal, profesor adjunto de informática e ingeniería en la Universidad de Washington en San Luis, ha sostenido que reducir los costos puede ampliar el acceso y, al mismo tiempo, ha señalado las contrapartidas en materia de privacidad y seguridad de la IA a escala de la nube.

Iqbal dijo: "Para que las tecnologías se adopten de forma generalizada, deben ser asequibles". Añadió que un desarrollo más barato puede permitir más experimentos a gran escala, pero advirtió que los servicios de IA basados en la nube plantean interrogantes reales sobre el control de los datos y la privacidad.

Incluso quienes respaldan el enfoque técnico de DeepSeek han advertido que las cifras de entrenamiento más difundidas no constituyen una referencia completa. Señalan las sesiones repetidas, los ciclos de ajuste y el trabajo con los datos que quedan fuera de una sola ejecución de entrenamiento de principio a fin.

Los datos, la destilación y el contenido probable del conjunto de entrenamiento

La destilación utiliza las respuestas de un sistema más potente para guiar a un modelo objetivo. Los desarrolladores pueden generar millones de pares de preguntas y respuestas de alta calidad, ejemplos de código o cadenas de razonamiento y luego ajustar un modelo para que reproduzca ese comportamiento. Este método puede mejorar la calidad sin repetir las partes más costosas del preentrenamiento. Es una de las principales razones por las que equipos más pequeños pueden acercarse o igualar capacidades específicas de grandes laboratorios en ámbitos como las matemáticas y la programación.

DeepSeek ha dicho que algunas variantes destiladas de su familia de modelos se basaron en sistemas de código abierto, como Llama de Meta. En el caso de V3, la empresa describió una amplia recopilación de páginas web que incluía un volumen considerable de respuestas generadas por IA. Este método ofrece beneficios, pero también entraña riesgos. Puede acelerar el aprendizaje de patrones comunes, pero también incorporar licencias desconocidas y problemas de calidad. El artículo de Nature llevó a la comunidad a pedir más claridad sobre qué datos se utilizaron y cuándo, y qué partes del proceso dependieron de etiquetas sintéticas.

Por qué se difundió el titular de los 294.000 dólares y por qué importa

La cifra de 294.000 dólares era fácil de comunicar y lo bastante impactante como para influir en los mercados. En enero, los primeros lanzamientos de DeepSeek ya habían despertado el temor de que un competidor de bajo costo socavara la posición de los líderes estadounidenses. Los inversores vendieron acciones de fabricantes de chips y empresas asociadas con la IA. El artículo revisado por pares reavivó ese debate con una frase sencilla que circuló más rápido que las notas al pie. Muchos lectores y algunos periodistas trataron el aprendizaje por refuerzo como si fuera toda la historia.

El artículo hizo más que generar entusiasmo. Estableció un estándar de transparencia al incluir cifras concretas y detalles metodológicos en un registro científico público. Los revisores pidieron a DeepSeek que redujera el lenguaje antropomórfico y aclarara aspectos de seguridad, fuentes de datos y capacidad de cómputo. Esto beneficia tanto a la ciencia como al sector. Ayuda a la comunidad a entender qué técnicas aportaron más valor y qué costos siguen siendo difíciles de reducir.

Qué implica esto para los costos y la competencia en la IA

La economía de la creación de modelos está cambiando. Tras años de expansión, muchos equipos ahora prestan más atención al ajuste fino y a dar más tiempo a los modelos para razonar, en lugar de limitarse a aumentar el tamaño de los conjuntos de datos y la cantidad de parámetros. Esto traslada parte de la carga de costos a la inferencia, etapa en la que el modelo dedica más tiempo a pensar en cada consulta y consume más capacidad de cómputo por respuesta. El acceso para los usuarios finales aún puede abaratarse si las mejoras de eficiencia compensan el tiempo adicional de razonamiento.

La arquitectura de mezcla de expertos de DeepSeek, su uso del aprendizaje por refuerzo para el razonamiento y la destilación selectiva forman parte de una tendencia más amplia del sector hacia un desarrollo más modular. Los modelos aprenden unos de otros, equipos más pequeños se apoyan en modelos base más grandes y los pesos abiertos dan una ventaja inicial a las empresas emergentes. Un estudio de políticas públicas sobre esta tendencia en Europa observó que estos cambios podrían ayudar a competir a las empresas más pequeñas, pero también dificultan recuperar los costos fijos del entrenamiento fundacional. La competencia en precios podría intensificarse mientras los desarrolladores buscan maneras sostenibles de integrar la IA en productos y servicios.

Algunos investigadores advierten que las cifras de entrenamiento divulgadas a menudo subestiman lo que se necesita para obtener un sistema pulido. Subrayan la diferencia entre el costo de la sesión final exitosa y el presupuesto total, que incluye el trabajo con datos, los intentos fallidos, las evaluaciones de seguridad y meses de trabajo de ingeniería.

Martin Vechev, director del instituto INSAIT, con sede en Suiza, elogió el logro técnico, pero advirtió que las cifras de una sola sesión no deben considerarse el costo total.

Vechev dijo: "La cifra de entre 5 y 6 millones de dólares es engañosa, ya que solo tiene en cuenta una sesión de entrenamiento; desarrollar un modelo de este tipo requiere varias sesiones y experimentos, por lo que el costo real es mucho mayor".

Esta interpretación coincide con las pruebas disponibles sobre R1. El gran ahorro del proyecto se debió a decisiones arquitectónicas acertadas y a una fórmula eficaz de aprendizaje por refuerzo, no a que se omitieran las costosas etapas de preentrenamiento. El resultado demuestra que es posible alcanzar un alto rendimiento con menos capacidad de cómputo que algunos competidores, pero no convierte el entrenamiento de modelos de vanguardia en una tarea de menos de 300.000 dólares.

Puntos clave

• La cifra de 294.000 dólares atribuida a DeepSeek R1 cubre el aprendizaje por refuerzo con 512 GPU H800 y la generación de datos relacionada, no el entrenamiento completo del modelo.
• R1 depende del modelo base V3, entrenado con 2.048 GPU H800 durante unos dos meses, equivalentes a aproximadamente 2,79 millones de horas de GPU.
• El alquiler estimado de la capacidad de cómputo sitúa el preentrenamiento de V3 en cerca de 5,58 millones de dólares, y el costo total para llegar a R1, en torno a 5,87 millones.
• Comprar hardware comparable costaría mucho más que alquilarlo: un clúster de la clase de 2.000 GPU superaría los 51 millones de dólares, sin contar los costos de operación.
• DeepSeek utilizó GPU A100 para el trabajo preparatorio y luego H800 para la principal sesión de aprendizaje por refuerzo de R1.
• La escala de cómputo de R1 se acerca más a la de otros grandes modelos abiertos de lo que sugerían los primeros titulares, aunque parece modesta frente a los presupuestos de nueve cifras atribuidos a modelos cerrados.
• El aprendizaje por refuerzo afinó el razonamiento a un costo relativamente bajo, mientras que el grueso del trabajo siguió estando en el preentrenamiento y el procesamiento de datos.
• Los expertos advierten que las cifras de entrenamiento divulgadas rara vez incluyen investigación y desarrollo, preparación de datos y múltiples sesiones fallidas que elevan los costos reales de un proyecto.