Pesos de visión MIT de DeepSeek: coste de agentes de capturas

Tu agente de capturas de pantalla elige entre una API con tarifa por uso y una GPU que es tuya. La compensación es aritmética. Una API de visión alojada cobra cada paso de captura por tokens de imagen más tokens de texto. El autoalojamiento lo cobra por parámetros activos, tokens de imagen, utilización de GPU y exposición a caídas. Si un paso usa I tokens de imagen y T tokens de texto, el coste de la API es (I + T) × P, donde P es el precio por token de la API. El coste autoalojado es (I + T) × S, donde S es el coste de servicio por token para los parámetros activos, más el coste fijo de GPU dividido por la utilización, más el coste esperado de caídas. Haz la aritmética antes de elegir.

La factura de la API es un recuento de tokens, no una captura

El modelo se ofreció a través de su API del 21 al 30 de agosto de 2026, antes de que sus pesos abiertos aparecieran el 31 de agosto de 2026, dejando un hueco de diez días. Esa ventana importa porque te permite comparar el mismo modelo bajo diferentes regímenes de facturación.

La API alojada cobra cada imagen hasta 384 tokens, a tarifas estándar de V4-Flash. Para la comprensión de capturas, una UI densa puede consumir una gran parte del paso antes de que se genere cualquier texto. El recuento de tokens es la palanca. Puedes reducirlo recortando, reduciendo la escala o enviando solo la región relevante, pero la API sigue cobrando cada token que acepta.

El autoalojamiento traslada el coste a los parámetros activos

El checkpoint publicado es un modelo MoE disperso con visión habilitada de 305B parámetros, publicado bajo términos MIT, y utiliza atención DFlash, Hyper-Connections y decodificación especulativa DSpark para que solo una parte de los 305B parámetros se ejecute por cada token. La ruta de visión utiliza un codificador de 32 capas y 1.024 dimensiones con 16 cabezas de atención que divide las imágenes en parches de 14 por 14 píxeles, y luego pasa las características visuales resultantes a través de un alineador al esqueleto de lenguaje de 4.096 dimensiones.

Por token, el router elige seis expertos enrutados de un pool de 256, y también mantiene un experto compartido activo. El enrutamiento explica por qué la factura no es el recuento total de parámetros. Lo que pagas es la porción activa, los tokens de imagen y el tiempo de GPU necesario para mantener esa porción ocupada.

Construye el modelo de coste a partir de pasos completados

Construye la comparación a partir del paso, no de la ficha del modelo. Un paso de un agente de capturas suele tener un prompt, una imagen y una salida breve. La imagen impulsa la factura. El prompt y la salida suelen ser pequeños en comparación con la carga visual. La ficha del modelo describe los pesos. La pila de servicio fija el coste de la máquina. La API cobra los tokens aceptados. El autoalojamiento cobra la máquina, la porción activa y el tiempo que la máquina está ocupada.

• Coste unitario por paso completado: precio de la API por tokens de imagen y texto frente al coste de servicio de parámetros activos autoalojado por tokens más coste fijo de GPU.
• Fiabilidad: disponibilidad alojada frente a tu propio dominio de fallo, incluyendo fallos de GPU, errores de preprocesamiento de imagen y huecos de capacidad.
• Carga operativa: dependencia del proveedor frente a servicio, lotes, monitorización y despliegue.

Usa la lista para forzar una decisión. Si el paso es barato y poco frecuente, la API es la opción predeterminada de menor riesgo. Si el paso es frecuente y con mucha imagen, el autoalojamiento puede convertirse en la opción predeterminada de menor coste. Cuando la latencia importa, mide ambas rutas bajo la misma carga. Los pesos abiertos te permiten ejecutar el experimento con el mismo modelo.

El experimento debe comparar pasos completados, no tokens en bruto. Un paso que falla y se reintenta es más caro que un paso que tiene éxito una vez. Un paso que bloquea al agente es más caro que un paso que entra en cola. Registra reintentos, tiempo en cola y pasos bloqueados en dólares estadounidenses por paso completado.

El veredicto favorece el autoalojamiento cuando la utilización es alta

Para pasos de lectura de capturas de alto volumen y sensibles al coste, los pesos abiertos eliminan la tarifa por token y la dependencia de un único proveedor que mantenga sus términos de API estables. La operación es el coste. Ahora eres responsable del servicio, los lotes, el preprocesamiento de imagen, el manejo de fallos y la planificación de capacidad. La API te da una línea de factura con tarifa por uso. El autoalojamiento te da una curva de coste fijo con la utilización como multiplicador.

Si tu tráfico es estable y tus pasos tienen mucha imagen, la fórmula autoalojada puede superar a la API porque el coste de servicio de parámetros activos puede ser menor que el precio por token de la API. Si tu tráfico es irregular, la API puede ser más barata porque no pagas por GPUs inactivas. El coste de caídas es la parte que la mayoría de equipos infravalora. Una caída de una API alojada es un incidente del proveedor. Una caída autoalojada es tu incidente, y puede detener el bucle del agente. Ponle precio a esa caída en el modelo.