DeepSeek vs ChatGPT: segundo del mundo en código y doce veces más barato

La respuesta corta a DeepSeek vs ChatGPT: si mandas la factura, DeepSeek gana sin discusión. Su modelo grande cobra 3,96 $ por millón de tokens de salida en hora punta frente a los 50 $ de GPT-6 Astra, el motor que mueve ChatGPT desde este mismo mes¹². Doce veces menos, y encima publica los pesos del modelo con licencia MIT. Si lo que miras es el producto terminado, ChatGPT juega en otra liga: imagen, voz, memoria, agentes y una app que usan 1.100 millones de personas al mes. Son dos preguntas distintas disfrazadas de una, y por eso casi ninguna comparativa acierta con las dos a la vez.

Hay un detalle que cambia la comparación entera y que no encontré en ninguno de los artículos que salen primero en Google: casi todos siguen enfrentando a DeepSeek R1 o V3 contra GPT-4o, modelos de principios de 2025. Hoy lo que está encima de la mesa es DeepSeek V4 Pro contra GPT-6 Astra. Y el precio, que es el argumento estrella de DeepSeek, deja de ser una ventaja automática en cuanto sales de los modelos insignia: GPT-5.6 Luna, de OpenAI, cobra 1,20 $ de salida, menos que cualquier DeepSeek a tarifa punta.

La app y los pesos: dos formas de usar DeepSeek

Cuando alguien dice «DeepSeek» puede estar hablando de dos cosas que se comportan de forma muy distinta, y la confusión explica la mitad de los malentendidos que circulan.

Una es la app y el chat de deepseek.com, que corren en servidores de la empresa, en China. La otra son los pesos del modelo, que DeepSeek publica en Hugging Face con licencia MIT³. MIT es de las licencias más permisivas que existen: permite usar el modelo con fines comerciales, modificarlo y redistribuirlo, y no obliga a pedir permiso a nadie. Eso significa que cualquiera —tú, tu empresa o un proveedor europeo— puede coger ese modelo y servirlo desde donde quiera, sin que ni un byte pase por la infraestructura de DeepSeek.

ChatGPT no tiene equivalente a eso. OpenAI no publica los pesos de GPT-6 Astra ni de la familia GPT-5.6: la única manera de usarlos es a través de sus servidores, con su app o con su API. Si te preguntas qué es exactamente un modelo de lenguaje y por qué «los pesos» son el activo que importa, lo explico desde cero en qué es machine learning.

Casi todo lo que se critica de DeepSeek —dónde acaban tus datos, qué temas esquiva— aplica a la app. Casi todo lo que se elogia —el precio, la libertad de moverlo— aplica a los pesos. Conviene tener claro de cuál de las dos estamos hablando en cada momento.

Qué modelos se comparan hoy, no los de enero de 2025

Del lado chino, el modelo grande es DeepSeek V4 Pro, en su versión 0813: 1,7 billones de parámetros con arquitectura de mezcla de expertos³. Por debajo está deepseek-flash, más rápido y más barato, y la incorporación más reciente del catálogo es V4.1-Flash, de unos 763.000 millones de parámetros y ya multimodal, capaz de leer imágenes además de texto⁴.

Del lado de OpenAI, la novedad importante es que ChatGPT ya no funciona con GPT-5.6. OpenAI publicó la ficha de sistema de GPT-6 Astra el 3 de septiembre de 2026 y lo desplegó en ChatGPT⁵. Por API siguen disponibles las tres variantes de GPT-5.6 —Sol, Terra y Luna— a precios muy distintos entre sí.

En rendimiento medido, el dato que más sorprende está en código. En SWE-bench Verified, el benchmark que comprueba si un modelo resuelve incidencias reales sacadas de repositorios en producción en vez de ejercicios de examen, DeepSeek V4 Pro aparece segundo con un 96,40%, solo por detrás de Claude Opus 5 (97,00%) y por delante de Kimi K3 (93,40%), según la tabla de vals.ai actualizada el 1 de septiembre de 2026⁶. El segundo mejor modelo del mundo resolviendo código real es de pesos abiertos y cuesta una fracción de lo que cuesta el resto.

Un matiz que hay que decir en voz alta: esa tabla se actualizó el 1 de septiembre y Astra salió el 3, así que el modelo que mueve ChatGPT hoy todavía no figura en ella. No es que GPT haya perdido esa comparación; es que no ha entrado. Cómo se construyen estas tablas y por qué envejecen tan rápido lo cuento en la carrera de los benchmarks.

Precio de la API: 3,96 $ frente a 50 $

Aquí está la diferencia que de verdad mueve decisiones, y conviene verla entera porque no es tan simple como «el chino es más barato».

DeepSeek V4 Pro cobra 1,32 $ por millón de tokens de entrada y 3,96 $ de salida en hora punta. Y tiene dos descuentos que casi nadie menciona. El primero es la tarifa de hora valle: fuera de las horas punta —de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes— todos los precios caen exactamente a la mitad, con lo que la salida baja a 1,98 $¹. El segundo es el acierto de caché: cuando repites un contexto que el modelo ya ha visto, la entrada pasa a costar 0,022 $ por millón en hora valle. Si tu aplicación manda una y otra vez las mismas instrucciones largas, esa línea de la factura casi desaparece.

Enfrente, GPT-6 Astra cuesta 10 $ de entrada y 50 $ de salida por millón de tokens². Comparando modelo grande contra modelo grande, DeepSeek sale doce veces más barato a tarifa punta y veinticinco veces más barato en hora valle.

Y ahora el matiz que rompe el eslogan: OpenAI también tiene modelos baratos. GPT-5.6 Luna cobra 0,20 $ de entrada y 1,20 $ de salida, más barato que deepseek-flash a tarifa punta (0,30 $ y 1,20 $). Si lo que buscas es el token más económico posible para una tarea sencilla, el catálogo de OpenAI compite de tú a tú. La ventaja de DeepSeek no es «ser barato»: es ofrecer capacidad de primera línea a precio de modelo pequeño.

En suscripciones la comparación ni se plantea. DeepSeek no publica ningún plan de pago para su chat —la única lista de precios de su web es la de la API—, mientras ChatGPT en España cuesta 9,99 € al mes en el plan Go, 23 € en Plus y 229 € en Pro, con diferencias reales entre ellos que desgloso en el precio de ChatGPT en 2026.

Diecisiete días con los dos escribiendo un blog solos

Los benchmarks miden exámenes. Yo tenía forma de medir algo más parecido al trabajo real, así que lo hice: desde el 30 de agosto tengo cuatro modelos de IA escribiendo cada uno su propio blog, sin que nadie les corrija, con las mismas reglas y el mismo presupuesto. Dos de ellos son DeepSeek y GPT. El experimento completo lo conté en cuatro IA compitiendo por posicionar en Google, y estos son sus números del 30 de agosto al 15 de septiembre, sacados de la base de datos que registra cada turno⁷.

Con prácticamente los mismos turnos, DeepSeek generó más del doble de tokens de salida que GPT y gastó poco más de la mitad: 4,11 $ por millón de tokens de salida frente a 16,34 $, casi cuatro veces menos. Medido en lo que de verdad importa, palabras publicadas, sale a 0,15 $ por cada mil palabras frente a 0,35 $.

La contrapartida aparece en la columna del tiempo. DeepSeek tardó una media de 261 segundos por turno; GPT, 76. Tres veces y media más lento. En un cron a las tres de la mañana eso da exactamente igual. Delante de un usuario esperando en una pantalla, no da igual en absoluto, y es la clase de dato que ningún benchmark te va a contar.

Dos advertencias para que estas cifras se lean por lo que son. El coste es una estimación calculada con la tabla de precios de los proveedores, no una factura; y el agente de GPT corrió con GPT-5.4 y GPT-5.4 mini, no con Astra, porque el experimento arrancó antes de que Astra existiera. Sirve para comparar dos formas de trabajar, no para cerrar un debate.

Autoalojarlo: 1,7 billones de parámetros y cuatro GB300

«Puedes ejecutarlo en tu ordenador» es la frase que más se repite sobre DeepSeek y la que peor aguanta un repaso a los números. La licencia MIT es real y te deja hacerlo. El hardware es otra historia.

DeepSeek V4 Pro tiene 1,7 billones de parámetros, y la propia documentación del modelo recomienda servirlo en nodos del tipo 4×GB300 con vLLM³. Eso es equipamiento de centro de datos, no una torre con una tarjeta gráfica buena. El hermano pequeño, deepseek-flash, se queda en unos 304.000 millones de parámetros⁴, que sigue estando muy por encima de lo que entra en un portátil.

Lo que sí compra autoalojar es control: tus datos no salen de tu infraestructura y nadie puede cambiarte el modelo ni subirte el precio de un día para otro. Lo que no compra, y esto sorprende a mucha gente, es quitarle al modelo lo que aprendió durante el entrenamiento. Vuelvo a eso en dos secciones.

Para la inmensa mayoría de casos, la opción sensata no es montar el modelo en casa: es llamar a la API de DeepSeek o a la de algún proveedor que ya lo tenga servido, que es justo el tipo de decisión que analizo en OpenRouter frente a la API directa.

Dónde acaban tus datos y qué hizo el regulador italiano

Si usas la app o el chat de DeepSeek, lo que escribes viaja a servidores de la empresa en China. Eso tiene consecuencias legales concretas en Europa, y hay un precedente documentado.

El 30 de enero de 2025, el Garante italiano de protección de datos —el equivalente de la AEPD española— ordenó con carácter urgente y efecto inmediato limitar el tratamiento de los datos de los usuarios italianos por parte de Hangzhou DeepSeek Artificial Intelligence y Beijing DeepSeek Artificial Intelligence, y abrió una investigación. El motivo: la información que las empresas habían dado era «del tutto insufficiente». Ellas alegaron que no operaban en Italia y que la normativa europea no les aplicaba; el Garante rechazó ese argumento⁸. La app desapareció de las tiendas italianas de Apple y Google, aunque la versión web siguió accesible⁹. No he encontrado constancia pública de que esa medida se haya levantado desde entonces.

En España la app está disponible con normalidad. La AEPD declaró en enero de 2025 que no había recibido reclamaciones sobre DeepSeek⁹, y no he localizado una resolución pública posterior, así que ese es el último estado que puedo dar por bueno y no el de hoy necesariamente.

La conclusión práctica para quien trabaja con datos de clientes: el problema no es el modelo, es quién lo aloja. Ese mismo modelo servido desde tu propia máquina o desde un proveedor europeo no plantea la misma duda. Si te interesa el marco general de riesgos, lo ordené en los riesgos reales de la IA.

Los temas donde el chat de DeepSeek se calla

Esto no va de política, va de fiabilidad: un modelo que te da una respuesta incompleta sin avisarte es un problema de herramienta.

Un estudio publicado en la revista Information Sciences auditó 646 preguntas sobre temas políticamente sensibles y comparó la respuesta final del modelo con su razonamiento intermedio. El hallazgo es más fino que un simple «se niega a contestar»: el contenido sensible aparece en el razonamiento interno del modelo pero se omite o se reformula en la respuesta final, con supresión sistemática de referencias a transparencia y rendición de cuentas¹⁰. Un trabajo anterior sobre R1 apuntaba además a que ese comportamiento se introduce durante el entrenamiento o el alineamiento y se hereda en los modelos destilados¹¹, lo que implica que autoalojar los pesos resuelve el problema de privacidad pero no este.

Los dos estudios son anteriores a la familia V4 y no he encontrado una auditoría equivalente del modelo actual, así que tómalo como el mejor dato público disponible y no como una medición de V4. Para la mayoría de usos —código, resúmenes, marketing— esto es irrelevante. Si tu trabajo roza esos temas, es descalificatorio.

DeepSeek vs ChatGPT: cuál te conviene

Sin promesas de que ninguna de las dos te vaya a cambiar el negocio, así queda el reparto según lo que hagas.

Si quieres una sola app que lo resuelva todo, ChatGPT, y no está cerca: imagen, voz, memoria entre conversaciones, agentes y un catálogo de integraciones que DeepSeek no intenta siquiera igualar. Si construyes algo y pagas por token, DeepSeek V4 Pro es la mejor relación entre capacidad y precio que hay ahora mismo, sobre todo si puedes programar el trabajo en hora valle y aprovechar la caché. Si manejas datos personales de terceros, la app de DeepSeek queda fuera de la ecuación, pero el modelo no: autoalojado o servido desde Europa es otra conversación.

Y dos casos que se escapan del marco habitual. Si lo que necesitas es el token más barato posible para tareas simples, mira GPT-5.6 Luna antes de asumir que lo chino gana por defecto. Si tu trabajo toca asuntos donde la supresión documentada más arriba pesa, ni la app ni los pesos te sirven, y ahí ChatGPT, Claude o Gemini son la alternativa razonable.

Por contexto de tamaño: ChatGPT ronda los 1.100 millones de usuarios al mes y un 46,4% de cuota entre las apps de IA a cierre de mayo de 2026, y aunque DeepSeek está entre las tres apps que concentran cerca del 90% del tiempo total de uso, no he encontrado una fuente pública que desglose su cuota individual, así que no la invento¹². Quién va delante en uso real, con más candidatos, está en el ranking de las IA más usadas, y quién manda en cada empresa detrás, en quién mueve la inteligencia artificial.

Preguntas rápidas

¿Cuál es mejor, DeepSeek o ChatGPT? Como app del día a día, ChatGPT. Como motor por el que pagas por token, DeepSeek V4 Pro: 3,96 $ por millón de tokens de salida en hora punta frente a los 50 $ de GPT-6 Astra.

¿DeepSeek o ChatGPT para programar? DeepSeek V4 Pro es segundo en SWE-bench Verified con un 96,40%, por detrás de Claude Opus 5. Con la salvedad de que esa tabla es anterior a GPT-6 Astra y todavía no lo incluye.

¿Es gratis DeepSeek? Su chat no tiene plan de pago publicado; la única tarifa de su web es la de la API. ChatGPT sí cobra: 9,99 €, 23 € y 229 € al mes en España según el plan.

¿Se puede ejecutar DeepSeek en mi ordenador? Legalmente sí, con licencia MIT. Técnicamente no: V4 Pro tiene 1,7 billones de parámetros y su documentación recomienda nodos de cuatro GB300.

¿Por qué está bloqueado en Italia? El Garante italiano ordenó limitar el tratamiento de datos de usuarios italianos el 30 de enero de 2025 por considerar insuficiente la información recibida, y la app salió de las tiendas de Apple y Google.