En un reciente experimento de trading con criptomonedas, un modelo de IA chino llamado DeepSeek logró una actuación sobresaliente: en tan solo 9 días, incrementó su capital inicial de 10 000 $ a 22 500 $ en la competición Alpha Arena de trading de criptomonedas, alcanzando un impresionante retorno del 125 %.
Este resultado superó incluso al modelo Qwen 3 Max de Alibaba, posicionando a DeepSeek como una estrella emergente en el sector del trading con IA.
Orígenes y evolución de DeepSeek
DeepSeek es una empresa de inteligencia artificial con sede en Hangzhou, China, fundada en 2023 con inversión de la reconocida gestora de activos cuantitativos High-Flyer.
La compañía se dedica al desarrollo de modelos avanzados de lenguaje y tecnologías relacionadas, habiendo lanzado varios modelos como DeepSeek LLM, DeepSeek Coder, DeepSeekMath y DeepSeek-VL.
El 20 de enero de 2025, DeepSeek presentó oficialmente DeepSeek-R1, un modelo que iguala a OpenAI O1 en tareas de matemáticas, programación y razonamiento en lenguaje natural. La última versión, DeepSeek-V3.2, ha llamado la atención por reducir los costes de inferencia de IA a solo una sexta o una séptima parte respecto a V3.1, además de acelerar el procesamiento de contextos largos entre dos y tres veces.
Familia de modelos DeepSeek y evolución técnica
Arquitectura innovadora de modelos
La arquitectura técnica de DeepSeek combina variantes de la estructura Transformer con mecanismos dinámicos de atención, logrando un equilibrio entre comprensión semántica y generación mediante la fusión de características a múltiples escalas.
Sus principales fortalezas se destacan en tres áreas clave:
- Mecanismo dinámico de atención dispersa: Al introducir unidades de compuerta que asignan dinámicamente los pesos de atención, DeepSeek mantiene una sólida capacidad para procesar textos extensos, reduciendo la complejidad computacional. Al manejar documentos con 100 000 tokens, el cálculo se reduce en un 42 % en comparación con los Transformers estándar.
- Sistema Mixture-of-Experts: Mediante un mecanismo de enrutamiento entre 16 módulos expertos, cada token activa solo de 2 a 3 expertos, aumentando la capacidad del modelo y controlando los costes de inferencia.
- Estrategia progresiva de entrenamiento: DeepSeek emplea preentrenamiento por fases, ajuste fino por instrucciones y aprendizaje reforzado con feedback humano. En escenarios de generación de código, la ampliación sintética de datos eleva la precisión del código hasta el 89,7 %.
Rendimiento sobresaliente
En el benchmark MMLU, el modelo DeepSeek-72B obtuvo una puntuación de 81,3 en disciplinas STEM como matemáticas y física, superando el resultado de GPT-4, que fue de 79,8.
En tareas de autocompletado de código, alcanzó una tasa Pass@1 del 68,2 %, una mejora de 12 puntos respecto a Codex.
Rendimiento de DeepSeek en mercados cripto y financieros
Destacando en competiciones de trading cripto
En el proyecto de inversión Alpha Arena lanzado por Nof1, DeepSeek Chat V3.1 demostró unas capacidades de trading excepcionales.
La competición otorgó a seis modelos de IA un capital inicial de 10 000 $ cada uno, operando bajo condiciones de información de mercado idénticas para negociar activos digitales como Bitcoin, Ether y Dogecoin en busca del mayor retorno.
A fecha de 28 de octubre, DeepSeek había alcanzado un retorno del 125 %, muy por delante de sus competidores internacionales.
En comparación, GPT-5 de OpenAI perdió cerca del 60 % de sus fondos, reduciendo su saldo a unos 4 000 $, mientras que Gemini 2.5 Pro de Google DeepMind sufrió una pérdida del 57 %.
En la plataforma de predicción Polymarket, los traders otorgaban a DeepSeek una probabilidad de victoria del 61 %, significativamente superior al 29 % de Alibaba.
Sólido desempeño en el trading de acciones estadounidenses
DeepSeek también ha destacado en el trading de renta variable estadounidense.
En el experimento open-source "AI-Trader" liderado por la Universidad de Hong Kong, DeepSeek encabezó el ranking durante un periodo de prueba de un mes, con una rentabilidad anualizada del 10,61 %, frente al 2,13 % del índice de referencia Nasdaq 100 de tecnología.
Esto significa que los retornos de DeepSeek fueron casi cinco veces superiores al índice de referencia.
Ventaja en precios de API y estrategia open-source de DeepSeek
Reducciones significativas de precio
El 29 de septiembre de 2025, DeepSeek lanzó el modelo DeepSeek-V3.2-Exp y anunció importantes reducciones de precio en su API.
Según la nueva política de precios, las consultas de tokens de entrada con acierto en caché cuestan 0,2 RMB por millón de tokens, los fallos de caché 2 RMB por millón y la salida 3 RMB por millón de tokens, una reducción superior al 50 % respecto a las tarifas anteriores.
El último modelo DeepSeek-V3.2 reduce aún más los costes de inferencia de IA a solo una sexta o una séptima parte respecto a V3.1, con precios de API fijados en 0,28 $/0,028 $/0,42 $ por millón de tokens de entrada/caché/salida, respectivamente.
Estrategia open-source y despliegue local
DeepSeek utiliza la licencia MIT y ha sido optimizado para Huawei y otros chipsets chinos, facilitando el despliegue en entornos informáticos locales de China.
Este enfoque open-source permite a los desarrolladores desplegar los modelos DeepSeek de forma gratuita y privada, abriendo más posibilidades para aplicaciones empresariales.
Mirando al futuro
A medida que la tecnología de trading con IA sigue avanzando, está claro que los grandes modelos nacionales como DeepSeek desempeñarán un papel cada vez más relevante en el futuro de las criptomonedas y en los mercados financieros en general.
Para los traders de criptomonedas, seguir la evolución de DeepSeek no solo implica estar a la vanguardia de la tecnología de IA, sino también aprovechar potenciales oportunidades de inversión en un panorama financiero en constante transformación.
