NVIDIA optimiza sus GPU Blackwell para la IA china DeepSeek, logrando reducir el coste de los tokens cinco veces para hacer los modelos avanzados más accesibles.

• NVIDIA ha implementado mejoras en sus GPU Blackwell específicamente diseñadas para la inteligencia artificial china DeepSeek, logrando que el coste de los tokens se reduzca cinco veces. Esta optimización busca combatir la barrera económica que impide a muchas empresas adoptar los modelos de IA más sofisticados debido a sus elevados precios de funcionamiento.

NVIDIA anunció que gracias a las optimizaciones de sus GPU Blackwell para DeepSeek se ha reducido notablemente el coste de los tokens. Y sí, a día de hoy, para uso generalizado, muchas empresas se están alejando de los modelos de IA más avanzados por una simple razón: el precio. Junto a la carrera de tener la IA más avanzada se ha abierto otro frente, ofrecer la mejor IA a razón de lo que una compañía paga por utilizarla. Y es que estamos hablando de que grandes empresas pueden ahorrar millones de dólares recurriendo a modelos menos avanzados, pero más que suficientes para cumplir con sus propósitos, y todo ello ahorrando muchísimo dinero por el camino.

Según NVIDIA, su plataforma Blackwell ha conseguido reducir hasta 5 veces el coste por token de DeepSeek V4 en apenas un mes. Lo más importante de todo, es que esta reducción no se ha conseguido lanzando nuevo hardware, sino por software. Hablamos así de que NVIDIA, en un mes, ha implementando unas optimizaciones de software que reducen el coste de los tokens en cinco veces en el hardware ya existente. Esto se traduce en reducir los costes a aproximadamente una quinta parte frente a los niveles iniciales.

DeepSeek ya era muy popular por su bajo coste, y ahora lo será aún más gracias a las optimizaciones en NVIDIA Blackwell

El matiz importante es que no hablamos necesariamente de una bajada directa en la tarifa pública para acceder a la API de DeepSeek, sino del coste de servir el modelo en producción. Es decir, lo que le cuesta a un proveedor de infraestructura ejecutar el modelo, mantener una latencia aceptable y entregar tokens a gran escala. Si ese coste baja, los operadores tienen más margen para reducir los precios, mejorar su rentabilidad o atender más tráfico con la misma inversión en hardware. Es decir, que se refuerzan bastantes frentes en el negocio de DeepSeek.

DeepSeek V4 es un modelo especialmente exigente para este tipo de pruebas. En su versión Pro, NVIDIA lo describe como un modelo Mixture-of-Experts con 1,6 billones de parámetros totales, de los cuales se activan unos 49.000 millones por inferencia. Además, soporta una ventana de contexto de hasta 1 millón de tokens, lo que lo hace adecuado para cargas de trabajo de código, agentes, análisis documental y razonamiento complejo. En esencia, no hay nada mejor si tenemos en cuenta su bajo coste.

La propia página oficial de precios de DeepSeek muestra actualmente dos variantes principales: DeepSeek V4 Flash, con un coste de 0,14 dólares por millón de tokens de entrada y 0,28 dólares por millón de tokens de salida, y DeepSeek V4 Pro, con 0,435 dólares por millón de tokens de entrada y 0,87 dólares por millón de tokens de salida. Ambas versiones ofrecen contexto de 1 millón de tokens y soporte para modos de razonamiento. Para que nos hagamos una idea, con OpenAI GPT-5.4 mini, en igualdad de condiciones, se pagaría hasta un 1.507% más y con Claude Haiko 4.5 hasta un 1.686% más (vs DeepSeek V4 Flash). Con GPT 5.4 se pagaría hasta 1.624% más y con Claude Sonnet 5 hasta un 1.049% más (vs DeepSeek V4 Pro).

La IA china sale muy reforzada gracias a las optimizaciones

La mejora anunciada por NVIDIA se basa en optimizaciones de software para la arquitectura Blackwell. La compañía cita técnicas como serving desagregado, mayor paralelismo para modelos MoE, uso de NVLink, precisión NVFP4, optimización de kernels, solapamiento entre cómputo y comunicación, y multi-token prediction. En conjunto, estas mejoras permiten reducir hasta cinco veces el coste por token de DeepSeek V4 y elevar el throughput en hasta 20 veces en determinados escenarios de inferencia.

Con esto, NVIDIA quiere reforzar la idea de que Blackwell no es solo una GPU más potente, sino una plataforma completa donde hardware, red, memoria, CUDA, TensorRT-LLM, Dynamo, vLLM, SGLang y el ecosistema open source trabajan de forma conjunta. De hecho, la compañía menciona a proveedores como Baseten, Deep Infra, DigitalOcean y Hippocratic AI, que ya estarían aprovechando estas optimizaciones para mejorar el rendimiento, aumentar los tokens por segundo o reducir la latencia en cargas reales de IA.

Con esta actualización, ahora NVIDIA mueve el debate a la rentabilidad que implica la compra de sus GPUs con el coste real de servir IA a gran escala. Aunque Blackwell sea la plataforma más costosa, NVIDIA defiende que su coste efectivo por token puede caer de forma continua mediante software. Esto también convierte a modelos como DeepSeek V4, abiertos y agresivos en precio, en un argumento a favor de NVIDIA: incluso si el modelo no es suyo, la compañía quiere demostrar que la forma más eficiente de desplegarlo sigue siendo sobre su infraestructura.