South China Morning Post (SCMP) informó el 12 de octubre de 2026 de que un estudio dirigido por investigadores de ByteDance había detectado omisiones de información sensibles a la posición del texto en DeepSeek-V4, V4.1 y los modelos comprimidos preentrenados por sus autores. El trabajo se publicó a finales de septiembre y, según SCMP, aún no había pasado revisión por pares cuando el medio publicó su artículo. El reporte de SCMP describe un problema concreto de recuperación de información, no una puntuación general de precisión.
Qué problema de recuperación describe el reporte
La recuperación de información es la capacidad de localizar un dato dentro de un texto. En el ejemplo que recogió SCMP, añadir texto irrelevante antes del mismo fragmento de código dificultaba que DeepSeek eligiera la respuesta correcta. El reporte relacionó el posible problema con métodos de ahorro de memoria al procesar entradas largas.
La memoria también aparece en otra vertiente de la cobertura sobre DeepSeek: NeoTeo abordó las inquietudes de Samsung y SK Hynix relacionadas con la HBM.
El alcance del hallazgo reportado incluye DeepSeek-V4, V4.1 y todos los modelos comprimidos que preentrenaron los autores del estudio. No abarca por extensión cualquier modelo, producto o tarea de DeepSeek.
Qué miden los resultados de Nonobench
Una discusión de Nonobench v1.2 publicó resultados para dos modelos en pruebas de nonogramas, rompecabezas que se resuelven rellenando una cuadrícula según pistas numéricas. El autor situó a DeepSeek V4 Pro en un empate en el cuarto puesto. La discusión de Nonobench atribuye estas puntuaciones a esa prueba:
| Modelo | Resultado reportado en Nonobench v1.2 |
| DeepSeek V4 Pro | 83 % (empatado en cuarto lugar) |
| DeepSeek V4.1 Flash | 77 % |
El modo difícil de 20×20 consistió en 10 rompecabezas aleatorios, con un intento por cada uno. El autor reportó que todos los modelos de pesos abiertos obtuvieron 0/10 en ese modo. También explicó que las pruebas usaron un único prompt por ejecución, sin herramientas ni un sistema de pruebas automatizado. Los modelos podían mencionar código en su razonamiento, pero no tenían un entorno para ejecutarlo.
Por qué no hay una nota general de precisión
Los resultados de Nonobench miden la resolución de nonogramas; el problema descrito por SCMP trata de recuperar información según su posición en un documento. Son capacidades distintas: las puntuaciones de nonogramas no cuantifican el efecto de la posición del texto ni confirman o refutan el hallazgo reportado.
