Última verificación: 19 de julio de 2026.
DeepSeekMath es una familia de investigación dedicada al razonamiento matemático y formada por modelos con pesos publicados. La generación original incluye DeepSeekMath-Base 7B, DeepSeekMath-Instruct 7B y DeepSeekMath-RL 7B. DeepSeek publicó después DeepSeekMath-V2, un proyecto mucho mayor centrado en generar y verificar demostraciones matemáticas.
Precisión sobre la licencia: el código del repositorio original utiliza MIT, pero los pesos de los modelos Base, Instruct y RL están sujetos a DeepSeek License Agreement v1.0. Por eso, la descripción adecuada es «modelos con pesos publicados», no «IA de código abierto» aplicada sin matices a todo el proyecto.
Aviso de independencia: este es un sitio informativo independiente y no oficial. No pertenece a DeepSeek ni está afiliado, autorizado o respaldado por la empresa. Esta página documenta los modelos, pero no distribuye sus pesos ni ofrece DeepSeekMath como servicio.
Qué es DeepSeek Math
La familia DeepSeekMath 7B se presentó en febrero de 2024. Parte de DeepSeek-Coder-Base-v1.5 7B y continúa su preentrenamiento con datos matemáticos, lenguaje natural y código. Los autores informan de 500.000 millones de tokens durante esta etapa, incluidos 120.000 millones de tokens matemáticos obtenidos mediante un proceso de selección de páginas web.
Los 500.000 millones son el total comunicado para el preentrenamiento continuado, no 500.000 millones de tokens exclusivamente matemáticos. Tampoco representan la longitud de contexto: los tres modelos originales documentan una longitud de secuencia de 4.096 tokens.
El trabajo también introdujo Group Relative Policy Optimization (GRPO), el método de aprendizaje por refuerzo empleado para entrenar DeepSeekMath-RL a partir de DeepSeekMath-Instruct. Los resultados publicados pertenecen a configuraciones experimentales concretas y no garantizan exactitud en cualquier problema, idioma o despliegue.
Modelos DeepSeekMath y diferencias
| Modelo | Repositorio oficial | Tamaño y secuencia | Uso principal | Licencia |
|---|---|---|---|---|
| DeepSeekMath-Base 7B | deepseek-ai/deepseek-math-7b-base | 7B; 4.096 tokens | Completado, evaluación, investigación y ajustes | Código MIT; pesos bajo DeepSeek License Agreement v1.0 |
| DeepSeekMath-Instruct 7B | deepseek-ai/deepseek-math-7b-instruct | 7B; 4.096 tokens | Instrucciones y soluciones explicadas | Código MIT; pesos bajo DeepSeek License Agreement v1.0 |
| DeepSeekMath-RL 7B | deepseek-ai/deepseek-math-7b-rl | 7B; 4.096 tokens | Investigación de razonamiento con GRPO | Código MIT; pesos bajo DeepSeek License Agreement v1.0 |
| DeepSeekMath-V2 | deepseek-ai/DeepSeek-Math-V2 | 685B; basado en DeepSeek-V3.2-Exp-Base | Generación y verificación de demostraciones | Repositorio y pesos bajo Apache License 2.0 |
Base, Instruct o RL
- Base: sirve como punto de partida para completado, evaluación y ajuste. No está afinado para comportarse automáticamente como un asistente.
- Instruct: es la opción más directa para preguntas conversacionales y soluciones explicadas. El repositorio recomienda pedir razonamiento paso a paso y colocar el resultado dentro de
\boxed{}. - RL: deriva de Instruct mediante GRPO. Es útil para investigar ese método, pero la etiqueta RL no garantiza que cada respuesta sea mejor.
El repositorio original advierte que el prompt de sistema no es compatible con esta versión de los modelos. No dependas de un mensaje system para aplicar controles esenciales y utiliza el formato de prompt documentado para el checkpoint exacto.
DeepSeekMath-V2 y la autoverificación
DeepSeekMath-V2, publicado en 2025, investiga una limitación importante: una respuesta final correcta no demuestra que todos los pasos sean completos o rigurosos. El proyecto entrena un verificador de demostraciones y lo utiliza como señal para un generador que intenta detectar y corregir problemas antes de finalizar su respuesta.
Los autores comunicaron resultados en IMO-ProofBench, IMO 2025, CMO 2024 y Putnam 2024 con configuraciones específicas y cómputo de inferencia escalado. Son resultados experimentales, no una certificación de todas las demostraciones. «Autoverificable» tampoco significa formalmente verificado.
V2 no es una actualización pequeña de los modelos 7B. Su tarjeta oficial muestra 685.000 millones de parámetros y remite al soporte de inferencia de DeepSeek-V3.2-Exp. Requiere infraestructura especializada y no debe presentarse como una instalación típica para un ordenador de consumo.
Licencias: código y pesos no son lo mismo
En la generación DeepSeekMath 7B, el repositorio separa expresamente dos componentes:
- Código del proyecto: licencia MIT.
- Pesos Base, Instruct y RL: DeepSeek License Agreement v1.0.
El repositorio declara que los modelos 7B admiten uso comercial, pero siempre sujeto a la licencia del modelo. Esto no significa ausencia de condiciones o restricciones. Antes de modificar, redistribuir, ajustar o incorporar los pesos a un producto, revisa el acuerdo completo y las licencias de los demás componentes.
DeepSeekMath-V2 utiliza un régimen diferente: la tarjeta oficial de Hugging Face indica Apache License 2.0 para el repositorio y los pesos. No traslades automáticamente la licencia de V2 a los modelos 7B ni la licencia de los modelos 7B a V2. Las cuantizaciones y ajustes de terceros también necesitan una comprobación independiente de procedencia y licencia.
DeepSeek Math y la API oficial
DeepSeekMath es una familia de checkpoints descargables, no un identificador de la API alojada. En el catálogo oficial verificado el 19 de julio de 2026 aparecen deepseek-v4-flash y deepseek-v4-pro. No aparecen deepseek-math, deepseek-math-7b ni DeepSeekMath-V2.
| Forma de uso | Qué se ejecuta | Quién lo opera |
|---|---|---|
| API oficial | Un modelo incluido expresamente en el catálogo vigente | DeepSeek |
| Inferencia propia | El checkpoint exacto descargado por el usuario | El usuario o su proveedor de infraestructura |
| Alojamiento externo | El modelo que declara servir el proveedor | El tercero |
| Servidor compatible con OpenAI | El modelo cargado por el operador | El operador; la compatibilidad no implica que sea la API oficial |
Una clave de la plataforma oficial no concede acceso a DeepSeekMath. Del mismo modo, descargar pesos no incluye cómputo, almacenamiento, monitorización ni escalado. Si un tercero anuncia una «DeepSeek Math API», comprueba el repositorio, la revisión exacta, el operador, la región, la privacidad y las condiciones.
Para los modelos alojados actuales, consulta DeepSeek V4. Para autenticación y parámetros del servicio administrado, utiliza la guía de DeepSeek API.
Inferencia local con DeepSeekMath-Instruct 7B
Este ejemplo sigue el flujo del repositorio oficial y ejecuta el modelo localmente con Transformers. No llama a la API oficial. Instala versiones compatibles de PyTorch, Transformers y Accelerate, revisa los archivos descargados y adapta el tipo numérico y los dispositivos al hardware.
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig
model_id = "deepseek-ai/deepseek-math-7b-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id,
torch_dtype=torch.bfloat16,
device_map="auto",
)
model.generation_config = GenerationConfig.from_pretrained(model_id)
model.generation_config.pad_token_id = model.generation_config.eos_token_id
messages = [{
"role": "user",
"content": (
"Calcula la integral de x^2 entre 0 y 2. "
"Razona paso a paso y coloca el resultado final en \\boxed{}."
),
}]
inputs = tokenizer.apply_chat_template(
messages,
add_generation_prompt=True,
return_tensors="pt",
).to(model.device)
outputs = model.generate(inputs, max_new_tokens=512)
answer = tokenizer.decode(
outputs[0][inputs.shape[1]:],
skip_special_tokens=True,
)
print(answer)La salida sigue siendo no confiable hasta que se compruebe. No ejecutes código o expresiones generadas a partir de entradas de usuarios sin aislamiento, límites y validación. Registra el checkpoint, la revisión, las versiones y los parámetros para que la evaluación sea reproducible.
Cómo comprobar respuestas matemáticas
- Conserva el enunciado, el dominio, las unidades, la precisión y los supuestos.
- Comprueba el resultado por una vía independiente: cálculo exacto, software numérico, sistema algebraico, demostración o asistente de pruebas.
- Revisa transformaciones, sustituciones, dimensiones y casos límite.
- No utilices una segunda respuesta del mismo modelo como única verificación.
- Evalúa con problemas representativos del español de España y conserva el protocolo completo.
- Exige revisión experta cuando la salida afecte a educación, investigación, ingeniería, finanzas o decisiones relevantes.
Preguntas frecuentes sobre DeepSeek Math
¿DeepSeek Math es de código abierto?
No debe responderse con un sí absoluto. El código del proyecto original usa MIT, pero los pesos Base, Instruct y RL tienen una licencia de modelo separada con condiciones y restricciones. «Modelos con pesos publicados» es la descripción más precisa. V2 declara Apache 2.0 para su repositorio y pesos.
¿Existe una API oficial de DeepSeek Math?
No aparece un identificador deepseek-math en el catálogo oficial verificado el 19 de julio de 2026. Una API externa con ese nombre pertenece a quien despliega y opera el modelo.
¿Se permite el uso comercial?
El repositorio de los modelos 7B declara que el uso comercial está permitido sujeto a la licencia del modelo; no significa uso sin condiciones. Para V2, revisa Apache 2.0 y las licencias del resto del despliegue.
¿DeepSeekMath puede garantizar que una solución es correcta?
No. Incluso V2 puede producir errores. Utiliza herramientas deterministas, verificación formal o revisión experta según el problema.
¿DeepSeekMath funciona en español?
Puede generar e interpretar español, pero la publicación original no ofrece una garantía general de calidad para este idioma. Evalúa terminología, unidades, separadores decimales, currículo y convenciones reales del público objetivo.
Conclusión
DeepSeekMath es una familia de investigación con pesos publicados, no una API matemática alojada. Los modelos originales Base, Instruct y RL tienen 7B parámetros y una secuencia documentada de 4.096 tokens; DeepSeekMath-V2 es un proyecto posterior, mucho mayor y con una licencia diferente.
Selecciona siempre el repositorio exacto, revisa la licencia correspondiente y verifica las matemáticas por una vía independiente. No confundas la licencia MIT del código original con la licencia de sus pesos ni presentes un alojamiento de terceros como parte de la plataforma oficial.