DeepSeek V4 Pro para comercio electrónico: copy de producto y respuestas de atención al cliente

Respuesta breve

DeepSeek V4 Pro es un modelo de razonamiento puramente de texto: no tiene endpoint de imagen, por lo que no puede procesar "imágenes de producto". Lo que realmente hace bien en el stack de comercio electrónico es el trabajo de texto en torno a esas imágenes: convertir tablas de especificaciones en bruto en copy de detalle de producto, y gestionar respuestas de atención al cliente fieles a la política que requieren aplicar con exactitud las normas de devolución/envío de la tienda. A continuación se muestran dos llamadas reales al endpoint deepseek-v4-pro en vivo en hiapi, con prompts reales, salidas reales y costes de tokens reales.

Por qué elegir este modelo y no un modelo de imagen

Si has llegado aquí porque algún brief de producto mencionaba "usar deepseek-v4-pro para imágenes de producto", eso es un error de enrutamiento: deepseek-v4-pro solo expone los tipos de endpoint openai (Chat Completions) y openai-response (Responses API); no tiene endpoint task, que es el que usan todos los modelos de imagen o vídeo de hiapi. No tiene ninguna capacidad de generación de imágenes. Si necesitas fotografía de producto, recurre a un modelo de imagen como GPT Image 2.

El valor de DeepSeek V4 Pro está en la capa de texto que rodea esas fotos de producto: redactar el copy de detalle que acompaña a las fotos y responder a los tickets de atención posventa. Según la propia descripción del modelo, está construido para "razonamiento complejo, programación y flujos de trabajo de agentes", con una ventana de contexto de 1 millón de tokens y llamada a herramientas nativa; esto resulta útil cuando la respuesta de atención al cliente debe razonar sobre políticas de tienda de varios pasos, en lugar de limitarse a rellenar plantillas con respuestas predefinidas.

Hay un comportamiento que conviene conocer antes de construir un sistema en torno a él: DeepSeek V4 Pro tiene el razonamiento activado por defecto, incluso para prompts triviales. Enviar solo "Say OK." sin más parámetros sigue devolviendo un campo reasoning_content no vacío. La mayoría de los demás modelos de texto de hiapi usan por defecto un modo de razonamiento más ligero; este modelo es más pesado por defecto. Si estás haciendo generación de texto de alta frecuencia y baja complejidad y quieres reducir la latencia y el coste de tokens de completado, puedes bajarlo mediante el parámetro reasoning_effort; pero para cualquier escenario en el que un error en un detalle de política salga caro (como el ejemplo de atención al cliente de abajo), la configuración por defecto es, probablemente, la elección correcta.

Ejemplo real 1: generar copy de detalle de producto a partir de una tabla de especificaciones

El siguiente prompt es el mensaje exacto de system + user enviado a deepseek-v4-pro mediante /v1/chat/completions, sin editar:

Prompt de sistema:

Eres copywriter de comercio electrónico para un minorista de tamaño medio de equipamiento de exterior. Convierte tablas de especificaciones en bruto en detalles de producto: un título potente (máximo 70 caracteres), dos frases de gancho, 5 puntos clave fáciles de escanear (que cubran las especificaciones más relevantes para la conversión) y una meta descripción SEO de una frase. No inventes especificaciones que no se hayan proporcionado. Genera texto plano con etiquetas de sección claras, sin encabezados markdown.

Prompt de usuario (tabla de especificaciones en bruto):

Producto: TrailForge 3L Rain Shell Jacket
Material: tejido ripstop de nailon reciclado de 3 capas, acabado DWR sin PFAS
Impermeabilidad: 20.000 mm de columna de agua
Transpirabilidad: 15.000 g/m2/24h, clasificación RET
Peso: 340 g (talla M de hombre)
Características: cremalleras de ventilación bajo el brazo, capucha ajustable en tres puntos compatible con casco, cremalleras YKK AquaGuard, 2 bolsillos para las manos + 1 bolsillo en el pecho, se guarda en su propio bolsillo
Tallas: XS-XXL
Colores: Storm Grey, Moss Green, Black
Precio: $189
Comprador objetivo: excursionistas de fin de semana y corredores de trail que necesitan una chaqueta exterior packable para tiempo variable

Salida real del modelo:

Título: TrailForge 3L Rain Shell Jacket: impermeable, transpirable, packable

Frases de gancho: La TrailForge 3L Rain Shell está diseñada para excursionistas de fin de semana y corredores de trail, y resiste aguaceros con facilidad gracias a su clasificación de impermeabilidad de 20.000 mm. Se guarda en su propio bolsillo, así que puedes recogerla en cuanto despeje el cielo.

Puntos clave:
• Tejido ripstop de nailon reciclado de 3 capas con acabado DWR sin PFAS, para una protección duradera y respetuosa con el medio ambiente frente a la intemperie.
• 20.000 mm de columna de agua y 15.000 g/m2/24h de transpirabilidad te protegen de la lluvia y del sudor.
• Cremalleras de ventilación bajo el brazo y capucha ajustable en tres puntos compatible con casco: ventilación rápida y ajuste firme sobre cubrecabezas.
• Cremalleras YKK AquaGuard, 2 bolsillos para las manos + 1 bolsillo en el pecho; se guarda en su propio bolsillo y pesa 340 g (talla M de hombre).
• Disponible en tallas XS-XXL y en tres colores, Storm Grey, Moss Green y Black, por $189.

Meta descripción: Descubre la TrailForge 3L Rain Shell Jacket: una chaqueta exterior impermeable de 20.000 mm, transpirable, packable y sin PFAS, para excursionistas de fin de semana y corredores de trail.

No se inventó ninguna especificación: cada afirmación de la salida se remonta a una línea de la tabla de entrada. Ese respeto a las restricciones es su valor real: un generador de detalles que se inventa especificaciones es peor que no tener generador en absoluto.

Esta llamada usó 327 tokens de prompt y 1.842 tokens de completado (de los cuales 1.586 son tokens de razonamiento, empleados en calcular la longitud del título y el orden de los puntos clave antes de redactar el copy final). Con una tarifa de 1,50 $ por millón de tokens de entrada y 4,50 $ por millón de tokens de salida, un detalle de producto completo cuesta $0.0088.

Ejemplo real 2: respuesta de atención al cliente fiel a la política

La automatización de atención al cliente es una prueba más exigente que la redacción de copy: el modelo debe citar cláusulas de política reales, no limitarse a escribir texto fluido. Misma configuración, llamada real:

Prompt de sistema:

Eres agente de atención al cliente de una tienda online de equipamiento de exterior. Política de la tienda: los artículos se pueden devolver en un plazo de 30 días tras la entrega, siempre que no se hayan usado y conserven la etiqueta; solo en el caso de artículos defectuosos o erróneos corre la tienda con los gastos de envío de la devolución, en los demás casos corre el cliente con ellos; el reembolso se realiza al método de pago original en un plazo de 5-7 días hábiles tras la recepción de la devolución en el almacén. Escribe una respuesta cálida y concisa (máximo 130 palabras) que responda directamente al cliente, cite las cláusulas específicas de la política aplicables y ofrezca un siguiente paso claro. No inventes detalles de política que no se indiquen arriba.

Prompt de usuario (mensaje del cliente):

Hola, pedí la TrailForge 3L Rain Shell en talla M, pero me queda pequeña. No la he usado, conserva la etiqueta y han pasado 12 días desde que llegó. ¿Puedo devolverla y que me reembolsen? Además, ¿quién corre con los gastos de envío de la devolución?

Salida real del modelo:

¡Hola! Sí, puedes devolver la TrailForge 3L Rain Shell y obtener el reembolso. Como han pasado 12 días desde su llegada, no la has usado y conserva la etiqueta, cumple nuestra política de devoluciones de 30 días. Como la talla te queda pequeña pero el artículo no es defectuoso ni erróneo, los gastos de envío de la devolución corren de tu parte. Una vez que nuestro almacén reciba la devolución, el reembolso se abonará a tu método de pago original en un plazo de 5-7 días hábiles.

Siguiente paso: responde a este correo y te enviaré la autorización de devolución y las instrucciones de envío.

Destacan dos cosas. Primero, distinguió correctamente entre "cumple los requisitos de devolución" (sí: 12 días < 30 días, sin usar, etiqueta intacta) y "quién corre con los gastos de envío" (el cliente, porque un problema de talla no es un defecto); una distinción que las plantillas simples suelen equivocar, ya que por defecto hacen que la tienda corra con los gastos de envío de cualquier devolución. Segundo, respetó estrictamente la política dada; no inventó ninguna tarifa de reposición ni opciones de cambio que no estuvieran en el prompt de sistema.

Esta llamada costó $0.0040: 258 tokens de prompt y 801 tokens de completado (689 tokens de razonamiento). Ejecutado por volumen, por menos de medio centavo por ticket, se consigue que el juicio de política se haga correctamente de una vez antes de la intervención humana.

Cuándo esto supera a un flujo de atención al cliente puramente basado en plantillas

Un sistema de macros/plantillas fijas cuesta menos por respuesta, pero es frágil: no puede gestionar el caso de un cliente que pregunta dos cuestiones de política a la vez (elegibilidad para la devolución y coste del envío), salvo que se multipliquen las plantillas o se derive a un humano. El coste de DeepSeek V4 Pro aquí es tan bajo que resulta casi gratuito, así que el factor decisivo suele ser el volumen de tickets de atención al cliente y la frecuencia con la que un ticket requiere cruzar reglas de la tienda, más que el precio bruto.

Si tu prompt de atención al cliente repite el mismo bloque de política en miles de tickets, la tarifa de entrada en caché de 0,05 $ por millón de tokens importa: con un acierto de caché, el prompt de sistema repetido se factura a aproximadamente 1/30 de la tarifa de entrada normal, lo que se acumula rápidamente a gran escala. Encontrarás los precios completos y actualizados en la página de precios de hiapi y en la página del modelo DeepSeek V4 Pro.

Preguntas frecuentes

¿Puede DeepSeek V4 Pro generar imágenes de producto? No. Solo expone endpoints de texto (Chat Completions y Responses API); el modelo no tiene asociado ningún tipo de tarea de imagen o vídeo. Combínalo con un modelo de imagen para cubrir la parte visual del detalle de producto.

¿Es compatible con el formato Chat Completions al estilo OpenAI? Sí: supported_endpoint_types incluye tanto openai (Chat Completions) como openai-response (la Responses API más reciente), por lo que las integraciones existentes de Chat Completions funcionan sin cambios.

¿Por qué un prompt de una sola línea también devuelve tokens de razonamiento? El modelo tiene el razonamiento activado por defecto, mientras que la mayoría de los demás modelos de la plataforma usan por defecto un modo más ligero. Si estás haciendo generación de texto simple y de alta frecuencia y quieres reducir latencia y coste, establece explícitamente un reasoning_effort más bajo en la solicitud.

En escenarios de comercio electrónico, ¿merece más la pena que un modelo sin razonamiento? Para tareas con restricciones estrictas (no inventar especificaciones, no declarar mal una política), los pasos de razonamiento son precisamente lo que mantiene la salida precisa. Para escenarios de mera reescritura de tono/estilo, sin comprobación de restricciones, un modelo más ligero puede ser más barato sin perder calidad. Consulta Kimi K3 en copy de comercio electrónico y atención al cliente para un análisis comparativo similar.

Resumen de puntos clave

• deepseek-v4-pro es un modelo puramente de texto: enruta las necesidades de imagen a un modelo de imagen y usa este modelo para la capa de copy y conversación.
• En esta prueba, generar un detalle de producto completo (título, frases de gancho, 5 puntos clave, meta descripción) a partir de una tabla de especificaciones en bruto costó $0.0088 y no inventó ninguna especificación.
• Una respuesta de atención al cliente correcta según la política, incluida la distinción de "quién corre con los gastos de envío", costó $0.0040.
• El modelo tiene el razonamiento activado por defecto: genera tokens de razonamiento incluso para prompts triviales, salvo que bajes reasoning_effort.
• Con 1,50/4,50 $ por millón de tokens de entrada/salida y una entrada en caché de unos 0,05 $/millón de tokens, los prompts de sistema repetidos (como un bloque fijo de política de atención al cliente) resultan notablemente más baratos a gran escala gracias a la caché de prompts.

¿Listo para probarlo? La página del modelo DeepSeek V4 Pro ofrece precios en vivo y un playground, y la documentación de la API cubre la configuración de Chat Completions y Responses API, por si quieres conectarlo a tu propio flujo de atención al cliente o de redacción de detalles de producto.