¿Resuelve DeepSeek local el problema de los datos en China? 2026

DeepSeek existe como dos cosas separables: un servicio alojado (app, web, API) operado desde China, y un conjunto de modelos de pesos abiertos que puedes descargar y ejecutar en cualquier lugar. Casi todo debate sobre «la privacidad de DeepSeek» mezcla estas dos cosas, y por eso las respuestas se enturbian. Mantenlas separadas y la imagen queda clara.

En el servicio alojado es donde vive la preocupación por los datos. Cuando escribes en la app de DeepSeek o llamas a su API, tu entrada viaja a los servidores de DeepSeek, y la política de privacidad de la empresa indica que los datos se almacenan en la República Popular China. Es un flujo de datos transfronterizo con consecuencias regulatorias reales en la UE.

Los pesos abiertos son un objeto totalmente distinto. Las destilaciones DeepSeek-R1 son archivos que descargas de un registro de modelos y ejecutas con Ollama o LM Studio en tu propio hardware. No contienen código de red ni telemetría: ejecutarlos no envía nada a DeepSeek. La pregunta de privacidad para los pesos no es «adónde van mis datos» (a ningún sitio) sino otra distinta sobre el comportamiento del modelo, que se trata más abajo.

El servicio alojado de DeepSeek almacena los datos de los usuarios en China y los recopila directamente, algo que los reguladores europeos han tratado como una preocupación seria de protección de datos transfronteriza. Está documentado en la propia política de privacidad de DeepSeek y se refleja en acciones regulatorias concretas: no es especulación.

Los hechos, expuestos de forma neutral:

Cuando autohospedas un modelo de pesos abiertos de DeepSeek, no hay ningún servidor de DeepSeek en el circuito, así que no hay flujo de datos transfronterizo hacia China: tus prompts y salidas nunca salen de tu máquina. Este es el único cambio que resuelve el problema de protección de datos: has eliminado el servicio que almacenaba los datos en el extranjero.

No tienes que aceptarlo por fe. Como los modelos no contienen telemetría, puedes verificar directamente la ausencia de salida: ejecuta el modelo con tu red monitoreada y confirma que no hay conexiones salientes durante la inferencia. Una simple regla de firewall o una captura de paquetes durante una sesión basta para demostrarlo.

Para la configuración práctica y totalmente sin conexión —incluido cómo verificar el «realmente sin conexión» con monitoreo de tráfico— consulta Ejecutar DeepSeek sin conexión 2026: configuración autohospedada. Para elegir qué destilación ejecutar, consulta Mejor modelo de razonamiento local 2026.

Autohospedar resuelve el problema del flujo de datos pero no toda preocupación: algunos investigadores de seguridad señalan problemas a nivel de los pesos del modelo —susceptibilidad a jailbreaks y orientación narrativa de las salidas— que existen sin importar dónde se ejecute el modelo. Es importante decirlo con claridad y presentar ambas caras, en lugar de dar a entender que local equivale a sin riesgo.

La preocupación, expuesta con equidad: investigadores han reportado que los modelos DeepSeek pueden ser relativamente susceptibles a jailbreaks, y que en ciertos temas políticamente sensibles las salidas reflejan una orientación narrativa concreta. Son propiedades de los propios pesos, así que ejecutar en local no las cambia.

El contrapunto, expuesto con la misma equidad: todo modelo abierto presenta cierta superficie de jailbreak, y la orientación narrativa existe en modelos de cualquier país de origen, moldeada por los datos de entrenamiento y las decisiones de ajuste. Para matemáticas, lógica, programación y la mayor parte del razonamiento de negocio —las tareas para las que la gente realmente autohospeda las destilaciones R1— estas preocupaciones son en gran medida ortogonales al trabajo.

La conclusión práctica es separar las dos preguntas. «¿Se filtran mis datos?» ya tiene respuesta (no, cuando autohospedas y verificas). «¿Confío en las salidas de este modelo en temas sensibles?» es una pregunta de selección de modelo que debes responder por sus méritos, igual que con cualquier modelo. Para un vistazo enfocado a la cuestión de cumplimiento, consulta ¿Es DeepSeek seguro de cara al RGPD?.

Bajo el RGPD, el servicio alojado de DeepSeek plantea un problema de transferencia transfronteriza; un despliegue autohospedado sobre infraestructura de la UE lo sortea en gran medida porque no se transfiere ningún dato personal fuera de tu control. La Ley de Seguridad de Datos (DSL) y la Ley de Protección de Información Personal (PIPL) de China rigen el lado del servicio alojado; el RGPD rige el tuyo.

El mecanismo importa. El RGPD restringe las transferencias de datos personales de la UE a terceros países sin garantías adecuadas. Enviar prompts a una API alojada en China es una transferencia de ese tipo; ejecutar los pesos abiertos en un servidor que controlas en la UE no es transferencia en absoluto: los datos nunca salen de tu entorno de procesamiento.

Por eso «usa los pesos abiertos, no la API alojada» es la respuesta estándar de ingeniería de privacidad para los equipos de la UE. Convierte una difícil cuestión de cumplimiento de transferencia transfronteriza en un asunto ordinario de manejo de datos en local que ya sabes satisfacer.

Un despliegue de DeepSeek limpio en privacidad son tres decisiones: elegir una destilación de pesos abiertos, ejecutarla en hardware que controlas y verificar que no hay salida. Nada de esto toca el servicio alojado.

Autohospeda cuando quieras el razonamiento de DeepSeek sin la ruta de datos del servicio alojado; evita DeepSeek por completo solo si las preocupaciones sobre los pesos del modelo superan sus puntos fuertes para tu trabajo concreto.