DeepSeek V4.1 Flash 1017 : benchmarks de programmation, poids et coûts de l’API

DeepSeek a mis à niveau V4.1 Flash vers DeepSeek-V4.1-Flash-1017, désormais disponible sur son site Web, dans son application et via son API. Les développeurs peuvent continuer à utiliser le nom de modèle deepseek-flash ; la mise à jour d’octobre ne modifie ni la méthode d’appel de l’API ni le prix des jetons du modèle.

L’annonce met l’accent sur de meilleures performances en programmation et pour les agents, ainsi que sur des réponses plus courtes et une réduction du temps d’exécution des tâches. DeepSeek a également publié les poids du modèle et ouvert ses API Search et Fetch, distinctes de l’API du modèle.

La source illustre la mise à jour à l’aide du « vibe coding » : décrire une application ou une scène, puis demander à un agent d’en créer un prototype fonctionnel. Ces exemples sont des démonstrations : ils montrent ce qui a été produit dans certains cas, et ne garantissent pas qu’un seul prompt suffira pour tous les projets.

D’une description à un projet fonctionnel

Le premier exemple est une scène en trois dimensions de la Cité interdite. La démonstration alterne entre des vues en hauteur et des angles de caméra plus bas, et présente des cours, des portes, les terrains environnants et des détails architecturaux dans un environnement navigable.

Démonstration de DeepSeek reproduite dans le rapport source.

Vient ensuite un jeu de course dans un navigateur. Le parcours présenté comprend le choix d’une voiture, le départ d’une course, la conduite dans une ville illuminée au néon et l’affichage d’un écran de résultats. Le rapport décrit également le passage d’une vue extérieure du véhicule à une vue depuis l’habitacle.

Suit une démonstration sous Godot inspirée de Portal. Elle montre une salle de test à la première personne, des déplacements dans l’environnement, des objets interactifs et des éléments évoquant des portails. Il s’agit d’un prototype présenté en démonstration, et non d’une sortie officiellement sous licence du jeu de Valve.

Le quatrième exemple, Valley of Ages, montre une agglomération qui évolue au fil des périodes historiques. Les bâtiments et les infrastructures se transforment autour du même paysage fluvial, passant de premiers établissements à des formes urbaines industrielles, puis modernes.

La source attribue les progrès réalisés dans la création de projets à partir de zéro à l’apprentissage par renforcement avec autoévaluation. Le journal des modifications officiel et la fiche du modèle consultés pour cet article confirment la mise à jour des capacités, mais ne détaillent pas entièrement ce processus d’entraînement. L’explication précise de l’entraînement reste donc attribuée au rapport.

Ces exemples suggèrent un modèle de développement utile : examiner un prototype exécutable, puis en réviser le comportement et la présentation. Une démonstration donnée ne prouve ni que le résultat est prêt pour la production, ni que les ressources de tiers peuvent être utilisées, ni quelle quantité d’itérations humaines a été nécessaire pour obtenir le résultat final.

De meilleurs scores en programmation sans hausse du prix du modèle

La comparaison officielle fait état de progrès en raisonnement, en programmation, pour les agents et dans les tâches visuelles. Le tableau ci-dessous reprend les résultats antérieurs et les nouveaux résultats indiqués dans la fiche du modèle :

Les valeurs HLE en texte uniquement correspondent à un sous-ensemble et ne doivent pas être confondues avec le score complet du benchmark. DeepSeek précise que Terminal-Bench 4.0 a utilisé le harnais Claude Code, DeepSWE v1.1 a utilisé Mini-SWE-V2 et ZeroBench-main a utilisé Pass@5.

Tableau comparatif de l’éditeur reproduit dans le rapport source.

Dans le tableau comparatif de DeepSeek, le nouveau modèle devance les autres solutions répertoriées pour DeepSWE, Automation-Bench, Agents' Last Exam et Apex Bench. Il n’arrive toutefois pas en tête dans toutes les lignes : par exemple, les résultats affichés pour Opus 5 restent supérieurs sur Terminal-Bench 4.0 et ProgramBench. Affirmer qu’il surpasse systématiquement les autres modèles de pointe irait au-delà de ces résultats.

La source met également en avant un résultat de 77 % en DeepSWE Pass@1 pour environ 0,20 $ par tâche dans la comparaison des coûts de l’éditeur, contre un résultat de 74 % pour GPT-6 Astra présenté dans ce tableau. Il s’agit d’une comparaison particulière, liée à un benchmark et à un harnais précis, et non d’un classement général des prix ou des capacités pour tous les travaux de programmation.

Comparaison des coûts par tâche de DeepSeek, telle que reproduite par la source.

DeepSeek présente cette mise à jour comme une amélioration de Pareto entre performances et coûts sur plusieurs harnais : davantage de tâches réussies, un temps d’exécution réduit et des réponses plus courtes. Même si les tarifs par jeton restent inchangés, la facture totale peut diminuer lorsqu’une tâche consomme moins de jetons ou nécessite moins de tentatives. Les économies réelles dépendent toutefois de la charge de travail.

Le journal des modifications recommande DeepSeek Harness 0.2.1-rc.1 ou une version ultérieure pour le nouveau modèle. Il s’agit d’une recommandation concernant cette intégration, et non d’une obligation de renommer le modèle de l’API.

Poids ouverts et nouvelles API Search

DeepSeek publie les poids de la version 1017 dans son dépôt officiel sur Hugging Face ; la source renvoie également vers une publication sur ModelScope. La fiche officielle du modèle indique que le dépôt et les poids du modèle sont sous licence MIT.

Des poids ouverts ne signifient pas que le déploiement local est léger. La page Hugging Face indique un total de 763 milliards de paramètres et renvoie aux instructions du dépôt concernant l’inférence et la conversion des poids. Elle précise également que cette version ne dispose pas de modèle de conversation au format Jinja : un encodeur de référence et l’outil maintenu deepseek-recipe prennent en charge son format de prompt.

En parallèle de la mise à jour du modèle, DeepSeek a ouvert deux API de contenu Web :

• Search recherche des pages à partir d’une requête et renvoie des résultats structurés.
• Fetch récupère une page précise et renvoie son contenu au format Markdown.

DeepSeek affirme que son moteur interne indexe des centaines de milliards de pages, traite des centaines de millions de requêtes quotidiennes et filtre le spam SEO, les manipulations GEO et les contenus de faible qualité générés par l’IA. Il s’agit de déclarations de l’entreprise concernant l’échelle et le filtrage ; cet article ne présente pas de mesures auditées de manière indépendante.

Les requêtes échouées, les délais d’attente dépassés et les résultats de recherche vides ne sont pas facturés. Le nombre de résultats de recherche ne modifie pas le prix par requête. Search et Fetch sont facturés séparément des jetons du modèle.

Date de début de la facturation : la documentation indique que les appels Search/Fetch côté serveur effectués via l’API DeepSeek dans DeepSeek Harness, Claude Code ou Codex ne sont actuellement pas facturés ; la facturation par requête commencera à 00:00, heure de Pékin, le 1er novembre 2026. Cette disposition temporaire précise ne doit pas être présentée comme une gratuité permanente de l’API Search.

FAQ

Comment appeler DeepSeek V4.1 Flash 1017 via l’API ?

Le nom officiel du modèle reste deepseek-flash. DeepSeek indique que son site Web, son application et son API sont passés à la nouvelle version sans modifier, pour cette mise à jour, la méthode d’appel ni le prix des jetons du modèle.

La mise à jour a-t-elle rendu chaque tâche de programmation moins coûteuse ?

DeepSeek fait état d’une réduction du temps d’exécution, de réponses plus courtes et de meilleurs résultats en matière de performances et de coûts dans ses évaluations. Le coût total dépend toujours de la consommation de jetons, des nouvelles tentatives, des outils utilisés et de la capacité du projet généré à répondre réellement à la tâche.

Les poids du modèle 1017 sont-ils ouverts ?

Oui. La fiche officielle sur Hugging Face indique que le dépôt et les poids sont sous licence MIT. Un déploiement local nécessite toutefois une infrastructure adaptée et le respect des instructions du dépôt concernant l’encodage et l’inférence.

Un score de 77 % sur DeepSWE garantit-il un code d’application fonctionnel ?

Non. Il s’agit d’un résultat mesuré avec le harnais d’évaluation Mini-SWE-V2, et non d’une garantie pour un projet sans rapport avec ce test. Les démonstrations visuelles doivent également être examinées et testées avant toute utilisation du code au-delà du stade du prototype.

Quelle est la différence entre Search et Fetch ?

Search trouve des pages Web pertinentes et renvoie des résultats structurés. Fetch récupère le contenu d’une page précise au format Markdown, sous réserve de la disponibilité du site et de ses règles d’accès.

À partir de quand les appels aux outils Search et Fetch seront-ils facturés ?

Les appels côté serveur temporairement non facturés, décrits pour DeepSeek Harness, Claude Code et Codex, ne le seront plus à partir de 00:00, heure de Pékin, le 1er novembre 2026. Consultez la page de tarification applicable pour connaître les tarifs autonomes et régionaux en vigueur, car les jetons du modèle et les requêtes aux outils font l’objet de facturations distinctes.

Outils associés

• API DeepSeek : interfaces officielles des modèles et des outils Web permettant d’intégrer DeepSeek aux applications.
• DeepSeek V4.1 Flash 1017 : poids officiels, fiche du modèle et références pour l’inférence.
• deepseek-recipe : outil de conversion du format des prompts et d’analyse des sorties mentionné dans la fiche du modèle.

Liens associés

• Rapport original de BAAI/Xinzhiyuan : démonstrations sources, chiffres des benchmarks et couverture de la publication.
• Journal des modifications officiel du 17 octobre : alias de l’API, paramètres des benchmarks et recommandation concernant Harness.
• Fiche officielle du modèle : comparaison des benchmarks, instructions d’encodage et licence.
• Guide Search et Fetch : fonctionnement des requêtes, facturation selon leur réussite et limites de débit.
• Guide Search et Fetch en chinois : tarifs publiés en renminbis et annonce concernant la facturation en novembre.
• Modèles et tarification : tarifs actuels des jetons du modèle et facturation distincte des outils Web.

Résumé

DeepSeek V4.1 Flash 1017 améliore les résultats publiés par l’éditeur pour les évaluations en programmation et avec des agents, sans modifier l’alias de l’API ni le prix des jetons du modèle. Ses démonstrations illustrent des prototypes visuels complets, et ses poids sont disponibles sous licence MIT.

La publication de Search et Fetch ajoute un moyen distinct de trouver une page, puis d’en lire le contenu, avec une facturation par requête. Évaluez ensemble la qualité du projet, le coût total des tâches et les frais liés aux outils avant de considérer un gain au benchmark comme une décision de déploiement.