DeepSeek V4.1-Flash-1017 : 77 % sur DeepSWE pour 0,20 $ par tâche

DeepSeek a publié V4.1-Flash-1017, une mise à jour de son modèle Flash axée sur le code et les tâches d'agents. Il est disponible sur le site, l'application et l'API de l'entreprise chinoise. Ses poids sont aussi diffusés en open source sur Hugging Face et ModelScope. DeepSeek ouvre en parallèle son moteur de recherche interne aux développeurs, via de nouvelles API Search et Fetch.

Un modèle plus rapide, aux sorties plus courtes

Par rapport à V4.1-Flash, DeepSeek annonce de meilleurs scores, une exécution plus rapide et des réponses plus courtes. L'entreprise parle d'une amélioration « de Pareto » : le gain de performance ne se paie pas par un surcoût. Selon The Decoder, le modèle a été post-entraîné par apprentissage par renforcement avec auto-évaluation (RLSF). Le modèle utilise alors ses propres scores de confiance ou ses propres critiques comme signal de récompense, sans évaluateurs humains ni modèle de récompense externe.

DeepSeek met en avant le développement de projets complets, du jeu vidéo à la modélisation 3D et au design. Le modèle sait aussi animer de courtes vidéos explicatives. Il est réglé pour des environnements comme Deepseek Harness (version v0.2.1-rc.1 ou ultérieure recommandée), Tencent CodeBuddy et WorkBuddy.

Des benchmarks internes très favorables

Dans ses propres tests, V4.1-Flash-1017 devance son prédécesseur. Il dépasse aussi Claude Opus 5, GPT 5.6-Sol, Kimi K3 et GLM 5.3 dans plusieurs catégories de code et d'agents, d'après The Decoder.

Le graphique des coûts sur DeepSWE illustre l'effet des sorties raccourcies. Le modèle atteint 77,0 % pour un coût moyen légèrement inférieur à 0,20 dollar par tâche. En réglage bas, il dépasse encore 72 % pour environ 0,10 dollar. Son prédécesseur obtenait 74,2 % pour environ 0,50 dollar par exécution. Dans ce graphique, GPT-6 Astra, Gemini 3.8 Flash et Claude Opus 5 se situent entre 2 et plus de 10 dollars par tâche, sans égaler la précision du modèle de DeepSeek.

Ces chiffres sont à prendre avec prudence. « Les benchmarks indépendants ne sont pas encore sortis, et les benchmarks ne racontent de toute façon que la moitié de l'histoire », écrit Matthias Bastian, de The Decoder, en soulignant que les impressions des développeurs sur la qualité du code peuvent beaucoup différer des scores (The Decoder) (traduction).

Le chercheur Moritz Hardt, de l'Institut Max Planck pour les systèmes intelligents, fournit un cadre de lecture dans un entretien avec Quanta Magazine. Il estime que les scores absolus sont trompeurs, mais que les classements relatifs restent fiables, à condition que les modèles soient entraînés sur les mêmes données. Or, dit-il, « nous ne savons pas sur quoi les LLM ont été entraînés » (traduction). Un modèle peut ainsi être préparé spécifiquement à un test. Hardt ne parle pas de DeepSeek, mais son constat vaut pour toute comparaison publiée par un éditeur.

Le moteur de recherche devient une API

Les API Search et Fetch reposent sur un moteur développé en interne, qui traiterait déjà des centaines de millions de requêtes par jour dans le monde, selon DeepSeek. Chaque point d'accès est facturé 0,75 dollar pour 1 000 appels. Les utilisateurs de l'API DeepSeek peuvent les employer gratuitement comme outils côté serveur dans Deepseek Harness, Claude Code et Codex jusqu'au 31 octobre 2026, à 16 h UTC.

Un contexte réglementaire incertain

The Decoder note que l'intégration de modèles chinois dans les flux de travail est devenue moins attrayante la veille de cette publication. Selon des informations rapportées par le site, le gouvernement chinois envisagerait de durcir les règles de publication des modèles à poids ouverts, voire d'en bloquer la sortie. L'un des critères serait l'appartenance du système au top 10 des modèles les plus performants. Le texte de ces règles n'est pas détaillé dans les sources, et on ignore ce qu'elles changeraient pour les prochaines versions de DeepSeek.