Le prix est le premier choc
Le DeepSeek V4.1-Flash-1017, une mise à jour du 17 octobre de sa famille V4.1-Flash rapide et optimisée en termes de coûts, est arrivé à peine cinq semaines après son prédécesseur. Cette itération bénéficie d'une fenêtre de contexte d'un million de jetons et prend en charge les entrées texte et image, se positionnant comme un modèle polyvalent à haut débit.
Les tarifs de l'API du modèle sont exceptionnellement bas : 0,30 $ par million de jetons en entrée et 1,20 $ par million de jetons en sortie. Cela contraste fortement avec les modèles phares comme Claude Opus, qui peuvent coûter 15 à 20 fois plus cher. Pour les entreprises déployant des agents de codage ou gérant des flux de travail IA à haut volume, ces économies se cumulent de manière spectaculaire, transformant des coûts opérationnels prohibitifs en coûts pratiques.
DeepSeek publie également des poids ouverts pour le V4.1-Flash-1017 sous la licence permissive MIT sur Hugging Face. Cela permet aux développeurs de télécharger, modifier et intégrer le modèle dans des produits commerciaux sans encourir de frais de licence. Bien que le déploiement local soit autorisé, la taille importante du modèle (estimée entre 550 et 700 milliards de paramètres) nécessite un matériel conséquent, créant une barrière pour de nombreux utilisateurs malgré la nature open-source.
Des scores d'agent solides, avec des bémols
Les benchmarks rapportés par DeepSeek dressent un portrait impressionnant pour son modèle V4.1-Flash-1017. L'entreprise revendique de solides performances sur les tâches agentiques, notamment 77 % sur DeepSWE v1.1 (un test de résolution de problèmes d'ingénierie logicielle) et 60,5 % sur Automation-Bench (évaluant les flux de travail métier de bout en bout). Ces chiffres, associés à de bons résultats dans d'autres évaluations de codage et d'agents, le positionnent de manière compétitive face aux modèles établis.
Cependant, le tableau comparatif publié par DeepSeek, tout en soulignant ses points forts, révèle également des domaines où il est à la traîne par rapport à ses concurrents. Par exemple, le modèle obtient des scores inférieurs à Claude Opus sur des tests nécessitant un raisonnement complexe, tels que Humanity’s Last Exam et Terminal-Bench, qui évalue le codage dans le terminal. Il est également en retard sur les tests de création de dépôts, ce qui suggère qu'exceller dans des tâches discrètes pilotées par des outils ne se traduit pas automatiquement par un leadership en matière de raisonnement général ou de création de projets holistiques.
Il est crucial de noter qu'il s'agit de benchmarks rapportés par l'entreprise et non de verdicts indépendants. Les graphiques de DeepSeek comparent le V4.1-Flash-1017 à des modèles rivaux sélectionnés et à des générations précédentes, telles que Claude Opus 5 et GPT-5.6-Sol. Cette comparaison sélective signifie que les résultats ne reflètent pas nécessairement les performances face aux modèles les plus récents et les plus performants disponibles aujourd'hui. Bien qu'impressionnants, ces scores ne prétendent pas que DeepSeek surpasse les meilleurs modèles actuels sur toute la ligne.
L'aubaine s'accompagne de véritables compromis
Les bonnes affaires comportent souvent des coûts cachés, et le DeepSeek V4.1-Flash-1017 ne fait pas exception, malgré ses scores d'agent impressionnants. Les évaluations indépendantes dressent un portrait plus nuancé, révélant des compromis en termes d'intelligence brute et une précision factuelle parfois aléatoire.
Artificial Analysis, un benchmark indépendant respecté, place le DeepSeek V4.1-Flash-1017 sur son Intelligence Index avec un score de 45. Bien qu'il s'agisse d'une performance solide sur des tâches diverses — incluant le travail de bureau, le codage agentique et la programmation scientifique — il reste derrière les systèmes de pointe comme Claude Opus 5.5 (58) et GPT-6-Astra (53). Cependant, son coût par tâche demeure exceptionnellement attractif, souvent inférieur à un quart de dollar.
Une faiblesse importante signalée réside dans sa tendance à l'hallucination. L'évaluation d'Omniscience a révélé que DeepSeek V4.1-Flash-1017 fournit fréquemment des réponses non étayées, même lorsqu'il fonctionne bien dans des boucles d'agents structurées. Cela nécessite une vérification rigoureuse pour la recherche factuelle ou la prise de décision à enjeux élevés, indépendamment de l'efficacité apparente du modèle. Plus de détails sur les modèles de DeepSeek sont disponibles sur le DeepSeek Official Website.
Les démonstrations des utilisateurs soulignent la rentabilité du modèle, mais aussi sa dépendance à la tâche. Une comparaison en programmation a montré que DeepSeek produit un résultat similaire à un modèle plus coûteux pour une fraction du prix. À l'inverse, un test d'animation simple a vu un autre modèle à faible coût surpasser DeepSeek. Cette variabilité souligne que le choix optimal du modèle dépend fortement de la complexité de la tâche et de la méthodologie d'évaluation.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Pourquoi Washington — et le marché — sont attentifs
La pression stratégique s'accentue alors que le modèle ouvert, performant et peu coûteux de DeepSeek remet en question l'économie des API fermées premium privilégiée par les entreprises d'IA américaines. Les développeurs gagnent un meilleur contrôle sur le déploiement et les données, modifiant ainsi le paysage concurrentiel.
Des rapports vidéo affirment que le gouvernement américain a ordonné le retrait de DeepSeek des ordinateurs civils fédéraux, et qu'un pirate informatique l'a utilisé pour infiltrer plus de 100 entreprises. Ces affirmations, si elles sont vérifiées de manière indépendante, suggèrent une préoccupation politique croissante concernant l'origine des fournisseurs, distincte de la preuve directe d'une intrusion induite par le modèle.
DeepSeek peut être une option intéressante pour la programmation et les charges de travail d'agents sensibles aux coûts. Les acheteurs doivent tester ses performances sur des tâches spécifiques, évaluer rigoureusement les exigences en matière de confidentialité et de sécurité, et comparer les coûts d'hébergement totaux — pas seulement les prix des jetons. Ce modèle illustre l'accélération du passage du marché vers une IA accessible et performante.
Foire aux questions
Qu'est-ce que DeepSeek V4.1-Flash-1017 ?
Il s'agit d'un modèle DeepSeek mis à jour, à poids ouverts, conçu pour des tâches rapides et moins coûteuses de texte, d'image, de programmation et d'agents.
Combien coûte l'utilisation de DeepSeek V4.1-Flash via son API ?
La tarification citée est de 0,30 $ par million de jetons d'entrée et de 1,20 $ par million de jetons de sortie, avec des remises supplémentaires en heures creuses.
N'importe qui peut-il exécuter DeepSeek localement ?
Les poids sous licence MIT peuvent être téléchargés et modifiés, mais le modèle est volumineux et nécessite généralement un matériel multi-GPU substantiel pour fonctionner.
DeepSeek est-il meilleur que Claude Opus ?
Il affiche de bonnes performances sur certains benchmarks de programmation et d'agents, mais les résultats indépendants et d'autres tests montrent qu'il n'égale pas systématiquement les meilleurs modèles propriétaires.