Présentation du modèle

DeepSeek, startup chinoise d’intelligence artificielle, a publié le V4.1-Flash-1017 cinq semaines après le lancement du V4.1-Flash initial. La version figure comme le plus petit modèle d’une nouvelle famille d’architectures, présentée sur Hugging Face comme une « minor update » visant à réduire le temps d’exécution des tâches et la longueur des sorties. Aucun pourcentage d’accélération n’est communiqué, mais la mise à jour s’accompagne d’une révision du model card et d’une licence MIT pour les poids.

Performances et benchmarks

Dans les tests internes de DeepSeek, le taux de résolution du benchmark DeepSWE v1.1 est passé de 74,2 % à 77 %, dépassant légèrement le score de 74 % de Claude Opus 5 d’Anthropic. Sur les onze évaluations publiées, sept restent favorables à Anthropic, et l’écart sur le test Humanity’s Last Exam s’élève à près de 14 points en faveur du concurrent. Ces chiffres indiquent une amélioration marginale du modèle, surtout sur les scénarios de génie logiciel, sans toutefois renverser la hiérarchie des performances globales.

Intégration et tarification

La mise à jour a été optimisée pour les agents logiciels, notamment DeepSeek Harness, le copilote de code CodeBuddy et l’assistant de bureau WorkBuddy. Les deux nouvelles API – Search API (jusqu’à 50 résultats classés) et Fetch API (conversion d’une page web en Markdown) – sont facturées 0,75 $ pour 1 000 requêtes réussies, avec une gratuité jusqu’au 1 novembre lorsqu’elles sont appelées via Harness, Claude Code ou Codex. Le tarif d’accès au modèle reste à 0,15 $ par million de jetons d’entrée non mis en cache, identique à la version de septembre.

Fiabilité et perspectives

Le déploiement intervient après une interruption de service de près de cinq heures le 15 octobre, qualifiée de « pire » de l’année par Yicai Global. DeepSeek a promis de supprimer les points de dépendance uniques afin d’éviter une récidive, tout en reconnaissant une pénurie de capacité de calcul comme facteur aggravant. La disponibilité immédiate du modèle via les applications web et mobiles, ainsi que la publication des poids sous licence MIT, facilitent l’adoption par les développeurs tout en maintenant la concurrence de fournisseurs comme Anthropic et OpenAI.