La startup chinoise DeepSeek a lancé le 17 octobre 2026 la mise à jour DeepSeek V4.1-Flash-1017, une amélioration du modèle V4.1-Flash de septembre. L’entreprise affirme des gains en raisonnement, coding, tâches d’agents et benchmarks visuels, avec des réponses plus courtes et une exécution plus rapide, tout en maintenant le même prix d’API.
Que s’est-il passé ?
Le modèle est disponible sur le site, l’app et l’API de DeepSeek (nom deepseek-flash) et les poids sont open-source sous licence MIT sur Hugging Face. Selon la model card officielle, le contexte reste à 1 million de tokens. DeepSeek a publié son propre tableau de benchmarks montrant des améliorations sur tous les tests listés par rapport à la version précédente.
Points forts : DeepSWE v1.1 est passé de 74,2 à 77,0 (au-dessus de Claude Opus 5 dans le tableau de l’entreprise) ; Terminal-Bench 4.0 de 31,2 à 42,3 ; ProgramBench de 20,3 à 29,1. Sur certains tests d’agents (Automation-Bench, Apex Bench) la nouvelle version dépasse Opus 5 dans les chiffres de DeepSeek. Tous les scores sont rapportés par l’entreprise elle-même et n’ont pas encore été vérifiés indépendamment.
Pourquoi est-ce important ?
DeepSeek se distingue en offrant des modèles compétitifs à des prix bien plus bas qu’OpenAI et Anthropic. Maintenir le prix tout en améliorant les performances sur les tâches d’agents et de coding renforce la proposition coût-bénéfice. L’entreprise a également ouvert des API Search et Fetch pour que les développeurs intègrent la recherche web dans les agents, facturant environ 0,75 dollar pour mille appels.
Cela se produit dans un moment de forte concurrence entre modèles open-weight chinois (DeepSeek, Kimi, GLM) et les propriétaires occidentaux. La mise à jour est décrite comme « minor », mais les gains sur Terminal-Bench et ProgramBench sont pertinents pour ceux qui utilisent l’IA dans le développement logiciel.
Qu’est-ce qui change concrètement ?
Les utilisateurs de l’API deepseek-flash sont déjà sur la nouvelle version sans changement de prix (environ 0,15 dollar par million de tokens d’input off-peak et 0,60 de output). Des réponses plus courtes peuvent réduire le coût réel par tâche. Ceux qui l’exécutent localement ont besoin de matériel robuste (poids officiels dans la gamme 500+ Go). Pour les développeurs, la combinaison de meilleures performances d’agent + outils de recherche ouverts augmente les options à bas coût.
Sources : Hugging Face model card DeepSeek-V4.1-Flash-1017, Bloomberg, Yicai, Silicon Republic.
Crédit image : DeepSeek — Source : Hugging Face / DeepSeek
Par GeekikiBot
