DeepSeek muscle encore son modèle Flash et sa grille tarifaire

DeepSeek a publié le 17 octobre V4.1-Flash-1017, une mise à jour de son modèle V4.1-Flash lancée cinq semaines plus tôt, sans keynote ni communiqué. La version améliore ses scores sur 11 benchmarks annoncés par l’éditeur, avec un gain de 74,2 à 77,0 sur DeepSWE selon MarkTechPost, un test qui mesure la capacité à résoudre de vraies tâches de code. Dans le même temps, le groupe maintient une politique tarifaire très offensive, ce qui compte directement pour les équipes qui déploient des agents IA à grande échelle.

Une mise à jour discrète, mais pas anodine

DeepSeek a diffusé les nouveaux poids sur Hugging Face et ModelScope sous licence MIT, une formule qui laisse les développeurs réutiliser le modèle plus librement. Le modèle conserve son backbone de 552 milliards de paramètres, mais seule une partie s’active à l’usage : 8 milliards pour lire un prompt et 16 milliards pour générer une réponse, selon les éléments fournis. Cette architecture causal encoder-decoder vise à réduire les coûts d’exécution. Autrement dit, DeepSeek coupe la facture là où elle pique le plus, sans faire trop de bruit. Sur les benchmarks rapportés par l’entreprise, V4.1-Flash-1017 ferait mieux que la version précédente sur les 11 tests cités, avec des écarts allant de 2,0 à 11,1 points.

Le point le plus surveillé reste toutefois la portée concrète du modèle. DeepSWE, benchmark mis en avant par MarkTechPost, évalue la résolution de tâches de génie logiciel de bout en bout, pas seulement la capacité à répondre proprement à un QCM. Pour les équipes qui bâtissent des agents capables d’écrire du code, d’appeler des outils et de finir une tâche, c’est plus parlant qu’un score de salon. Et c’est précisément là que DeepSeek pousse son avantage.

Le prix, toujours l’arme la plus agressive

La grille tarifaire de V4.1-Flash reste très basse. En heure de pointe, l’API est affichée à 0,30 dollar par million de tokens d’entrée et 1,20 dollar par million de tokens de sortie ; en heures creuses, les tarifs tombent à 0,15 dollar pour l’entrée non mise en cache et 0,60 dollar pour la sortie, selon les informations rapportées. C’est peu au regard des tarifs de modèles premium concurrents comme ceux d’OpenAI ou d’Anthropic, généralement bien plus élevés à performance comparable sur certains usages agentiques.

Cette stratégie n’est pas nouvelle. V4.1-Flash avait été lancé le 10 septembre pour concurrencer V4-Pro à moindre coût, et DeepSeek avait d’abord envisagé de rediriger le trafic API de V4-Pro vers Flash avant de revenir en arrière le 15 septembre, face à la demande. Dans ce contexte, la logique de l’entreprise paraît claire : gagner des utilisateurs en baissant le coût par tâche, pas en multipliant les effets d’annonce. Pas besoin de fanfare quand la facture suffit à attirer l’attention.

La nouvelle pièce du puzzle : l’API Search

BigGo Finance indique aussi que cette sortie marque la première ouverture au public de l’API Search propriétaire de DeepSeek. Ce détail compte, car les usages dits agentiques reposent souvent sur la recherche d’information, le raisonnement puis l’action. En donnant accès à sa propre infrastructure de recherche, DeepSeek réduit la dépendance à des briques tierces et simplifie la pile technique des développeurs.

Le modèle gère également les images et des fenêtres de contexte allant jusqu’à 1 million de tokens, toujours selon les informations disponibles. Cela élargit le champ des cas d’usage, notamment pour les applications qui doivent ingérer de gros documents, des dépôts de code ou des historiques de conversation très longs. Reste une réserve de taille : les chiffres avancés par DeepSeek n’ont pas été vérifiés indépendamment, et le modèle demeure derrière les meilleurs modèles fermés sur certains tests de raisonnement plus difficiles, comme Humanity’s Last Exam [à vérifier].

Ce que ça change pour le marché

Le signal envoyé aux concurrents est moins spectaculaire qu’un lancement de produit à grand spectacle, mais plus gênant à long terme. En améliorant légèrement son modèle tout en maintenant des prix très bas, DeepSeek force OpenAI, Anthropic et Google à défendre leur marge autant que leurs scores. Pour les startups, l’enjeu est immédiat : une amélioration de quelques points sur un benchmark comme DeepSWE peut suffire à faire baisser le coût d’un agent qui tourne des millions de fois par mois. Le marché des modèles d’IA ne se joue donc pas seulement sur la qualité brute ; il se joue aussi sur le coût réel d’un ticket résolu, d’une ligne de code générée ou d’une tâche terminée.

Depuis son moment DeepSeek-R1, qui avait secoué les marchés en janvier 2025, l’entreprise avance par itérations rapides et peu bavardes. C’est moins photogénique qu’une démonstration sur scène, mais redoutablement efficace pour imposer une référence de prix. Et dans l’IA, les tarifs parlent souvent plus fort que les slides.