DeepSeek vient de publier DeepSeek-V4.1-Flash-1017, un nouveau point de contrôle de son modèle V4.1-Flash. Il est disponible sur le site web, l’application et l’API de DeepSeek. DeepSeek affirme que ce modèle offre des scores plus élevés, une exécution plus rapide des tâches et des résultats plus courts que lors de la version V4.1-Flash de septembre. L’entreprise qualifie cela d’amélioration parfaite en termes de performance et de coût. Par ailleurs, DeepSeek a ouvert ses API de recherche et de récupération à tous les développeurs. Pour les constructeurs d’agents, cela signifie un modèle de codage moins cher, ainsi qu’une couche web intégrée derrière une seule clé API.
TL;aDR
- taille : 552B de paramètres de backbone plus 196B de paramètres d’engram. Il active 8B de paramètres par token lors du précharge et 16B lors de la décodage. Le contexte est de 1M tokens, avec jusqu’à 384K tokens de sortie.
- Exécution sur : DeepSeek API sous le nom de
deepseek-flash. Les poids de September V4.1-Flash (763B paramètres, FP8) sont licenciés MIT sur Hugging Face. Les exigences matérielles et les 1017 poids : non divulgués. - Performance : Il dépasse le précédent V4.1-Flash sur tous les 11 tests rapportés par DeepSeek, de 2,0 à 11,1 points.
- Meilleur score : 77.0 sur DeepSWE v1.1, supérieur à Claude Opus 5 (74.0) dans le tableau de DeepSeek.
- Pire : 42.6 sur HLE sans outils, contre 56.3 pour Claude Opus 5.
Qu'est-ce que DeepSeek-V4.1-Flash-1017 ?
DeepSeek-V4.1-Flash-1017 est un point de contrôle post-trainement mis à jour de DeepSeek-V4.1-Flash, disponible sous le nom de modèle deepseek-flash. Les détails de l’architecture ci-dessous proviennent du rapport technique V4.1-Flash.
L’équipe DeepSeek indique que DeepSeek-V4.1-Flash-1017 utilise l’apprentissage renforcé avec rétroaction automatique pour les tâches de projet en entrée-sortie. Ses exemples couvrent la création de jeux jusqu’au modélisation 3D. Il est adapté pour DeepSeek Harness, Tencent CodeBuddy et WorkBuddy. DeepSeek recommande DeepSeek Harness v0.2.1-rc.1 ou une version ultérieure.
Comment fonctionne l'architecture V4.1-Flash ?
V4.1-Flash est un modèle multimodal Mixture-of-Experts comprenant 40 couches Transformer. Il se compose d’un encodeur causal de 20 couches et d’un décodeur de 20 couches.
- Causal Encoder-Decoder (CED) : Le KV global du décodeur est projeté à partir des états cachés de l’encodage final. Cela réduit considérablement le calcul de précharge.
- Compressed Sparse Attention 2 (CSA2) : Les couches fonctionnent en mode Full, Reindex ou Reuse. Elles partagent les clés KV et indexer principales entre elles.
- Cache KV principal FP4 : Le volume global de KV descend à 890 octets par token, soit environ 1/4 de V4-Flash.
- SWA Replay limité : La cache KV persistante est réduite à environ 1/8 de la taille de V4-Flash.
- Effort de raisonnement : Un nombre compris entre 1 et 100. Les niveaux de l’API bas, élevé et maximal correspondent à 50, 75 et 100 respectivement.
Benchmarks DeepSeek-V4.1-Flash-1017
Tous les scores ci-dessous sont les chiffres propres de DeepSeek. DeepSeek a exécuté Terminal-Bench 4.0 dans Claude Code et DeepSWE dans Mini-SWE-V2. ZeroBench-main utilise Pass@5.
| Benchmark | V4.1-Flash-1017 | V4.1-Flash | Kimi K3 | GLM 5.3 | GPT 5.6-Sol | Claude Opus 5 |
|---|---|---|---|---|---|---|
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 73.0 | 74.0 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 39.9 | 51.8 |
| Automation-Bench v1.0.6 | 60.5 | 54.8 | 46.7 | 48.8 | 45.8 | 50.3 |
| Examen final des agents | 35.4 | 31.8 | 27.6 | 28.5 | 26.7 | 28.6 |
| Apex Bench v1.1 | 72.1 | 64.6 | 47.8 | 56.6 | 54.3 | 65.8 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 23.0 | 37.0 |
| NL2Repo-Bench | 68.2 | 65.4 | 58.0 | 58.0 | 56.8 | 75.3 |
| HLE (sans outils) | 42.6 / 44.0* | 36.8 / 39.1* | 43.5 | 42.0* | 44.5 | 56.3 |
| BabyVision (avec outils) | 92.5 | 89.6 | 85.7 | Non divulgué | 88.9 | 94.1 |
*Sous-ensemble HLE uniquement en texte.
Le point de contrôle 1017 mène vers DeepSWE, Automation-Bench, Agents’ Last Exam et Apex Bench. Claude Opus 5 reste en tête sur Terminal-Bench 4.0, ProgramBench, NL2Repo et HLE.
Comment se compare-t-il aux concurrents de poids ouvert ?
| Caractéristique | DeepSeek-V4.1-Flash-1017 | Kimi K3 | GLM-5.3 |
|---|---|---|---|
| Paramètres totaux | 552B backbone + 196B Engram | 2.8T | 753B |
| Paramètres actifs | 8B préchargement / 16B décodage | 104B | Non divulgué |
| Contexte | 1M | 1,048,576 | Non divulgué |
| Licence | MIT (V4.1-Flash) ; 1017 poids non divulgués | Kimi K3 License | GLM-5.3 licence |
| Modalité | Texte, image à l’intérieur ; texte à l’extérieur | Texte, image | Text |
| DeepSWE v1.1 | 77.0 | 67.5 | 66.9 |
| Examen final des agents | 35.4 | 28.3 | 28.5 |
| Prix de l’API (1 M de saisies manquantes / sortie, pic) | $0.30 / $1.20 | Non divulgué | Non divulgué |
Quelles sont les API de recherche et de récupération de DeepSeek ?
Le API de recherche renvoie des résultats web classés pour une requête. L’API Fetch renvoie une seule page sous forme de Markdown. DeepSeek indique que son moteur interne reçoit des centaines de millions de requêtes par jour.
- Points d’accès :
POST /v1/tools/searchetPOST /v1/tools/fetchsurapi.deepseek.com. - Options de recherche : 1 à 50 résultats, contenu de page optionnel, et opérateurs tels que
site:,lang:,after:etbefore:. - Champs de résultat : Chaque résultat possède un score de rerank de 0 à 3 et un niveau d’autorité de 0 à 4.
- Prix : 0,75 $ par 1 000 demandes réussies pour chaque point d’accès. Les résultats vides et les échecs sont gratuits.
- Limite de taux : 5 QPS par compte pour chaque API.
- Window gratuite : Les appels côté serveur via DeepSeek Harness, Claude Code ou Codex restent gratuits jusqu’au 1er novembre 2026.
Déploiement et tarification
Appellez le modèle avec deepseek-flash via des endpoints de format OpenAI ou Anthropic. Les tarifs maximaux sont de 0,30 $ par 1 M de tokens d’entrée de manque de mémoire et de 1,20 $ par 1 M de tokens de sortie. Les tarifs en période de basse activité sont la moitié de ces prix.
Points clés
- 1017 obtient 77,0 points sur DeepSWE v1.1, en hausse par rapport à 74,2.
- Il mène Automation-Bench (60,5) et l’examen final des agents (35,4).
- Claude Opus 5 gagne toujours à HLE et à Terminal-Bench 4.0.
- Coût de recherche et de récupération : 0,75 $ par 1 000 appels.
- Les appels d’agent Harness restent gratuits jusqu’au 1er novembre 2026.
Vérifiez l’annonce DeepSeek, les documents sur la recherche et le récupération, le rapport technique et la carte du modèle. Tout le crédit revient au chercheur de ce projet. De plus, n’hésitez pas à nous suivre sur Twitter et ne oubliez pas de rejoindre notre subreddit 150k+ML et de vous abonner à nos newsletters. Attendez ! êtes-vous sur Telegram ? maintenant, vous pouvez également nous rejoindre sur Telegram.
La publication DeepSeek vient de sortir V4.1-Flash-1017, avec un score de 77.0 sur DeepSWE, et ouvre l’API de recherche a été publiée en premier sur MarkTechPost.