DeepSeek V4.1-Flash est sorti sous licence MIT, un modèle multimodal de plus de 550 milliards de paramètres dont le cache déporté tombe au huitième de celui de la génération précédente. Le prix API ne bouge pas, le contexte atteint un million de jetons, et la cible est explicite : les agents qui tournent pendant des heures.
Pour résumer
- V4.1-Flash descend à 890 octets de cache par jeton, contre un quart de cela en mémoire GPU face à V4-Flash.
- Le modèle est sorti le 10 septembre sur Hugging Face, poids ouverts sous licence MIT.
- Il devance légèrement Opus 5 et GPT-5.6 Sol sur DeepSWE v1.1, tout en reconnaissant des trous ailleurs.
Faire résumer cet article par une IA
ChatGPTHuit fois moins de cache pour la même conversation
Le chiffre qui structure toute l’annonce de DeepSeek V4.1-Flash tient en trois mots : 890 octets par jeton. C’est ce que pèse désormais le cache global du modèle, détail que la fiche technique publiée sur Hugging Face documente ligne par ligne, avec les poids ouverts et les 48 fragments du modèle.
Rapporté à la génération précédente, le cache maintenu en mémoire GPU tombe au quart de celui de V4-Flash. La partie déportée en permanence, celle que l’on garde sur disque pour réutiliser un préfixe plus tard, descend au huitième. Comparé au tout premier modèle de la maison, le rapport atteint 437.
Le gain vient en partie d’un choix de format. Le cache principal passe en FP4 là où la génération précédente restait en FP8, ce qui divise mécaniquement l’empreinte par deux avant même de compter les optimisations d’architecture. Le sujet est sensible chez DeepSeek, qui avait relevé ses tarifs API à la mi-août avec des lectures de cache six fois plus chères.
L’architecture, justement, s’écarte du schéma habituel. DeepSeek V4.1-Flash adopte un encodeur-décodeur causal de 40 couches, réparties en un encodeur de 20 couches suivi d’un décodeur de 20 couches. Ce découpage permet de n’activer que 8 milliards de paramètres à la lecture, contre 16 milliards à l’écriture.
Cette asymétrie n’est pas cosmétique, elle vise un profil d’usage précis. Un agent qui enchaîne les appels d’outils passe l’essentiel de son temps à lire des sorties fraîches plutôt qu’à rédiger, donc rendre la lecture deux fois moins chère rend l’agent deux fois moins cher.
Le problème que cela adresse est connu de toutes les équipes qui font tourner des agents longs. Les jetons consommés par les agents dépassent désormais ceux des humains, et la facture grimpe surtout parce qu’un agent traîne derrière lui un historique qui ne cesse de gonfler.
Des scores tenus et des trous assumés
Sur DeepSWE v1.1, DeepSeek V4.1-Flash affiche 74,2 %, ce qui le place légèrement devant Opus 5 et GPT-5.6 Sol. Sur Terminal-Bench 2.1, il atteint 90,6 %, et 54,8 % sur AutomationBench.
DeepSeek ne dissimule pas l’envers du tableau. Le laboratoire reconnaît des écarts persistants sur ProgramBench, sur les tâches scientifiques complexes et sur l’analyse d’images, trois terrains où le modèle ne prétend pas rivaliser avec les frontières fermées.
La méthode d’entraînement mérite d’être notée. Le modèle a été entraîné à partir de zéro sur 45 000 milliards de jetons de texte et d’images, en évitant délibérément d’introduire de nouvelles méthodes algorithmiques. Le pari porte sur des données plus nombreuses et mieux contrôlées plutôt que sur une trouvaille technique.
C’est la continuité d’une trajectoire lisible depuis l’été. V4-Flash-Vision talonnait déjà Opus 4.8 en août, et la maison progresse par itérations serrées plutôt que par ruptures annoncées.
Le contexte atteint un million de jetons, et le modèle traite nativement les images en plus du texte. Sur le papier, l’ensemble couvre l’essentiel de ce qu’un agent de production manipule au quotidien.
Reste à vérifier le comportement à l’usage, là où les fiches techniques cessent d’être utiles. Notre test de V4-Flash-Vision avait montré une vraie solidité sur le travail d’agent, et c’est le même terrain qu’il faudra remesurer sur cette version.
D’autres articles sur Horizon
- ChatGPT Pro n’accepte plus de nouveaux abonnés
- Anthropic modélise un chômage des cols blancs à 17,9 %
- Paul Christiano entre au comité qui valide les IA d’OpenAI
Un prix inchangé qui déplace la comparaison
L’élément commercial est presque plus parlant que les benchmarks. L’API conserve exactement la grille de V4-Flash, donc la baisse d’empreinte mémoire ne se paie pas au guichet. Pour une équipe, cela signifie des agents moins coûteux à faire tourner sans renégociation ni migration de contrat.
Ce maintien tranche avec la séquence précédente, celle de la hausse tarifaire d’août suivie du retrait de V4-Pro des tests. La maison remonte donc en gamme sur la capacité tout en redescendant sur le coût d’exécution.
La licence MIT est le second levier. Des poids réellement ouverts, sans clause de champ d’application, autorisent une exécution sur infrastructure propre, ce que ni OpenAI ni Anthropic ne proposent sur leurs modèles frontière.
Pour les laboratoires fermés, la pression ne porte pas sur le classement mais sur la structure de coût. Un concurrent qui rend l’inférence agentique nettement moins chère, à qualité comparable sur le code, oblige à justifier un écart de prix par autre chose que la performance brute.
Le marché chinois des poids ouverts se densifie d’ailleurs vite, et la mémoire devient le terrain de différenciation là où c’était le score il y a six mois. Celui qui fait tenir un agent long sur moins de matériel gagne les déploiements en volume.
Le fil à tirer dans les prochaines semaines est celui du positionnement tarifaire. V4 Flash talonnait déjà GPT-5.6 Luna à 60 % moins cher, et cette version resserre encore l’écart de coût réel sur les usages longs.
Affaire à suivre sur Horizon.
