Le compte officiel de DeepSeek, 深度求索 — le nom chinois de l'entreprise, utilisé comme canal communautaire/support — a confirmé aujourd'hui ce que plusieurs observations indépendantes décrivaient déjà, relayé dans une capture d'écran publiée par le compte @MaxForAI : « La version intermédiaire de DeepSeek V4.1 Flash est entrée en test interne, n'hésitez pas à l'essayer », suivi des mêmes détails techniques déjà rapportés par des comptes tiers — nouvelle architecture, support multimodal natif, « plus capable, plus rapide et moins coûteux » — et d'une demande de retours via un formulaire de questionnaire. Des médias tech chinois couvrant le même test rapportent, de seconde main, que le retour spécifiquement recherché par DeepSeek porte sur une question précise : ce modèle de palier Flash peut-il se substituer entièrement à V4-Pro — l'objectif n'étant pas seulement un modèle moins cher, mais une capacité de niveau Pro au coût et à la vitesse de Flash. Ce n'est pas confirmé directement par la publication de DeepSeek elle-même, mais cela expliquerait pourquoi une entreprise fait évoluer son palier économique avec une affirmation de « nouvelle architecture » plutôt que son modèle phare. Le modèle est accessible en conservant la même URL de base de l'API et en réglant le nom du modèle sur deepseek-v4.1-flash-expires-on-0910, au même tarif que le palier deepseek-v4-flash actuel, plafonné à 20 requêtes simultanées par compte.
Les observations de tiers et le compte officiel de DeepSeek s'accordent désormais, détail pour détail
Avant que la confirmation de DeepSeek elle-même n'apparaisse, au moins trois comptes indépendants avaient déjà décrit les mêmes spécificités techniques exactes — la chaîne de modèle précise, le suffixe « expires-on-0910 », et l'instruction de conserver l'URL de base existante en changeant simplement le nom du modèle — ce qui constituait déjà un signal nettement plus solide qu'une simple publication non vérifiée. La publication du compte communautaire de DeepSeek correspond point par point à ces rapports de tiers : même chaîne de modèle, même mention tarifaire, même plafond de 20 requêtes simultanées, plus le vocabulaire de « nouvelle architecture » et de « support multimodal natif ». Cette concordance rassure sur les faits, mais ne change rien à ce qui manque encore : le tarif n'a pas réellement changé par rapport au palier deepseek-v4-flash actuel, donc toute affirmation de coût réduit à l'exécution doit provenir du fait d'accomplir une tâche donnée avec moins de tokens ou moins d'appels, pas d'une baisse de prix affichée — une affirmation d'efficacité réelle, mais différente de ce que « moins coûteux » suggère à lui seul.
Une bêta officielle, pas un lancement officiel
Un identifiant de modèle à date d'expiration codée en dur, distribué via un compte communautaire accompagné d'un questionnaire de retours, ne correspond toujours pas à la façon dont DeepSeek annonce normalement un produit. À comparer avec le propre lancement de V4-Pro par DeepSeek le mois dernier, qui était arrivé via une publication du compte principal de DeepSeek, accompagné d'un tableau de benchmarks complet face à des rivaux nommés, et avait donné au nouveau point de contrôle un nom permanent que les intégrations existantes n'avaient pas besoin de modifier pour en bénéficier. La confirmation d'aujourd'hui n'a rien de tout cela : aucun tableau de benchmarks, aucun nom permanent, et une fenêtre de test explicite de deux jours. DeepSeek confirme officiellement une bêta, elle ne lance pas officiellement un modèle — une distinction réelle, pas une technicité, puisque tout dans la façon dont cela est distribué (identifiant temporaire, concurrence plafonnée, un questionnaire demandant aux testeurs si le modèle peut remplacer le palier Pro) indique que DeepSeek elle-même ne considère pas encore ce point de contrôle comme achevé.
Si le « multimodal natif » se confirme, c'est là la vraie histoire
La lignée V4 de DeepSeek, comme ce blog l'a couvert lors du lancement de la version Pro, a jusqu'ici rivalisé principalement sur des benchmarks de codage agentique et de raisonnement face à Kimi K3, Claude Fable 5 et Claude Opus 4.8 — un ensemble concurrentiel centré sur le texte et le code. Un support multimodal natif constituerait un véritable basculement architectural pour cette lignée, pas une mise à jour incrémentale, et placerait DeepSeek en concurrence plus directe avec les modèles de pointe à capacités visuelles que ce blog suit tout ce mois-ci. C'est exactement pourquoi il vaut mieux traiter cela comme une affirmation intéressante à vérifier plutôt que comme une capacité confirmée : un « support multimodal natif » attaché à un test bêta de deux jours accompagné d'un questionnaire de retours, et sans le moindre chiffre de benchmark venant de DeepSeek ou de quiconque d'autre, n'équivaut pas encore à une capacité livrée et évaluée.
À surveiller
- Si le point d'accès disparaît effectivement le 10 septembre, comme son nom l'indique. Si c'est le cas, cela confirme que ce test est resté borné dans le temps ; si DeepSeek le prolonge ou le convertit en nom de modèle permanent, c'est le signe que le test s'est bien passé.
- La publication de lancement officielle et le tableau de benchmarks à venir. Le lancement de V4-Pro par DeepSeek a fixé le modèle à suivre — une publication du compte principal avec un tableau de comparaison complet face à des rivaux nommés ; c'est le vrai test permettant de savoir si les affirmations de V4.1 Flash tiennent la route, pas la confirmation bêta d'aujourd'hui.
- Des résultats de benchmark indépendants avant de créditer « plus rapide », « plus capable » ou « moins coûteux ». Les trois affirmations reposent actuellement sur le langage de l'annonce bêta de DeepSeek elle-même, pas sur une quelconque comparaison mesurée par DeepSeek ou par un évaluateur extérieur.
- Si la question du questionnaire rapportée de seconde main — Flash peut-il remplacer Pro entièrement — reçoit une réponse explicite dans ce que DeepSeek annoncera à la fin de la période de test, puisque c'est une affirmation plus lourde de conséquences que n'importe quel score de benchmark isolé.
Mise à jour du 10 septembre : le lancement officiel, avec le tableau de benchmarks que ce billet attendait
Deux jours après la confirmation bêta ci-dessus — juste à la limite de la fenêtre « expires-on-0910 » que l'identifiant temporaire du modèle nommait lui-même —, le compte principal de DeepSeek, @deepseek_ai, a publié le lancement officiel de V4.1 Flash : « le plus petit modèle de notre nouvelle famille d'architecture, avec une compréhension visuelle native », accompagné d'un graphique de benchmarks face à Kimi K3, GLM-5.3, Claude Opus 5 et GPT-5.6 Sol sur quatre tâches (Terminal-Bench 3.0, DeepSWE v1.1, CyberGym et Automation-Bench). C'est exactement le format que ce billet désignait comme le véritable test — une publication du compte principal face à des rivaux nommés — plutôt que la confirmation bêta du compte communautaire couverte plus haut, et DeepSeek a opéré cette transition proprement : la date d'expiration que le modèle bêta s'était lui-même fixée coïncide presque exactement avec la date du lancement officiel.
Sur le propre graphique de DeepSeek, V4.1 Flash arrive en tête sur trois des quatre barres — CyberGym (88,1, devant chaque rival nommé), Automation-Bench (54,8) et DeepSWE v1.1 (74,2, devançant de justesse les 74,0 de Claude Opus 5) — mais accuse un net retard sur la quatrième : Terminal-Bench 3.0, où il obtient 30,0 contre 43,3 pour Opus 5 et 34,4 pour GPT-5.6 Sol, tout en restant devant Kimi K3 (17,7) et GLM-5.3 (28,3). DeepSeek n'a ni retiré ni recadré cette barre, alors même que c'est le seul endroit où son propre modèle accuse un net retard sur deux des quatre concurrents nommés — un point qui mérite d'être crédité, à l'inverse de ce que ce billet relevait comme absent de l'annonce bêta deux jours plus tôt.
Ce que le graphique ne couvre pas, c'est l'affirmation architecturale phare de cette même publication de lancement : la « compréhension visuelle native ». Les quatre benchmarks présentés sont tous des tâches textuelles et agentiques — usage du terminal, ingénierie logicielle, exercices de cybersécurité et automatisation —, pas des tâches visuelles ; l'affirmation multimodale que ce billet signalait comme la véritable histoire si elle se confirmait reste donc exactement au même point : affirmée par DeepSeek, non testée par le moindre benchmark que DeepSeek ait montré jusqu'ici. L'annonce de lancement constitue le premier message d'un fil en six parties ; seul le message d'ouverture et son graphique étaient disponibles au moment de la rédaction, si bien que le tarif, les modalités d'accès et le nom de modèle permanent pourraient figurer dans les parties suivantes du fil, non couvertes ici.
Un tableau de benchmarks plus complet, publié plus loin dans le même fil, rend explicite la comparaison la plus lourde de conséquences : V4.1 Flash face au précédent modèle phare de DeepSeek lui-même, V4-Pro-0813, pas seulement face aux rivaux extérieurs. Sur environ une douzaine de benchmarks communs — Terminal-Bench 2.1/3.0/4.0, DeepSWE v1.1, ProgramBench, NL2Repo-Bench, CyberGym, SEC-Bench Pro, ExploitGym, HLE avec outils, Automation-Bench, Agents' Last Exam et le classement Codeforces —, V4.1 Flash bat ou égale le modèle que DeepSeek vendait auparavant comme son fleuron, parfois avec un net écart (ExploitGym : 15,3 contre 5,4 ; Terminal-Bench 3.0 : 30,0 contre 11,8). Pro-0813 garde une nette avance sur deux benchmarks de culture générale : GPQA Diamond (92,4 contre 90,9) et HLE (42,7 contre 36,8, ou 39,1 sur le sous-ensemble texte seul de V4.1 Flash). C'est une réponse directe à la question que ce billet jugeait, deux jours plus tôt, plus lourde de conséquences que n'importe quel score isolé — Flash peut-il remplacer Pro entièrement : les propres chiffres de DeepSeek montrent désormais que son plus petit modèle de la nouvelle architecture peut, sur la plupart des tâches qu'elle a choisi de publier, remplacer le palier supérieur, à l'exception nette des évaluations de culture générale les plus larges.
Ce même tableau complet révise aussi ce qui était affirmé quelques paragraphes plus haut : qu'aucun des benchmarks montrés par DeepSeek ne testait l'affirmation de « compréhension visuelle native ». Le tableau complet inclut trois benchmarks aux noms à consonance visuelle — Chartography, BabyVision et ZeroBench-main, tous exécutés avec outils — où V4.1 Flash affiche des scores réels et non nuls (78,9, 89,6 et 49,0) qui battent Kimi K3 sur les trois, mais restent derrière Claude Opus 5 sur les trois (84,0, 94,1, 52,0) et se situent à peu près au niveau de GPT-5.6 Sol. GLM 5.3 n'a aucun score indiqué sur ces trois benchmarks. L'affirmation multimodale n'est donc pas restée non testée : elle l'a été, et les résultats décrivent une performance réelle mais pas dominante sur ce que mesurent ces trois évaluations — un tableau plus précis que le « affirmée, non testée » de quelques heures plus tôt.
DeepSeek a également étayé l'affirmation « inférence plus rapide, débit plus élevé » de la publication de lancement par un mécanisme concret : un graphique montrant la taille globale du cache KV par token chutant de 389 120 octets pour le DeepSeek-V1 d'origine à 890 octets pour V4.1 Flash — une réduction de 8,1 fois jusqu'à V3.2, une nouvelle réduction de 13,7 fois jusqu'à V4-Flash, puis une nouvelle réduction de 3,9 fois jusqu'à V4.1 Flash, chaque baisse réduisant directement la bande passante mémoire nécessaire à l'inférence. Et là où la bêta couverte plus haut reprenait le tarif fixe du palier V4-Flash existant, la tarification officielle de l'API, effective à partir de 4 h UTC le 10 septembre, introduit un changement structurel : des tarifs distincts en heures de pointe et hors pointe, exactement doublés en heures de pointe (1 h–4 h et 6 h–10 h UTC en semaine ; tout le reste, y compris les week-ends et jours fériés, est hors pointe) sur les trois composantes tarifaires — 0,003 $ contre 0,006 $ par million de tokens en entrée en cas de succès de cache, 0,15 $ contre 0,3 $ en cas d'échec de cache, et 0,6 $ contre 1,2 $ en sortie. Ce n'est pas le tarif unique et fixe que décrivait l'annonce bêta il y a deux jours ; c'est une nouvelle structure dépendante de l'heure de la journée, propre au lancement officiel.