DeepSeek V4.1 Flash 1017 : une mise à jour discrète, des prix cassés et des précautions

Pas d’annonce tonitruante, pas de conférence : le 17 octobre 2026, DeepSeek a simplement déposé sur Hugging Face un nouveau modèle, DeepSeek V4.1 Flash 1017, que sa fiche présente comme une « mise à jour mineure ». Le chiffre 1017 renvoie à la date de publication. Derrière cette discrétion, les gains sont nets en programmation et en tâches d’agent, et la start-up chinoise maintient sa stratégie de prix extrêmement bas. La nouvelle version remplace d’ailleurs automatiquement l’ancienne pour tous les utilisateurs de son API. Pour un développeur ou une entreprise européenne, la question n’est pas seulement de savoir ce que vaut le modèle, mais comment l’utiliser sans exposer ses données.

Ce qui change avec la version 1017

Selon sa fiche technique, le modèle améliore le raisonnement, la programmation, les tâches d’agent et la compréhension d’images, tout en réduisant le temps d’exécution des tâches et la longueur des réponses. Ce dernier point compte : un modèle qui répond plus court consomme moins de jetons, ce qui réduit la facture.

Le modèle compte 763 milliards de paramètres, gère un contexte d'un million de jetons et accepte des images en entrée. Il est publié sous licence MIT, l’une des plus permissives qui soient : chacun peut l’utiliser, le modifier et le redistribuer, y compris à des fins commerciales, sans obligation de mention particulière ni seuil de revenus. C’est une différence notable avec d’autres modèles ouverts récents, comme Muse Spark Open de Meta, dont la licence impose une mention visible et un accord au-delà d’un certain chiffre d’affaires.

Que valent ses scores ?

La fiche publiée par DeepSeek compare la nouvelle version à la précédente et à plusieurs concurrents. Elle progresse sur l’ensemble des onze tests publiés.

Deux précautions de lecture s’imposent. D’abord, ces scores sont publiés par DeepSeek lui-même, selon ses propres conditions de test. Ensuite, la comparaison porte sur des modèles qui ne sont plus les plus récents de leurs éditeurs : OpenAI et Anthropic commercialisent depuis GPT-6 et Claude Opus 5.5. Le tableau montre surtout que DeepSeek Flash, modèle conçu pour être rapide et peu coûteux, rivalise désormais avec les modèles haut de gamme de la génération précédente en programmation, tout en restant nettement derrière en raisonnement pur.

Combien coûte DeepSeek V4.1 Flash ?

C’est l’argument principal de DeepSeek. Son API facture le modèle à des tarifs qui varient selon l’heure : les heures de pointe (de 1 h à 4 h et de 6 h à 10 h, heure universelle, du lundi au vendredi) sont facturées le double des heures creuses.

À titre de comparaison, Claude Opus 5.5 d’Anthropic et Muse Wonder de Meta sont facturés 4 dollars par million de jetons en entrée et 20 dollars en sortie : DeepSeek Flash est plus de treize fois moins cher en entrée et plus de seize fois moins cher en sortie, même aux heures de pointe. Pour un développeur français, les heures de pointe correspondent, jusqu’au passage à l’heure d’hiver le 25 octobre, aux créneaux de 3 h à 6 h et de 8 h à 12 h : programmer les traitements lourds l’après-midi divise la facture par deux.

Comment estimer sa facture ?

Un exemple concret aide à mesurer l’écart. Résumer chaque jour 200 documents de dix pages, soit environ 1 million de jetons en entrée et 100 000 jetons en sortie, coûterait avec DeepSeek Flash entre 0,21 et 0,42 dollar par jour selon l’heure, contre environ 6 dollars avec un modèle facturé 4 et 20 dollars. Sur un mois de vingt jours ouvrés, l’écart dépasse 110 dollars. Pour un particulier qui teste quelques requêtes, la différence est négligeable ; pour une entreprise qui traite des volumes importants, elle devient décisive.

Une bascule automatique pour les utilisateurs de l’API

Les développeurs qui utilisaient l’ancien modèle Flash n’ont rien eu à faire : selon la documentation de DeepSeek, les anciens identifiants de modèle sont retirés et les requêtes sont désormais servies par la version 1017, au même tarif. C’est pratique, mais c’est aussi un risque pour une entreprise qui a validé une application sur l’ancienne version : un changement de modèle, même mineur, peut modifier le format ou la longueur des réponses. Mieux vaut relancer ses tests de non-régression après une telle bascule, surtout si l’application analyse automatiquement les réponses du modèle.

Données en Chine : la précaution à prendre

L’application et l’API de DeepSeek sont exploitées par une entreprise chinoise, et sa politique de confidentialité indique que les données collectées sont stockées sur des serveurs situés en Chine. Ce point a déjà valu à DeepSeek des mesures en Europe : dès janvier 2025, l’autorité italienne de protection des données avait ordonné le blocage de l’application dans le pays. Pour une entreprise soumise au RGPD, envoyer des données personnelles ou confidentielles à l’API de DeepSeek pose donc une vraie question de conformité.

La licence MIT offre une issue. Puisque les poids sont publics, le modèle peut être hébergé sur ses propres serveurs ou chez un hébergeur européen, sans qu’aucune donnée ne transite par la Chine. La contrepartie est matérielle : avec 763 milliards de paramètres, le modèle exige des serveurs équipés de plusieurs cartes graphiques haut de gamme, hors de portée d’un particulier.

Ce que révèle cette sortie

Cette mise à jour illustre la méthode de DeepSeek depuis son irruption en janvier 2025 : des améliorations publiées sans tapage, en accès libre, à des prix qui obligent les concurrents à justifier leurs tarifs. Elle intervient dans une semaine chargée pour les modèles ouverts, avec la publication par Meta de son propre modèle à poids ouverts, et alors que les laboratoires chinois dominent les classements indépendants de cette catégorie. Pour les entreprises européennes, l’enjeu n’est plus de savoir si ces modèles sont compétitifs, mais comment en profiter en gardant la maîtrise de leurs données. Les autres évolutions de la start-up sont à suivre sur notre page consacrée à DeepSeek.