DeepSeek ouvre les poids de V4.1 Flash 1017, un modèle 763B qui code à partir d’un simple souhait
Le 17 octobre 2026, DeepSeek publie et ouvre les poids de V4.1 Flash 1017 sous licence MIT : 763 milliards de paramètres en MoE, un contexte d’un million de jetons et un post-entraînement par RL auto-feedback qui améliore le codage et l’usage des agents. Les utilisateurs de l’API deepseek-flash en profitent sans changer une ligne de code ni payer plus.
17 octobre 2026. DeepSeek publie DeepSeek-V4.1-Flash-1017 et ouvre ses poids sous licence MIT. 763 milliards. Le nombre total de paramètres du modèle, sur une architecture mixture-of-experts. 77,0. Le score revendiqué sur le benchmark DeepSWE v1.1, au-dessus de Claude Opus 5 (74,0) et de GPT-5.6 Sol (73,0). Pourquoi c’est important : l’éditeur parle de « mise à jour mineure », mais elle rapproche un modèle ouvert — et très bon marché — des modèles fermés de tête sur le codage de bout en bout, sans augmenter les prix.
Une mise à jour « mineure » qui ne l’est pas
Officiellement, V4.1-Flash-1017 est présenté comme une itération de V4.1-Flash, la version de septembre. Mais les chiffres publiés racontent une autre histoire. Le modèle progresse sur l’inférence, le codage, les tâches d’agent et les benchmarks visuels, tout en raccourcissant ses sorties et son temps d’exécution — un double gain que DeepSeek résume comme une amélioration de la frontière Pareto performance-coût.
Deux points méritent d’être isolés. D’abord, le bond sur Terminal-Bench 4.0, un benchmark qui mesure les opérations en plusieurs étapes dans un vrai terminal — récupération d’erreurs, orchestration d’outils, navigation d’un shell. C’est là que la progression est la plus nette, et c’est précisément le type de capacité qui compte pour un agent. Ensuite, DeepSWE v1.1, un benchmark de résolution de tickets de code, où le modèle atteint 77,0, devant Claude Opus 5 et GPT-5.6 Sol. Il faut rappeler qu’il s’agit de résultats publiés par le vendeur : la vérification indépendante prendra du temps.
Le RL auto-feedback, moteur de la progression
Le levier technique annoncé n’est pas une nouvelle architecture mais une méthode d’entraînement : le reinforcement learning auto-feedback. L’idée est que le modèle s’évalue lui-même sur ses propres trajectoires et apprend de ses erreurs, plutôt que de dépendre uniquement de récompenses externes ou de données annotées par des humains. Sur le papier, c’est ce qui explique le gain sur les tâches longues : le modèle devient meilleur pour planifier, coder, déboguer et livrer un projet de bout en bout.
L’effet le plus concret se lit dans la facture. Le modèle produit des sorties plus courtes et exécute les tâches plus vite, ce qui réduit le coût par tâche sur plusieurs cadres d’évaluation d’agents. La tarification de l’API, elle, ne bouge pas : environ 0,30 $ le million de jetons en entrée (cache manqué, heures pleines) et 1,20 $ en sortie, moitié prix en heures creuses. En pratique, des sorties plus courtes font encore baisser le coût total — une amélioration gratuite pour quiconque appelle déjà deepseek-flash.
La « programmation par souhait » et ses démonstrations
DeepSeek résume la capacité centrale du modèle par l’expression « Wish-Driven Programming » : l’utilisateur énonce un souhait de haut niveau, et le modèle mène seul le pipeline complet, de la planification au codage, du débogage à la livraison. Les démonstrations publiées donnent la mesure de l’ambition : une modélisation 3D de la Cité interdite, un jeu de course web, un remake de « Portal 2 » sous Godot, et une scène 3D baptisée « Valley of Ages » qui fait défiler les époques de la préhistoire à l’ère moderne.
C’est une revendication à prendre avec le recul d’usage. « Générer un projet complet à partir d’une description » est une promesse que plusieurs acteurs formulent désormais ; ce qui distingue ici, c’est qu’elle est faite sur un modèle ouvert, dont les poids sont téléchargeables, plutôt que derrière une API fermée. La fiabilité, la sécurité et la maintenabilité de ces projets en production restent à démontrer sur la durée.
Ce que ça change pour les développeurs
Pour les utilisateurs de l’API, l’opération est transparente : l’identifiant deepseek-flash reste le même, les tarifs aussi, et les appels existants bénéficient du nouveau modèle sans changement de code. C’est la définition d’une mise à niveau « gratuite » au sens strict.
Pour ceux qui préfèrent l’auto-hébergement, les poids sont publiés sous licence MIT sur Hugging Face (deepseek-ai/DeepSeek-V4.1-Flash-1017) et ModelScope. La contrepartie est matérielle : avec 763 milliards de paramètres, l’exécution complète exige du parallélisme multi-GPU et des cadres d’inférence optimisés comme vLLM. La communauté a déjà commencé à travailler sur la quantification et les adaptations, mais le seuil d’entrée reste élevé pour un développeur individuel.
En parallèle, DeepSeek ouvre ses API internes Search et Fetch, pilotées par son moteur de recherche, aux développeurs externes, au prix de 0,75 $ pour 1 000 appels par endpoint. Les appels passant par DeepSeek Harness, Claude Code ou Codex sont gratuits jusqu’au 31 octobre 2026 à 16 h 00 UTC. C’est un signal de plus : DeepSeek ne vend pas seulement un modèle, il assemble un écosystème d’agents.
« Flash » ne veut pas dire petit
Le nom « Flash » entretient un malentendu qu’il vaut la peine de dissiper. Dans la gamme DeepSeek, « Flash » désigne la variante efficiente et rapide, pas un modèle compact : V4.1-Flash-1017 totalise environ 763 milliards de paramètres. C’est un MoE — un mixture-of-experts — ce qui veut dire que la totalité du modèle n’est jamais sollicitée en même temps. Seuls quelques experts s’activent par jeton, ce qui réduit drastiquement le coût d’inférence malgré la taille brute.
Cette distinction entre paramètres totaux et paramètres actifs est devenue le vrai critère de lecture des fiches techniques. Un modèle à 763 milliards de paramètres totaux peut rester rapide et bon marché si ses paramètres actifs par jeton sont bien plus faibles. C’est exactement ce qui permet à DeepSeek de tenir un tarif de 0,30 $ le million de jetons en entrée — un niveau de prix de modèle compact — avec une capacité de modèle de grande taille.
La contrepartie, on l’a dit, est matérielle : pour faire tourner les 763 milliards en local, il faut du multi-GPU et un moteur d’inférence qui gère le MoE efficacement, comme vLLM. La quantification réduit ce fardeau, mais ne l’annule pas. « Flash » promet de la vitesse au niveau de l’API ; il ne promet pas la frugalité sur votre propre matériel.
Les limites à garder en tête
Trois réserves tempèrent l’enthousiasme. Les benchmarks sont déclarés par le vendeur : la stabilité et la généralisation en conditions réelles demandent une évaluation indépendante. Sur le raisonnement pur — typiquement HLE — le modèle reste derrière les têtes de série fermées comme Claude Opus 5. Et le nombre de paramètres maintient une barrière de déploiement réelle : c’est un modèle d’équipe ou d’entreprise, pas un modèle de salon.
Il faut aussi lire l’annonce dans la trajectoire de DeepSeek. En juillet, V4-Flash avait déjà battu la preview de V4-Pro par le seul post-entraînement, puis V4-Pro était passé en GA avec des poids ouverts. Cette itération 1017 confirme une stratégie stable : post-entraînement + renforcement pour combler l’écart avec les modèles fermés, à prix cassé, avec des poids publiés sous licence permissive.
Verdict
Si vous développez des agents ou du code sensible au coût, V4.1-Flash-1017 est une mise à niveau à prendre sans hésiter : mêmes appels, mêmes prix, meilleurs résultats sur le codage et les opérations de terminal. Si vous visez le raisonnement de pointe ou une évaluation rigoureuse, attendez les benchmarks indépendants et gardez un modèle fermé de tête en référence sur les tâches où la marge compte. Dans les deux cas, retenez le mécanisme : ce n’est pas un nouveau modèle massif qui fait la différence, c’est le post-entraînement — et c’est ce qui rend la course au sommet moins verrouillée qu’elle n’en a l’air.