DeepSeek V4.1 Flash est une sortie rare où le modèle plus récent est moins cher et meilleur que le niveau qu'il remplace. Il est arrivé le 10 septembre 2026 sous le nom deepseek-flash, un modèle de 552B paramètres avec vision native, et DeepSeek retire son propre V4 Pro parce que ce modèle plus petit le bat sur la plupart des tests.
Le prix fait la une : hors pointe, $0,15 par million de tokens d'entrée et $0,60 par million de sortie, ce qui sous-cote le V4 Flash sortant et représente environ un tiers de V4 Pro. La partie astucieuse est l'architecture, qui ramène le coût mémoire des longs contextes à 890 octets par token.
Pour ceux qui livrent des tâches d'agents bon marché, c'est vraiment enthousiasmant. Pour qui pense à le brancher sur des conversations clients, le modèle est la partie facile. Les connaissances, les garde-fous et les tests autour sont ce qui fait réellement fonctionner un agent de support, et c'est là qu'un modèle d'API brut vous laisse le plus de travail.
Je construis des agents IA chez eesel, et je passe donc beaucoup de ma semaine à regarder ce qui se passe quand un modèle rencontre une vraie file de support plutôt qu'un benchmark. La version courte de ce que nous avons appris en faisant tourner l'IA sur des milliers de tickets réels : un modèle qui sonne assuré mais se trompe est pire que pas de modèle du tout, et c'est pourquoi je lis une sortie comme celle-ci pour ce qu'elle change en production, pas seulement pour ses scores. DeepSeek V4.1 Flash change beaucoup de choses en coût et en vitesse, il mérite donc un vrai examen.
Ce qui a vraiment changé avec V4.1 Flash
DeepSeek a lancé V4.1 Flash le 10 septembre 2026 en le qualifiant de « plus petit modèle de notre nouvelle famille d'architecture, avec compréhension visuelle native ». Cette formulation compte : ce n'est pas un ajustement du modèle du mois dernier, c'est une nouvelle conception, et elle s'accompagne d'un peu de ménage.
Le ménage est la partie intéressante. DeepSeek fusionne trois modèles en un. L'ancien deepseek-v4-flash et l'expérimental deepseek-v4-flash-vision-exp sont tous deux retirés et redirigent maintenant vers V4.1 Flash. Plus surprenant encore, le vaisseau amiral V4 Pro est aussi supprimé progressivement : à partir de 04:00 UTC le 14 septembre 2026, chaque requête deepseek-v4-pro est servie par V4.1 Flash aux tarifs Flash jusqu'à la sortie d'un futur V4.1 Pro. Le raisonnement de DeepSeek est sans détour : le petit modèle a « comprehensively surpassed » le grand.
Tout le monde n'a pas aimé la redirection. La réaction la plus bruyante sur Hacker News ne portait pas sur le modèle, mais sur le fait de basculer des clients payants vers un autre modèle sans délai de dépréciation :
"If I'd carefully tested and optimized prompts against Pro I wouldn't be keen on this particular news. I feel like API model providers should lean towards not swapping out models on their paying customers, no matter how much "better" the new model is meant to be."
C'est un reproche légitime, à retenir si vous figez des modèles en production. Le contre-argument, tout aussi légitime, est que DeepSeek est un petit laboratoire qui ne peut réalistement héberger qu'un modèle de pointe à la fois, et qu'il publie chaque version en open source, de sorte que quiconque a besoin d'une cible figée peut auto-héberger exactement ces poids pour toujours. Dans tous les cas, si vous construisez sur l'API DeepSeek, considérez « le modèle peut changer sous mes pieds » comme une vraie contrainte de conception, comme avec n'importe quel LLM hébergé.
L'architecture : pourquoi un modèle plus gros est devenu plus rapide et moins cher
Voici la partie que je trouve vraiment astucieuse, et elle mérite d'être comprise car elle explique le prix. La plupart des modèles gardent un gros tas de paramètres actif tout le temps où ils lisent votre prompt et écrivent leur réponse. V4.1 Flash divise ce travail en deux avec ce que DeepSeek appelle une architecture encodeur-décodeur causale. Un encodeur de 20 couches lit votre entrée avec seulement 8 milliards de paramètres actifs, puis un décodeur de 20 couches écrit la réponse avec 16 milliards. Le modèle complet compte 552B paramètres, mais seule une fraction est activée à la fois.
Si « 8B pour lire » importe, c'est que le travail d'agents est gourmand en entrée. Quand votre modèle mâche un long historique de tickets, une base de connaissances et un tas de définitions d'outils, la plupart des tokens sont de l'entrée, et V4.1 Flash les lit à bas coût.
L'autre moitié du tour est le cache KV, la mémoire de travail qu'un modèle conserve en parcourant un long contexte. C'est d'ordinaire ce qui rend les appels à long contexte chers et lents. DeepSeek a ramené son cache à 890 octets par token, soit selon lui environ un quart de celui de V4 Flash et à peu près 437 fois moins que son modèle V1 d'origine. En termes matériels, c'est un quart de la mémoire à haute bande passante et un huitième de l'empreinte SSD de la génération précédente.
Cette compression est toute la raison pour laquelle DeepSeek a pu augmenter le nombre de paramètres tout en baissant le prix. Elle se voit aussi dans la vitesse. Des opérateurs ayant testé la préversion ont rapporté un débit stupéfiant :
"I've been trying out the 4.1 flash preview for some bulk tasks [...] I was getting something like 300-400 tok/s which was just insanity. It was running so much faster than the toolcalls themselves."
À 250-400 tokens par seconde, plusieurs ont souligné que Gemini Flash n'est plus l'option la plus rapide pour le travail à gros volume. Le modèle conserve aussi l'effort de raisonnement réglable en continu de DeepSeek, un cadran entier de 1 à 100 qui échange coût contre précision. Une plainte honnête d'ergonomie : en pratique, les préréglages de l'API passent de « low » directement à « high » et « max », et les gens veulent un vrai « medium » parce que « high » brûle vite les tokens.
Benchmarks : meilleur que V4 Pro, en deçà de la pointe
Le tableau comparatif de DeepSeek est l'image la plus claire, et je le prends au pied de la lettre en précisant qu'il s'agit de chiffres rapportés par l'éditeur.
L'histoire que raconte le tableau est cohérente. Sur le travail d'agents et de code, V4.1 Flash tend à dominer le groupe : Terminal-Bench 2.1 à 90,6, DeepSWE à 74,2, un classement Codeforces de 3471 et HLE avec outils à 63,9, ce qui dépasse de peu les 63,6 de Claude Opus 5. Il devance V4 Pro sur presque toutes les lignes communes, ce qui appuie la décision de retirer Pro.
La réserve honnête est le raisonnement pur sans outils. Sur Humanity's Last Exam, V4.1 Flash obtient 36,8 (39,1 sur la tranche texte seul), bien en dessous de GPT-5.6 Sol à 44,5 et de Claude Opus 5 à 56,3. C'est donc un excellent bourreau de travail utilisant des outils, pas un nouveau champion du raisonnement. Cela correspond à ce que les gens rapportent en faire :
"I used a lot V4 flash to implement plans built by other models, and it was honestly top notch. The thing was a workhorse."
L'avis de Reddit dans le fil des benchmarks allait dans le même sens : impressionnés par l'efficacité, sceptiques sur le fait qu'un modèle Flash surpasse vraiment un géant comme Kimi K3 au quotidien. Ce scepticisme est sain. Les benchmarks surreprésentent les casse-têtes bien rangés et sous-représentent le vrai travail désordonné, et les tickets de support sont à peu près ce qu'il y a de plus désordonné.
Tarifs de DeepSeek V4.1 Flash
C'est sur le prix que cette sortie mérite l'attention. Les tarifs ci-dessous sont par million de tokens, et DeepSeek applique un calendrier pointe/creux où le creux vaut exactement la moitié de la pointe.
| Poste (par 1M de tokens) | Hors pointe | Pointe |
|---|---|---|
| Entrée, cache hit | $0,003 | $0,006 |
| Entrée, cache miss | $0,15 | $0,30 |
| Sortie | $0,60 | $1,20 |
| Fenêtre de contexte | 1M | 1M |
| Sortie max. | 384K | 384K |
| Concurrence | 2 500 | 2 500 |
Quelques points à connaître. Les heures de pointe sont 01:00-04:00 et 06:00-10:00 UTC en semaine, ce qui correspond aux heures de bureau chinoises, de sorte qu'une file de support américaine ou européenne est surtout facturée au tarif hors pointe, moins cher. C'est une économie réelle et un peu fragile, puisque votre facture dépend discrètement de l'horloge. Le modèle gère aussi les appels d'outils, la sortie JSON, l'API Responses d'OpenAI et un point d'accès au format Anthropic, et autorise 2 500 requêtes simultanées contre 500 pour V4 Pro.
Pour mémoire, le V4 Flash sortant coûtait $0,22 hors pointe en cache miss et $0,66 en sortie, donc V4.1 Flash est une vraie baisse de prix en plus d'un gain de capacités. Des membres de la communauté ont fait les calculs face au rival évident et ont été francs sur le résultat :
"The direct competition is Gemini Flash, and these models are much better on agentic tasks with fraction of the task price compared to Gemini... 20-30% of the price per task. And especially Deepseek Flash produces better quality than Gemini does."
Pour voir ce que cela donne sur votre propre charge, voici un estimateur mensuel approximatif. Saisissez vos volumes de tokens et il fait le calcul.
Ce que les gens disent vraiment
Au-delà de l'enthousiasme pour le prix et la vitesse, quelques thèmes méritent d'être signalés avant de construire dessus.
Le premier est la taille. L'ancien V4 Flash faisait 284B et se faisait tourner raisonnablement en local. V4.1 Flash en fait presque le double, ce qui a lancé un débat amusant : compte-t-il encore comme « Flash » ?
"The bad news is that the original v4 flash was 284B, which was large but still somewhat reasonable for running locally. This one is 552B so almost twice that [...] it's not really flash anymore, imo... it's probably the newest king of the hill amongst open weights models."
Si vous voulez auto-héberger les poids MIT, prévoyez le budget. Le calcul d'un commentateur l'a situé à environ 384 Go de mémoire, à peu près une configuration à quatre RTX PRO 6000. C'est une machine sérieuse, mais toujours moins chère que le salaire d'un développeur si la charge le justifie. Pour la plupart des équipes, les options open source qui tiennent sur du matériel plus modeste sont un point de départ plus raisonnable.
Le second est la bizarrerie des « réponses en chinois » qui revient sans cesse :
"the web ui chat version of flash has very poor language following abilities in my experience: You may ask it something in English, and get a thinking chain in Chinese with an answer in Chinese."
La nuance utile est que les gens l'attribuent à plusieurs reprises à l'interface web et à des fournisseurs tiers bon marché utilisant de faibles quantifications, pas à l'API propre de DeepSeek. Si vous appelez l'API officielle, vous avez bien moins de chances d'y être confronté, mais cela rappelle que l'endroit où vous exécutez le modèle compte autant que le modèle lui-même.
Faut-il brancher V4.1 Flash sur le support client ?
C'est la question qui m'importe vraiment, et la réponse est un net « comme moteur, oui, mais les yeux ouverts ».
Les atouts sont réels. Il est bon marché, rapide, a un contexte de 1M de tokens, lit les images et est livré sous licence MIT que vous pouvez auto-héberger. Pour des tâches bien délimitées à gros volume, c'est une excellente combinaison, et c'est exactement le genre de modèle vers lequel je dirigerais volontiers le travail répétitif.
Les mises en garde sont tout aussi réelles, et elles concernent les données, pas la qualité. Les conditions de l'API payante de DeepSeek ne précisent pas si vos entrées servent à entraîner le modèle, il n'existe pas d'option de rétention zéro publiée ni d'accord de traitement des données, et les requêtes sont traitées en RPC. Pour une file de support remplie de noms de clients, de détails de commandes et d'informations personnelles, c'est une discussion de conformité à avoir avant, pas après. Si c'est votre univers, notre article sur SOC 2 et le RGPD pour les chatbots de support est une bonne introduction, et les mêmes questions que nous soulevons sur la confidentialité des données de l'IA valent pour tout modèle hébergé.
Le point le plus important est pourtant celui auquel je reviens après des années à livrer ce genre de produit : le modèle représente peut-être 2 % de ce qui fait un bon agent de support. Les 98 % restants, c'est de savoir s'il a les bonnes connaissances de l'entreprise, s'il sait quand s'arrêter et passer la main à un humain, s'il peut réellement effectuer des actions dans votre helpdesk et si vous l'avez testé avant qu'il affronte un client. Un modèle brillant et bon marché câblé sans soin donne quand même des réponses fausses avec aplomb, et nous l'avons vu assez souvent pour bâtir tout notre produit autour de la prévention de cela.
Essayez eesel
DeepSeek V4.1 Flash est de l'infrastructure. C'est un moteur fantastique, mais un moteur n'est pas un employé. eesel est une plateforme de coéquipiers IA : au lieu d'un modèle brut à envelopper de connaissances, de garde-fous et d'intégrations, vous embauchez un coéquipier prêt à travailler pour une mission précise. Le coéquipier IA pour helpdesk rejoint votre file existante, apprend de vos anciens tickets et de votre centre d'aide et sait quand escalader, de sorte que le modèle en dessous est un détail que vous n'avez pas à gérer.
Comme les articles sur un nouveau modèle attirent souvent des gens qui aiment travailler dans un terminal, un point à souligner : eesel n'est pas un produit réservé au tableau de bord. Il fournit une vraie interface en ligne de commande, @eesel/cli, et chaque espace de travail est aussi un serveur MCP. Cela signifie qu'une personne peut piloter le même coéquipier depuis un terminal, que des scripts peuvent l'automatiser en CI et que des agents de code comme Claude Code ou Cursor peuvent l'opérer directement, comme vous géreriez des agents depuis le terminal. Vous pouvez connecter une intégration, modifier les instructions permanentes, lancer une simulation sur votre historique réel de tickets pour vérifier la qualité des réponses et inspecter chaque exécution avec eesel activity, le tout sans ouvrir de navigateur. C'est la façon API-first de gérer le support dans laquelle beaucoup de l'audience de DeepSeek se sentira à l'aise, documentée dans les docs de la CLI eesel.
La tarification est un prix mensuel fixe, à partir de $299/mois pour 500 crédits (1 crédit par ticket ou chat) sans frais par utilisateur, et il existe un plan gratuit avec 100 crédits pour le tester sur vos propres tickets avant de vous engager. Si vous lorgnez un modèle bon marché pour réduire vos coûts de support, cette étape de simulation est celle que je ne sauterais pas : essayez eesel et voyez d'abord la vraie qualité des réponses sur vos propres données.
Questions fréquentes
Qu'est-ce que DeepSeek V4.1 Flash ?
DeepSeek V4.1 Flash est le tout dernier modèle à poids ouverts de DeepSeek, sorti le 10 septembre 2026 et appelable sur l'API sous le nom deepseek-flash. C'est un modèle à mélange d'experts de 552B paramètres avec entrée d'image native, et DeepSeek affirme qu'il bat l'ancien DeepSeek V4 Flash et même le niveau V4 Pro qu'il remplace.
Combien coûte DeepSeek V4.1 Flash ?
Hors heures de pointe, c'est $0,15 par million de tokens d'entrée en cas de cache miss, $0,003 en cas de cache hit et $0,60 par million de tokens de sortie. Aux heures de pointe (01:00-04:00 et 06:00-10:00 UTC en semaine), ces tarifs doublent. C'est moins cher que le V4 Flash sortant et bien moins cher que V4 Pro. Consultez l'article sur les tarifs de DeepSeek V4 Flash pour voir comment le niveau précédent se situait.
DeepSeek V4.1 Flash est-il meilleur que DeepSeek V4 Pro ?
Dans le tableau de benchmarks de DeepSeek lui-même, il devance de peu V4 Pro sur la plupart des tests d'agents et de code tout en coûtant environ un tiers, ce qui explique pourquoi DeepSeek retire V4 Pro. En raisonnement pur sans outils, il reste derrière des modèles de pointe comme Claude Opus 5. Pour un duel plus costaud, voir DeepSeek V4 Flash vs GPT-5.6.
Puis-je faire tourner DeepSeek V4.1 Flash en local ?
Oui, les poids sont sous licence MIT sur Hugging Face, l'auto-hébergement est donc autorisé. Le hic, c'est la taille : avec 552B paramètres, il faut environ 384 Go de mémoire (pensez à une machine avec quatre RTX PRO 6000), ce n'est donc plus du matériel de portable. Pour un point de départ plus léger, parcourez les plateformes de chatbot open source.
DeepSeek V4.1 Flash est-il sûr pour les données clients ?
Les conditions de son API payante ne précisent pas si vos entrées servent à l'entraînement, il n'existe pas d'option de rétention zéro publiée ni de DPA, et les données sont traitées en RPC. Pour du support réglementé, renseignez-vous sur SOC 2 et le RGPD pour les chatbots de support avant de le brancher sur de vrais tickets.
DeepSeek V4.1 Flash prend-il en charge la vision ?
Oui. La vision est désormais native au modèle principal et remplace l'ancienne version expérimentale V4 Flash Vision. Il peut lire images et texte ensemble, même si certains utilisateurs notent que le harnais de DeepSeek n'expose pas encore d'outil d'image pour tous les flux.
Dois-je utiliser DeepSeek V4.1 Flash pour le support client ?
En tant que modèle brut, c'est un moteur solide et bon marché, mais un agent de support a besoin par-dessus de connaissances de l'entreprise, de garde-fous, de tests et d'actions dans le helpdesk. Une plateforme comme eesel gère cette couche, et son coéquipier IA pour helpdesk se branche sur vos outils existants au lieu de vous laisser câbler un modèle vous-même.