DeepSeek V4.1 Flash : le niveau rapide, son prix réel et la question de la gratuité tranchée

DeepSeek V4.1 Flash est la déclinaison rapide de la gamme V4.1 de DeepSeek : un modèle multimodal à mélange d'experts, doté d'une fenêtre de contexte de 1 048 576 jetons, de la prise en charge des images en entrée, de poids sous licence MIT sur Hugging Face, et d'un tarif catalogue hors heures de pointe de 0,15 $ par million de jetons en entrée et de 0,60 $ par million de jetons en sortie. Il est passé en disponibilité générale le 10 septembre 2026 ; cette sortie est donc un fait qui date le modèle, et non un événement que cette page rapporte — et deux questions amènent les lecteurs ici bien longtemps après cette date : s'il est gratuit, et comment il se comporte face au modèle qui se trouve déjà devant eux. La première appelle une réponse courte, elle vient donc en premier.

DeepSeek V4.1 Flash est-il gratuit ? La réponse que vous êtes venu chercher

Non. Sur la plateforme de DeepSeek elle-même, il n'existe pas d'offre d'API gratuite pour ce modèle — pas de quota mensuel gratuit ni de point de terminaison gratuit. La facturation se fait à l'usage, sur un solde préalablement approvisionné, aux tarifs indiqués sur la même fiche que le reste de la gamme. L'identifiant de modèle que vous appelez pour celui-ci est deepseek-flash, et chaque requête effectuée avec cet identifiant est facturée aux tarifs Flash publiés. L'application grand public est gratuite ; l'API qui la sous-tend ne l'est pas, et les deux sont des produits distincts.

Ce qui est vraiment proche de la gratuité, c’est le cache. Un jeton d’entrée déjà présent dans le cache coûte 0,003 $ par million, contre 0,15 $ pour un jeton d’entrée frais en heures creuses — soit un cinquantième. Toute charge de travail dotée d’un préfixe important et stable (instructions système, schémas d’outils, carte de dépôt) ne paie presque rien pour la partie répétée du prompt, tandis que les nouveaux jetons portent le coût. Les conditions exactes dans lesquelles la remise s’applique sont du ressort de DeepSeek, et non du client ; consultez donc la documentation actuelle avant de bâtir un budget sur ce chiffre.

Il existe une seconde raison pour laquelle la question du gratuit se pose, et il vaut la peine de la distinguer de la première. Des plateformes tierces annoncent un accès gratuit ou en essai à ce modèle, et ces voies existent bel et bien ; ce sont aussi le genre de conditions qui changent sans préavis, et aucune d'entre elles ne s'appuie sur la grille tarifaire propre à DeepSeek. Considérez-les comme des surfaces de prototypage plutôt que comme des backends de production. Notre propre catalogue comporte bien une entrée à coût nul — mais il s'agit de deepseek/deepseek-v4-flash-free, le V4 Flash retiré, et non de ce modèle. Les deux ne diffèrent que d'un numéro de version, et ce ne sont pas la même chose.

Où se situe Flash dans la gamme V4.1

V4.1 est une nouvelle famille d'architectures, et non une simple version de V4. Flash en est le petit membre rapide — le palier conçu pour le débit et le coût plutôt que pour le sommet du classement. Son grand frère phare est DeepSeek-V4-Pro-0813, servi sous l'identifiant de modèle deepseek-v4-pro, facturé à 0,66 $ par million de tokens en entrée et 1,98 $ par million en sortie aux heures creuses : environ quatre fois et demie le tarif de Flash en entrée et un peu plus de trois fois en sortie, avec un plafond de concurrence de 500 contre 2 500 pour Flash. DeepSeek rapporte elle-même que V4.1 Flash surpasse largement V4 Pro en matière de performance, de coût, de vitesse et de temps total d'exécution — il s'agit de l'affirmation du fournisseur sur ses propres benchmarks, et non d'une mesure indépendante, et c'est la raison pour laquelle le nom des paliers se lit à l'envers pour quiconque part du principe que « Pro » est toujours le meilleur achat.

Une limite à respecter : DeepSeek V4.1 Pro n'est pas encore sorti. Il n'apparaît dans la documentation de DeepSeek que comme un modèle à venir. Rien sur cette page ne s'y applique, et rien de ce que nous proposons non plus.

La spécification, telle que DeepSeek la publie

Tout ce qui suit est tiré de la fiche du modèle sur Hugging Face, à l'adresse deepseek-ai/DeepSeek-V4.1-Flash. Lorsqu'un chiffre relève d'une affirmation du fournisseur plutôt que d'une mesure établie, c'est précisé.

• Paramètres — squelette de 552B, rapporté par le fournisseur. La fiche indique 8B de paramètres activés par token pendant le prefill et 16B pendant le decode, dans une architecture mixture-of-experts avec 1 expert partagé et 384 experts routés par couche MoE, dont six actifs par token. • Architecture — un Causal Encoder-Decoder de 40 couches : un encodeur causal de 20 couches alimentant un décodeur de 20 couches. • Contexte — 1 048 576 tokens, que la fiche arrondit à un million. • Plafond de sortie — 384K tokens maximum sur l'API du fournisseur, donc définissez explicitement le plafond plutôt que de faire confiance à la valeur par défaut. • Modalité — texte et images en entrée, texte en sortie. La vision passe par un encodeur DeepSeek-ViT plus un projecteur MLP à deux couches. • Précision — les poids publiés sont des safetensors en BF16, F32, F8_E4M3 et I8, avec FP8 signalé sur la fiche. Le cache KV est quantifié en FP4 (E2M1 avec une échelle E4M3 pour 16 canaux). • Licence — MIT, pour le dépôt comme pour les poids. • Publication — disponibilité générale le 2026-09-10 ; 48 shards safetensors, environ 510 GB dans le dépôt.

Flash contre Pro : la question que suscite le nom du niveau

Si vous hésitez entre les deux, la règle n’est pas « Pro est plus fort ». Le palier Flash existe pour le volume : un trafic à forte concurrence et sensible aux coûts, où une facture de tokens représentant un quart de celle de Pro compte davantage que les quelques derniers points de capacité, et où le plafond de concurrence de 2 500 requêtes est en soi la raison d’être ici. Le palier Pro existe pour le raisonnement le plus exigeant et le travail agentique, où vous payez pour le haut de la gamme et où le plafond de débit est une contrainte que vous acceptez. Voilà toute la logique du choix — les preuves de la confrontation directe, y compris là où Pro l’emporte encore, se trouvent dans notre propre comparaison DeepSeek V4.1 Flash vs DeepSeek V4 Pro plutôt qu’ici, et les deux pages ne se répètent délibérément pas l’une l’autre.

L'exécuter : API, poids, ou les deux

Les deux voies sont ouvertes. DeepSeek sert le modèle sur sa propre API sous l'identifiant deepseek-flash, sur une URL de base compatible OpenAI et sur une autre compatible Anthropic, de sorte qu'un client existant n'a généralement qu'à modifier la chaîne du modèle. Par ailleurs, les poids sont téléchargeables : sous licence MIT, 48 fragments safetensors, environ 510 Go, ce qui les place hors de portée de toute machine mono-GPU et résolument dans la catégorie « louez un nœud ou renoncez ». DeepSeek fournit aussi une recette d'inférence officielle dans le dépôt — une implémentation de référence lisible plutôt qu'un moteur de service de production — et son exemple concret convertit les poids en experts fp4 à une taille de parallélisme de modèle de huit, ce qui est ce que le dépôt offre de plus proche d'une indication de dimensionnement. Le détail pratique qui décide si l'auto-hébergement est agréable en est un autre : le modèle prend en charge un effort de raisonnement sélectionnable en continu de 1 à 100, et il continuera volontiers à générer longtemps après que le travail est terminé si vous ne réglez pas ce curseur. Les configurations mesurées, les débits réellement rapportés et le mode de défaillance de sur-réflexion, avec des atténuations qui fonctionnent, figurent tous dans notre guide de déploiement local de DeepSeek V4.1 Flash ; le résumé honnête est que la voie API est moins chère tant que votre volume reste faible, et que la voie des poids relève d'une décision de capacité plutôt que de coût.

Qu'est-ce qui n'est pas réglé ?

Deux points, et aucun n'est anodin. Le nombre de paramètres ne concorde pas avec les poids. La fiche de DeepSeek indique 552B ; l'index safetensors du dépôt lui-même — le champ Model size de la page du modèle sur Hugging Face — totalise 763B répartis sur les 48 shards, dans un dépôt d'environ 510 GB. Les deux chiffres sont publiés, ce ne sont pas les mêmes, et personne n'a tranché publiquement cet écart, donc considérez 552B comme déclaré par le fournisseur plutôt que comme mesuré. Et les propres documents de DeepSeek sont incohérents au sujet des anciens identifiants V4 Flash — la page de tarification indique que les noms retirés sont acceptés et acheminés vers ce modèle aux tarifs Flash, tandis que d'autres pages décrivent l'acheminement différemment. Identifiez le modèle à partir de la réponse plutôt que de supposer quel modèle a répondu.

Disponibilité sur OrcaRouter, vérifiée aujourd'hui

OrcaRouter sert ce modèle. Il figure dans notre catalogue en direct sousdeepseek/deepseek-v4.1-flash — notez que l'identifiant écrit la version avec un point, v4.1, alors que les slugs de notre blog la séparent par un trait d'union. Copiez la chaîne exactement telle que la liste la présente, sinon un client ne trouvera rien. La fiche indique une fenêtre de contexte de 1 048 576 tokens, une sortie maximale de 384 K, une entrée texte et image, ainsi que les chiffres hors pointe du fournisseur lui-même : 0,15 $ par million en entrée et 0,60 $ par million en sortie, avec 0,003 $ par million sur les hits de cache, répercutés avec 0 % de marge — le tarif de DeepSeek est ce que vous payez, et les fenêtres de pointe en semaine de DeepSeek le doublent encore. Le basculement automatique signifie que vous pouvez placer un modèle non éprouvé derrière une route qui se replie en cas d'erreur ou de limitation de débit, ce qui est un moyen peu coûteux de vérifier s'il tient la route avant qu'il n'atteigne un chemin de production. Cette affirmation ne concerne que cet identifiant et ce modèle ; DeepSeek V4 Pro et l'ensemble de la gamme V4 sont des fiches distinctes et des faits distincts.

L’ensemble de comparaison : quoi ouvrir ensuite

C'est là que se trouvent réellement les lecteurs. Dans nos propres données Search Console, extraites le 2026-10-13, la famille DeepSeek V4.1 Flash a enregistré 9 444 impressions et 418 clics sur 198 requêtes — et sa ligne la plus importante en termes d'impressions n'était pas le nom du modèle, mais un face-à-face, deepseek v4.1 flash vs glm 5.3 flash, avec 1 372 impressions. Le terme seul a totalisé 2 025 impressions sur 33 requêtes. Dix pages de comparaison se trouvent sous cette racine, et chacune est rédigée pour répondre à sa propre question plutôt que de répéter cette page :

• DeepSeek V4.1 Flash vs GLM-5.3-Flash — la concurrence sur les prix, et la pénalité de latence au démarrage qui accompagne la victoire. • DeepSeek V4.1 Flash vs DeepSeek V4 Flash — la question de la migration, à laquelle DeepSeek a partiellement répondu en retirant les identifiants de l'ancien modèle. • DeepSeek V4.1 Flash vs DeepSeek V4 Pro — la transition que DeepSeek avait programmée puis annulée, et ce entre quoi elle vous laisse choisir. • DeepSeek V4.1 Flash vs Gemini 3.8 Flash — deux prix bas associés à deux types d'expiration très différents. • DeepSeek V4.1 Flash vs GPT-5.6 Sol — l'écart de prix à côté de l'écart de temps jusqu'au premier token. • DeepSeek V4.1 Flash vs GPT-5.6 Terra — où un seuil de contexte modifie le tarif en cours de requête. • DeepSeek V4.1 Flash vs Claude Opus 5 — deux tableaux de scores qui ne s'accordent pas sur le modèle gagnant. • DeepSeek V4.1 Flash vs Grok 4.6 — un petit écart de capacités face à une grosse facture récurrente. • DeepSeek V4.1 Flash vs Kimi K3 — l'affirmation du fournisseur lui-même sur son duel, confrontée aux preuves qui la sous-tendent. • DeepSeek V4.1 Flash vs Qwen3.8-Max — la même fenêtre de contexte à vingt fois le prix par token.

Si vous n’avez le temps que pour un seul, consultez le comparatif GLM-5.3-Flash : c’est la ligne que les lecteurs tapent le plus, et les deux modèles ont des prix suffisamment proches pour que la décision repose sur la vitesse à laquelle vous avez besoin du premier token plutôt que sur le coût de chaque token.