DeepSeek V4.1 Flash vs DeepSeek V4 Flash : une semaine après, mesuré indépendamment

La question à laquelle cette comparaison était censée répondre — faut-il passer de DeepSeek V4 Flash à DeepSeek V4.1 Flash — s’est raccourcie cette semaine, car DeepSeek y a répondu en partie sans qu’on le lui demande. Depuis le 14 septembre 2026 à 04:00 UTC, les appels API visant l’identifiant retiré deepseek-v4-flash sont servis par DeepSeek V4.1 Flash, et les appels visant deepseek-v4-pro le sont aussi, les deux étant facturés aux tarifs Flash. Rester tranquillement sans rien changer ne fait plus partie des options sur le propre point de terminaison du fournisseur. Ce qui reste réellement en suspens, c’est de savoir si le nouveau modèle est meilleur de la manière annoncée lors du lancement — et là, la première mesure indépendante est désormais arrivée, et elle coupe proprement en deux le récit du lancement.

Chaque chiffre ci-dessous porte une date, car les sept derniers jours ont été mouvementés. Les chiffres rapportés par les fournisseurs sont étiquetés « rapportés par le fournisseur » et les chiffres de la communauté « mesurés par la communauté », et chacun a été lu depuis sa propre source plutôt que repris de la version antérieure de cet article. DeepSeek V4.1 Flash a atteint la disponibilité générale le 10 septembre 2026 — il y a six jours — et suffisamment de choses se sont stabilisées depuis le 9 septembre pour que la version précédente de cette comparaison soit désormais trompeuse sur deux points. L'un d'eux est la vitesse, et il induit en erreur dans la direction souhaitée par le lancement.

Qu'est-ce qui a fermé entre le 9 septembre et aujourd'hui ?

Six choses étaient des questions en suspens lorsque cette association a été documentée pour la première fois. Les six ont désormais une réponse, et une seule d’entre elles est une mauvaise nouvelle.

• Disponibilité générale — confirmée et datée. Le propre journal des modifications de DeepSeek indique la sortie au 2026-09-10, et le modèle est en ligne dans l'App, le client web et l'API sous l'identifiant deepseek-flash.

• La grille tarifaire — est arrivée comme annoncé. Les tarifs qui circulaient avant le lancement ont été présentés comme une fuite avant le lancement ; ils constituent désormais la grille publiée, et ce sont les chiffres deux sections plus bas.

• Poids ouverts — répondu. Les poids sont publiés sur Hugging Face sous licence MIT, accompagnés d'un rapport technique, sans restriction d'accès ni formulaire d'accès.

• Mesure indépendante — arrivée. Artificial Analysis a désormais fait tourner DeepSeek V4.1 Flash, qui était la plus grande lacune de l’article du 9 septembre. Elle est abordée ci-dessous, et elle ne dit pas ce que le lancement laissait entendre.

• Routage — activé. La redirection du trafic DeepSeek V4 Pro que l’annonce de lancement décrivait comme imminente est désormais en vigueur, avec une date associée.

• Prise en charge du serving — livrée, avec des réserves. NVIDIA vLLM, SGLang et Dynamo ont tous proposé des parcours day-zero ; l’histoire du runner local est plus limitée que ne le laisse entendre la « prise en charge day-0 ».

Deux choses n’ont pas changé et doivent être précisées avant les chiffres. DeepSeek V4.1-Pro n’est toujours pas publié : les propres documents de DeepSeek décrivent la redirection Pro comme fonctionnant « jusqu’à la sortie de V4.1-Pro », et à ce jour rien n’est sorti. Et DeepSeek V4 Flash n’a pas cessé d’exister — ses poids sont toujours ouverts et sous licence MIT, et quiconque l’auto-héberge continue de pouvoir l’utiliser. Ce qui a pris fin, c’est la voie API du fournisseur vers celui-ci.

Sous le capot : un modèle différent, pas un modèle plus rapide

La comparaison du 9 septembre soutenait que DeepSeek V4.1 Flash n'est pas DeepSeek V4 Flash avec le réglage de vitesse poussé à fond, et une semaine de détails publiés a rendu cela concret. Alors que l'ancien modèle est un mélange d'experts de 284 milliards de paramètres avec 13 milliards actifs — le rafraîchissement post-entraînement V4-Flash-0731 — le successeur est une nouvelle architecture que DeepSeek appelle un encodeur-décodeur causal : un encodeur causal de 20 couches empilé sur un décodeur de 20 couches, 40 couches Transformer, avec le cache KV du décodeur projeté à partir des états cachés finaux de l'encodeur plutôt que calculé couche par couche. C'est de ce dernier détail que viennent les affirmations d'efficacité.

• Paramètres actifs — DeepSeek indique qu'environ 8B sont actifs par token pendant le prefill et 16B pendant le décodage, pour 552B de paramètres de backbone. DeepSeek V4 Flash active 13B sur un backbone de 284B.

• Cache KV — DeepSeek indique que la nouvelle version nécessite un quart de la HBM et un huitième du SSD de la génération Flash précédente. Notez lequel de ces deux chiffres est le chiffre persistant : la réduction d'un facteur 8 est celle qui détermine la quantité de contexte que vous pouvez conserver sur disque entre les tours.

• Entrée — texte et images nativement dans un seul modèle. DeepSeek V4 Flash est uniquement textuel, et le travail sur les images nécessitait la version expérimentale distincte DeepSeek-V4-Flash-Vision-Exp, qui a depuis été retirée en même temps.

• Contexte et sortie — 1 048 576 tokens de contexte et un plafond de sortie de 384 000 tokens, le même format de titre que celui publié par DeepSeek V4 Flash.

• Poids — MIT, publiés sur Hugging Face.

Toute comparaison fondée sur la taille ci-dessus comporte une mise en garde, et il vaut la peine de l’énoncer clairement plutôt que dans une note de bas de page. Le chiffre de 552B pour le backbone est celui du fournisseur. Le listage des fichiers du checkpoint totalise environ 510 Go, ce qui est inférieur à ce que suggérerait une lecture naïve de 552B paramètres, car les poids sont livrés déjà quantifiés. Et la fiche de modèle de DeepSeek déclare séparément une table de mémoire conditionnelle Engram de 196B paramètres — une table de recherche adressée par token, consultée à deux endroits du réseau plutôt qu’une couche que le texte traverse. Additionnez les deux chiffres du fournisseur et vous obtenez 748B, ce qui correspond exactement à la lecture à laquelle est parvenue une analyse communautaire crédible lorsqu’elle a contesté le chiffre phare de 552B. La page de Hugging Face consacrée au modèle affiche un troisième chiffre, 763B, dans sa barre latérale. Trois chiffres, tous défendables, selon que l’on compte la pile de calcul, la table de mémoire ou le fichier sur disque. Considérez tout « 552B » dans une comparaison de spécifications comme le décompte du backbone du fournisseur, et non comme la taille du téléchargement.

Deux lignes de cette carte étaient des questions ouvertes le jour du lancement et toutes deux ont depuis été renseignées : les poids sont publiés sous MIT, et le premier score d'un tiers existe. La ligne de la vitesse est celle qui a évolué dans l'autre sens, et elle a droit à sa propre section ci-dessous.

La grille tarifaire est confirmée — et ce n'est toujours qu'une seule carte.

La conclusion essentielle de la comparaison précédente tient toujours, et elle est désormais plus qu'une rumeur. DeepSeek V4.1 Flash et DeepSeek V4 Flash sont facturés selon une seule grille tarifaire de niveau Flash plutôt que deux, et comme les anciens identifiants sont désormais des alias du nouveau modèle, tout ce qui appelle encore deepseek-v4-flash est aussi facturé sur la nouvelle grille. Voici les chiffres publiés par DeepSeek, en vigueur à 04:00 UTC le 10 septembre 2026 :

• Entrée avec correspondance de cache — 0,003 $ par 1M de tokens en heures creuses, 0,006 $ en heures de pointe

• Entrée avec défaut de cache — 0,15 $ par million de tokens en heures creuses, 0,30 $ aux heures de pointe

• Sortie — 0,60 $ par 1M de tokens en heures creuses, 1,20 $ en heures de pointe

• Fenêtres de pointe — 01:00–04:00 et 06:00–10:00 UTC en semaine. Les week-ends et jours fériés sont en heures creuses 24 h/24.

La colonne hors pointe est celle qu’on cite, et la colonne de pointe est celle qui fait mal : une matinée de travail en Europe ou en Asie tombe dans une fenêtre de pointe et paie le double, ce qui transforme un tarif d’entrée affiché de 0,15 $ en 0,30 $ pour précisément les heures où la plupart des équipes font réellement tourner du trafic. Budgétisez d’après la colonne de pointe, sauf si votre charge de travail tourne vraiment pendant la nuit UTC.

Par rapport à la grille tarifaire sur laquelle DeepSeek V4 Flash était facturé avant le changement — 0,007 $ en cas de succès de cache, 0,22 $ en cas d’échec de cache et 0,66 $ en sortie pour 1 M de tokens hors pointe —, la nouvelle grille réduit l’entrée mise en cache d’environ 57 %, l’entrée en échec de cache d’environ 32 % et la sortie d’environ 9 %. Le successeur est donc moins cher par token que le modèle qu’il remplace, d’un écart important sur les tokens qu’une boucle d’agent relit constamment et modeste sur les tokens qu’il génère. C’est la vraie teneur de l’histoire de la « baisse de prix de Flash » : il s’agit d’une baisse des succès de cache à laquelle s’ajoute une remise sur la sortie.

Cette capture correspond à la carte telle qu’elle était avant la baisse du 10 septembre — la feuille sur laquelle DeepSeek V4 Flash a été facturé jusqu’en août, conservée ici comme le côté « avant » de la comparaison. Le côté « après » correspond aux quatre puces ci-dessus.

Ce que disent réellement les benchmarks, et qui les a exécutés

L’image de référence comporte deux moitiés qui sont régulièrement citées comme une seule, et leur statut est très différent.

La première moitié est le propre tableau d'évaluation de DeepSeek, publié avec la sortie. Il place DeepSeek V4.1 Flash à 74,2 sur DeepSWE v1.1 — devant Claude Opus 5 à 74,0, GPT-5.6 Sol à 73,0, Kimi K3 à 67,5, GLM-5.3 à 66,9, DeepSeek V4 Pro 0813 à 62,7 et DeepSeek V4 Flash 0731 à 54,4. Ce sont des chiffres exécutés par le fournisseur, mesurés avec un effort de raisonnement maximal, et la même publication indique que le checkpoint identique obtient un score compris entre 65,5 et 74,2 selon huit échafaudages d'agents différents — 74,2 sur l'échafaudage qui lui convient le mieux, 69,8 sous Claude Code, 65,6 sous Codex, 65,5 sous OpenCode. Une marge de 0,2 point sur Claude Opus 5, sur une suite exécutée par le fournisseur, extraite du plus favorable des huit échafaudages, n'établit pas une avance sur Claude Opus 5. Elle établit que le nouveau Flash est compétitif avec la frontière en codage agentique lorsque tout est configuré à sa façon — ce qui est un résultat réel, et bien plus modeste que ce que « devant Opus 5 » laisse entendre.

La seconde moitié est la partie qui n’existait pas le 9 septembre. Artificial Analysis a désormais mesuré DeepSeek V4.1 Flash de manière indépendante et le place à 40 sur l’Intelligence Index, contre 35 pour DeepSeek V4 Flash 0731 — sixième sur 113 modèles mesurés, contre huitième pour le modèle qu’il remplace, et bien au-dessus de la médiane de 18 pour les modèles à poids ouverts de taille comparable. C’est le chiffre dont la version antérieure de cet article disait qu’il n’existait pas encore, et il tranche la question générale en faveur du successeur : sur un indice composite établi par un tiers pour le raisonnement, les connaissances, les mathématiques et le codage, la nouvelle mouture est, de manière mesurable, le modèle le plus fort. Il ne tranche pas la question de la frontière, car le même classement place Kimi K3 et GLM-5.3 au-dessus de lui.

L’histoire de la vitesse n’a pas survécu à la mesure.

C'est ici qu'il faut corriger la comparaison précédente plutôt que de la prolonger. Son ossature reposait sur l'idée que les deux modèles partagent une grille tarifaire et se distinguent par la vitesse, avec DeepSeek V4 Flash mesuré à environ 120–140 jetons de sortie par seconde et les testeurs du premier jour de DeepSeek V4.1 Flash rapportant 280 à 500, avec des pics au-dessus de 500. Cet écart ne s'est pas reproduit.

Selon les mesures d'Artificial Analysis, DeepSeek V4.1 Flash génère 214,4 jetons de sortie par seconde et DeepSeek V4 Flash 0731 en génère 214,9 — égalité parfaite, une différence d'un demi-jeton par seconde, selon la même méthodologie qui a produit les deux chiffres. Quoi qu'aient mesuré les tests de la communauté le premier jour, il ne s'agissait pas d'une comparaison à conditions égales : le nombre de jetons par seconde varie selon le fournisseur, le matériel, la taille du lot, la concurrence et la part de jetons de raisonnement dans la réponse, et les chiffres de la semaine de lancement provenaient de configurations qui différaient sur ces cinq points. La correction honnête est que l'avantage de débit suggéré par le lancement n'apparaît pas dans les mesures indépendantes. Toute personne passée à DeepSeek V4.1 Flash en espérant un gain de vitesse de deux à trois fois devrait refaire la mesure sur son propre trafic avant de le supposer.

Le tableau des coûts est plus intéressant que celui de la vitesse, et ce n’est pas non plus une victoire simple. Avec les tarifs par token d’Artificial Analysis — 0,30 $ en entrée et 1,20 $ en sortie pour le nouveau modèle, contre 0,44 $ et 1,32 $ pour l’ancien, les deux au tarif de pointe — DeepSeek V4.1 Flash est moins cher par token. Mais le coût mesuré par tâche de l’Intelligence Index s’élève à 0,27 $ contre 0,22 $, légèrement plus élevé, parce que le nouveau modèle est plus bavard : 250 M de tokens de sortie sur l’ensemble de l’index, contre 240 M pour son prédécesseur, et il figure parmi les modèles les plus verbeux mesurés par le classement. Un token moins cher dépensé plus souvent ne signifie pas automatiquement une tâche moins chère. Le camp dans lequel vous vous situez dépend entièrement de si votre charge de travail est dominée par le contexte relu, où la réduction de 57 % sur les hits de cache fait le travail, ou par la sortie générée, où la verbosité mange la remise.

Prise en charge du serving Day-0, et ce que cela vaut réellement

Si vous auto-hébergez déjà DeepSeek V4 Flash, voici la section qui détermine si la migration est peu coûteuse, et la réponse est : moins coûteuse que d'habitude, mais pas gratuite, et pas sur le runtime que la plupart des gens désignent par « en local ».

• NVIDIA vLLM — a livré une prise en charge dès le jour zéro sous la forme d'une image Docker de prévisualisation plutôt que d'un paquet publié ; la prise en charge de l'architecture n'a pas été fusionnée dans la branche principale au moment de la publication, il n'existe donc aucune installation pip qui l'inclut. Vérifié sur un ensemble de plateformes NVIDIA plutôt que sur une seule, avec un plancher de mémoire d'environ 614 Go pour les poids, plus une marge de manœuvre.

• SGLang — image d’aperçu dès le jour zéro et une entrée de cookbook, publiées sans chiffres de performance, car le fournisseur a jugé les mesures de la période de développement instables. Vérification effectuée sur du matériel de classe GB300, d’autres étant encore listés comme en cours de confirmation.

• NVIDIA Dynamo — des recettes de déploiement au jour zéro, aux côtés de ses recettes Flash et Pro existantes.

• Autre silicium — Cambricon a fait état d'une adaptation dès le premier jour via vLLM, le jour même.

• Ollama et llama.cpp — l'écart. Ollama référence le modèle, mais en tant que simple relais cloud : il s'exécute sur les serveurs d'Ollama, pas sur les vôtres. La prise en charge de l'architecture llama.cpp n'a pas été fusionnée, il n'existe donc pas encore de voie locale en amont, et des conversions GGUF communautaires existent sans runtime publié qui les exécute de bout en bout.

La lecture pratique : l’écosystème des frameworks a évolué à une vitesse inhabituelle, et si vous déployez sur vLLM ou SGLang sur un nœud multi-GPU, vous disposez d’un chemin documenté dans les jours suivant le lancement. Si votre déploiement de DeepSeek V4 Flash est une machine llama.cpp ou Ollama, il n’existe pas encore d’équivalent, et le checkpoint d’environ 510 Go signifie qu’il est peu probable qu’il y en ait un aux tailles que ce matériel implique. Les poids ne posent pas non plus le même type de problème : DeepSeek V4 Flash à 284 Md au total est une solution à nœud unique, et la nouvelle build à 552 Md de backbone — avant la table Engram — ne l’est pas.

Le routage a bougé, et il a bougé pour vous.

La partie la plus sous-médiatisée de ce lancement reste que DeepSeek route le trafic entre ses propres modèles, et contrairement au 9 septembre, elle a désormais des dates. À partir de 04:00 UTC le 14 septembre, les requêtes API destinées à deepseek-v4-pro sont servies par DeepSeek V4.1 Flash et facturées aux tarifs de Flash, une politique que DeepSeek décrit comme applicable jusqu'à la sortie de V4.1-Pro. DeepSeek V4 Flash et DeepSeek-V4-Flash-Vision-Exp sont purement et simplement retirés, leurs identifiants n'étant maintenus en vie que comme alias de compatibilité qui pointent eux aussi vers le nouveau modèle.

Lisez cela comme une réponse à la question pour laquelle cet article existe. Il y a une semaine, les appelants Pro basculaient automatiquement et les appelants Flash devaient prendre une décision. Aujourd'hui, le fournisseur l'a prise pour les deux, ce qui signifie que le choix réel sur l'API n'est plus « V4 Flash ou V4.1 Flash » — il s'agit de savoir si vos prompts, vos évaluations et votre modèle de coûts sont prêts pour un modèle réentraîné, ou si vous avez besoin d'une solution de repli entièrement différente.

C'est la même logique qu'une couche de routage applique d'un fournisseur à l'autre, et c'est la part qu'une plateforme comme OrcaRouter gagne. DeepSeek V4.1 Flash sur OrcaRouterreprend le prix catalogue de DeepSeek — $0.15 pour 1 M de tokens d'entrée et $0.60 pour 1 M de tokens de sortie — répercuté à 0 % de marge, ce qui fait qu'une baisse de prix du fournisseur arrive de notre côté le jour même où elle arrive du sien. DeepSeek V4 Flash sur OrcaRouterreste appelable avec la même clé pendant votre migration, de sorte que le changement se résume à une chaîne de modèle plutôt qu'à un second contrat, et DeepSeek V4 Pro sur OrcaRouterreste répertorié pendant que la redirection du fournisseur le sert avec le nouveau modèle aux tarifs de Flash. Le basculement automatique entre fournisseurs est le moyen économique d'essayer un modèle réentraîné sur du trafic réel sans parier un chemin de production sur le comportement du premier jour : acheminez une tranche, gardez un modèle éprouvé derrière elle, et laissez les cas limites retomber sur le repli pendant que vous découvrez si le nouveau prompt se comporte bien.

Laquelle devriez-vous appeler ?

Si la réponse honnête était encore « l'un ou l'autre, pour tout le monde », cette mise à jour ne vaudrait pas la peine d'être publiée. La semaine a fait basculer la décision deux fois — une fois en faveur du successeur, une fois en sa défaveur.

Les arguments en faveur du passage à DeepSeek V4.1 Flash sont désormais plus solides qu’ils ne l’étaient le jour du lancement, et ils reposent sur le chiffre indépendant plutôt que sur le tableau du fournisseur. Quarante contre trente-cinq sur l’Intelligence Index, c’est un écart réel mesuré par quelqu’un qui n’a aucun intérêt en jeu : le modèle coûte moins cher par token que celui qu’il remplace sur la même fiche, l’entrée d’images ne nécessite plus un second modèle, et toutes les mesures tierces s’accordent à dire qu’il est au moins l’égal de son prédécesseur en débit, et non deux à trois fois plus rapide. Si vous lancez une nouvelle charge de travail, ou si vous comptiez sur DeepSeek-V4-Flash-Vision-Exp pour les images, le passage est simple et le coût de migration se résume à une chaîne de modèle.

L'argument en faveur d'une pause est plus restreint qu'il ne l'était et plus spécifique. Si vos prompts, schémas d'appel d'outils et évaluations ont été ajustés pour V4-Flash-0731, un modèle ré-entraîné constitue un changement de comportement et non un changement de vitesse — le prompting, les limites de refus et la longueur de sortie évoluent tous, et le fait que le nouveau modèle soit plus bavard est en soi un changement de comportement qui se manifeste dans votre facture avant d'apparaître dans vos métriques de qualité. Et si votre déploiement est auto-hébergé sur llama.cpp ou Ollama, ou si votre budget dépend des jetons de sortie plutôt que de l'entrée mise en cache, l'économie d'un changement n'est pas celle que le titre de lancement laissait entendre. Faire passer une journée de votre propre trafic dans les deux et comparer les complétions acceptées par dollar vous en dira plus que n'importe lequel des tableaux ci-dessus.

Pour la plupart des équipes, la position défendable au bout d’une semaine n’est ni l’une ni l’autre des positions bruyantes : considérer DeepSeek V4.1 Flash comme le choix par défaut parce que les preuves indépendantes le soutiennent désormais, continuer à laisser DeepSeek V4 Flash servir tout ce qu’il sert déjà bien — ses poids sont toujours là, toujours MIT — et remesurer le débit sur votre propre charge de travail plutôt que de se fier aux chiffres de la communauté de la semaine du lancement ou à une seule ligne d’un classement. Le successeur est réellement meilleur. Il est simplement meilleur dans une moindre mesure, et sur des points différents, que ne le laissait penser le lancement.