MIDM K 3.0 Pro vs DeepSeek V4.1 Pro : un nom derrière lequel il n’y a rien

La requête de recherche qui produit cette page suppose que deux modèles existent. Un seul existe. Mi:dm K 3.0 Pro — MIDM K 3.0 Pro sur la liste de prix internationale — est facturable sur la plateforme Token Factory de KT depuis le 29 octobre 2026, à 0,20 $ par million de tokens d'entrée et 0,80 $ par million de tokens de sortie. DeepSeek V4.1 Pro n'a ni fiche modèle, ni point de terminaison, ni ligne tarifaire, ni poids ; DeepSeek ne l'a nommé qu'une seule fois, dans la note de version qui accompagnait la sortie de DeepSeek V4.1 Flash le 10 septembre 2026, et n'a rien publié à son sujet depuis. La version honnête de cette confrontation doit donc remplacer ce modèle par celui que le lecteur peut réellement appeler aujourd'hui — DeepSeek V4 Pro 0813, le modèle phare de 1,6 billion de paramètres de la génération précédente — et préciser explicitement que cette substitution ne correspond pas à ce qu'annonce le titre. Ce qui suit présente cette comparaison, ainsi qu'un court exposé de ce qu'il faudrait voir apparaître pour que la colonne V4.1 Pro cesse d'être vide.

Le problème du nom, avant toute autre chose

Le nom V4.1 Pro a commencé à circuler, associé à une offre que DeepSeek a annoncée puis retirée. Le 10 septembre 2026, l’entreprise a publié DeepSeek V4.1 Flash et indiqué dans la même note que les requêtes adressées à son offre Pro existante seraient redirigées vers le modèle Flash jusqu’au lancement de V4.1 Pro. Le plan de routage a duré environ une journée. Les développeurs ont protesté — qu’un client Pro se voie servir en silence un modèle plus petit aux tarifs Pro est un motif raisonnable de protester — et DeepSeek a remis DeepSeek V4 Pro en ligne, à des tarifs inchangés.

Il ne reste qu’un nom dans une note de bas de page. Il n’y a pas de fiche Pro dans la famille V4.1, pas de ligne tarifaire et pas de checkpoint. Les comparaisons qui traitent DeepSeek V4.1 Pro comme un modèle existant reposent sur une extrapolation : l’architecture V4.1 est réelle et a été livrée dans la gamme Flash, donc une version Pro de celle-ci est une supposition raisonnable, et c’est à une supposition que se résume chaque spécification publiée à son sujet. Elle ne doit pas être reprise comme un fait, et cette page ne le fait pas.

Ce que sont réellement les deux modèles appelables

• Mi:dm K 3.0 Pro — 120 B de paramètres au total, 12 B actifs par token, dans une pile hybride de couches Mamba, de mélange d'experts et d'attention. Texte en entrée, texte en sortie. Contexte de 261 795 tokens, jusqu'à 235 615 tokens en sortie. Trace de raisonnement exposée séparément ; sortie JSON et structurée prise en charge. Servi par KT à partir d'un checkpoint avec experts NVFP4 et projections FP8.

• DeepSeek V4 Pro 0813 — un mélange d'experts de 1,6 billion de paramètres avec 49 milliards de paramètres actifs. Texte uniquement. Contexte de 1 M de tokens, sortie maximale de 384 K. Modes réflexion et non-réflexion avec effort de raisonnement faible, élevé et maximal, sortie JSON, appel d'outils, et une API Responses native avec une adaptation destinée aux agents de codage de type Codex.

La différence de forme mérite qu’on s’y attache. Le modèle coréen est petit, bon marché et lit 262K tokens. Le modèle DeepSeek compte treize fois plus de paramètres, lit quatre fois plus de contexte et, selon les propres déclarations de KT, n’est pas la seule architecture en jeu — la génération V4 de DeepSeek a livré un V4.1 Flash de 552 milliards de paramètres sur une nouvelle conception Causal Encoder-Decoder, ce vers quoi pointe l’ingénierie actuelle de ce laboratoire.

Prix, y compris la partie qui ne figure pas sur la grille tarifaire

Mi:dm K 3.0 Pro — 0,20 $ en entrée et 0,80 $ en sortie par million de tokens, avec l’entrée en cache à 0,04 $. La propre plateforme de KT vend actuellement l’ensemble avec une remise de 30 % : 0,14 $ en entrée, 0,56 $ en sortie, 0,03 $ en cache.

• DeepSeek V4 Pro 0813 — 0,66 $ en entrée et 1,98 $ en sortie par million aux tarifs hors pointe, avec les lectures de cache à 0,022 $. Pendant les fenêtres de pointe en semaine de 01:00 à 04:00 et de 06:00 à 10:00 UTC, chaque ligne double : 1,32 $ en entrée, 3,96 $ en sortie.

Le titre principal est que le modèle coréen coûte environ un tiers du tarif d’entrée du fleuron de DeepSeek et environ 40 % en sortie. La structure heures pleines/heures creuses complique les choses dans un sens favorable à KT. Un job par lots exécuté à 03:00 UTC un mardi paie le double sur DeepSeek — 1,32 $ et 3,96 $ — ce qui rend Mi:dm K 3.0 Pro huit fois moins cher par token de sortie à cette heure-là que ne le laisse penser la grille tarifaire de DeepSeek. Un job fixé sur la fenêtre heures creuses de DeepSeek voit plutôt un écart de 2,5×. Aucun des deux chiffres n’est faux ; ce sont des grilles horaires différentes.

Il existe une seconde asymétrie : la remise sur Mi:dm K 3.0 Pro est une promotion sans date de fin publiée, tandis que la tarification aux heures de pointe de DeepSeek est une structure permanente. Modéliser sur le tarif promotionnel est la même erreur que modéliser sur un tarif hors pointe — les deux sont réels, mais aucun des deux n'est le chiffre sur lequel vous devriez bâtir un budget.

L'un de ces modèles a un score, et ce n'est pas le moins cher.

Artificial Analysis attribue à DeepSeek V4 Pro un score de 36 sur son Intelligence Index. C’est un chiffre modeste selon les standards de la pointe — il se situe bien en dessous du milieu des cinquante où évoluent Claude Opus 5.5 et Gemini 4 Argon — et il s’agit d’une mesure réelle d’un point de terminaison réel. DeepSeek V4.1 Flash, le modèle qui a réellement été déployé dans la génération V4.1, obtient 39,5 sur le même indice, ce qui donne une indication utile sur l’écart de niveau que la version Pro est censée combler.

Mi:dm K 3.0 Pro n'a pas de fiche. Le chemin de modèle de l'évaluateur renvoie 404 et le modèle n'apparaît pas du tout dans l'index. KT n'a pas non plus publié de tableau de benchmarks avec le lancement — les supports d'AID-X Day et la fiche modèle de Token Factory décrivent l'architecture, la quantification et le contexte, puis s'arrêtent là. Les sites agrégateurs qui affichent un score composite pour ce modèle mélangent prix et récence avec un signal de capacité, plutôt que de rapporter un résultat de test ; une de ces pages lui attribue 40 sur 100 au global, le prix à lui seul représentant un quart de la pondération.

Ainsi, la comparaison que tout acheteur souhaiterait le plus — le modèle à 0,20 $ est-il à la hauteur du modèle à 0,66 $ — ne peut pas être tranchée à partir des documents publiés. Ce que l’on peut dire est indicatif : un hybride de 120 B avec 12 B actifs est un réseau plus petit qu’un mélange de 1,6 T avec 49 B actifs, et le réseau plus petit est tarifé en conséquence. S’il était équivalent en qualité, la tarification serait irrationnelle.

Le véritable avantage de DeepSeek ne réside pas dans le nombre de paramètres.

Trois choses dans DeepSeek V4 Pro 0813 valent plus que sa taille, et toutes trois sont des éléments que KT n'a pas publiés.

Le travail sur le harnais. La révision 0813 est livrée avec une API Responses native et une adaptation ciblée pour les agents de codage de style Codex ; les chiffres de DeepSeek à ce sujet — 87,9 sur Terminal Bench 2.1, 74,1 sur Toolathlon Verified, 62,7 sur DeepSWE, 61,5 sur NL2Repo — sont rapportés par le fournisseur et doivent être présentés comme tels, mais ils décrivent un travail spécifiquement orienté vers l’utilisation agentique d’outils. Un modèle conçu et ajusté pour un harnais d’agent de codage se comporte différemment d’un modèle généraliste inséré dans un tel harnais.

L’échelle d’effort. DeepSeek expose des niveaux d’effort de raisonnement faible, élevé et maximal, ainsi qu’un mode sans réflexion. C’est un levier de coût : le même modèle peut répondre à un prompt de classification à moindre coût et à un prompt de raisonnement difficile à coût élevé. Mi:dm K 3.0 Pro expose un indicateur de raisonnement mais aucune échelle d’effort publiée, de sorte que le seul levier dont dispose un appelant est activé ou désactivé.

Appel d'outils. DeepSeek V4 Pro mentionne tools et tool_choice parmi les paramètres pris en charge. La fiche catalogue de KT pour Mi:dm K 3.0 Pro ne les mentionne pas, ce qui ne revient pas à dire que le point de terminaison les refuse — cela signifie que personne n'a documenté leur prise en charge, et une boucle d'agent qui dépend de l'appel de fonctions doit tester plutôt que supposer.

Ce que 262K tokens permettent d’acheter, et ce que cela vous coûte

Un contexte quatre fois plus grand est l’avantage structurel le plus évident du modèle DeepSeek, et sa valeur pratique dépend de celui des deux mondes dans lequel évolue votre charge de travail.

Si vous envoyez des dépôts entiers, des dossiers complets ou des transcriptions de plusieurs heures en une seule requête, un plafond de 262K constitue une contrainte réelle. La troncature du prompt est une défaillance qualité silencieuse — le modèle répond avec assurance à partir de la moitié du document qu'il a reçue — et les solutions de contournement, le découpage et la récupération, ajoutent un pipeline que les économies du modèle bon marché doivent financer. À 0,20 $ en entrée et pour une charge de travail d'un million de tokens, toutefois, l'arithmétique est inhabituelle : Mi:dm K 3.0 Pro pourrait traiter le même document quatre fois de suite en tranches de 262K pour moins que ce que DeepSeek facture une seule fois aux heures creuses, de sorte que la question est de savoir si la stratégie de découpage peut préserver les renvois croisés dont dépend la tâche. Pour l'extraction, oui. Pour « trouver la contradiction entre la page 4 et la page 300 », généralement non.

Si vos prompts sont ordinaires — quelques milliers de jetons d’instruction et de contexte —, l’écart de contexte ne coûte rien, et l’écart de paramètres de 20 pour 1 est la seule différence qui compte.

L’architecture hybride face à l’échelle, comme un pari

Les deux modèles représentent des réponses opposées au même problème de 2026 : comment servir un contexte long sans payer de coûts d’attention quadratiques.

La réponse de KT est l’hétérogénéité architecturale : mélanger Mamba pour le traitement des séquences en temps linéaire, le mélange d’experts pour un calcul conditionnel peu coûteux, et l’attention là où un rappel exact est nécessaire, puis quantifier les experts en NVFP4 pour réduire encore le coût de service. C’est le pari d’ingénierie le plus intéressant et le moins prouvé. Une pile hybride bien entraînée peut surpasser un transformer dense de même taille en contexte long ; une pile mal entraînée produit un modèle médiocre dans les deux aspects pour lesquels ses composants ont été choisis, et il n’existe pas encore de preuve publique de ce qui s’est produit ici.

La réponse de DeepSeek est la plus conventionnelle : un très grand mélange d’experts clairsemé, entraîné avec suffisamment de données pour qu’une tranche active de 49B porte une capacité proche de la frontière, et servi à un coût suffisamment faible par un laboratoire qui optimise l’inférence MoE depuis plus longtemps que presque tout le monde. Elle est moins novatrice et elle est mesurée.

Pour un acheteur, cela se traduit par une simple asymétrie du risque. Parier sur le modèle DeepSeek, c’est parier sur un score que l’on peut lire. Parier sur le modèle coréen, c’est parier sur une description d’architecture provenant d’un fournisseur sans antécédents sur le marché international des API, à un prix où le risque de perte est faible et le potentiel représente un dixième du coût.

Comment le régler en un après-midi

DeepSeek V4 Pro 0813 est disponible sur OrcaRouter sous deepseek/deepseek-v4-pro-0813 au tarif catalogue de DeepSeek, sans majoration supplémentaire — 0,66 $ en entrée, 1,98 $ en sortie, 0,022 $ pour la lecture du cache en heures creuses, le multiplicateur de pointe étant affiché sur la même fiche. Mi:dm K 3.0 Pro est servi par KT uniquement et ne figure pas sur nos routes ; il n’existe aucun second fournisseur vers lequel se rabattre, ce qui constitue une véritable différence opérationnelle plutôt qu’une simple clause de non-responsabilité, car on ne peut pas contourner un modèle hébergé sur un seul hôte lorsque son unique point de terminaison se dégrade.

Cela laisse place à une expérience peu coûteuse et décisive. Prenez cinquante prompts issus de votre propre trafic de production — pas d’un benchmark public, les prompts que vous envoyez réellement — et exécutez-les sur les deux modèles avec un évaluateur auquel vous faites déjà confiance. À 0,20 $ et 0,80 $ contre 0,66 $ et 1,98 $, cinquante prompts de 4K en entrée et 1K en sortie coûtent une fraction de centime sur le modèle coréen et quelques centimes sur le modèle DeepSeek. Ensuite, faites passer les mêmes cinquante prompts par DeepSeek V4.1 Flash, qui est disponible sur la même clé à 0,15 $ et 0,60 $ hors heures de pointe et obtient 39,5 — car pour beaucoup de charges de travail, la réponse à « faut-il utiliser l’offre Pro de DeepSeek » est non, et le modèle Flash est à la fois moins cher que le prix catalogue de Mi:dm K 3.0 Pro et évalué indépendamment.

En gardant l'ensemble de la comparaison sur une seule clé au prix catalogue du fournisseur, avec une règle de routage qui bascule une requête vers un second modèle lorsque le premier renvoie une erreur, c'est la partie qu'OrcaRouter assure pour les trois modèles qu'il héberge. Pour Mi:dm K 3.0 Pro, le repli doit être écrit dans votre propre code, car KT est la seule porte d'entrée.

Où cela laisse la question

DeepSeek V4.1 Pro est un nom derrière lequel il n’y a qu’une note de version et rien d’autre ; tant que DeepSeek n’a pas publié de fiche, de tarif et de point de terminaison, toute comparaison qui l’implique est une comparaison avec une rumeur. La confrontation réellement appelable oppose Mi:dm K 3.0 Pro à DeepSeek V4 Pro 0813, et, d’après les preuves publiées, le modèle DeepSeek l’emporte sur le contexte, sur la prise en charge documentée des outils, sur un score indépendant publié, et sur l’existence d’une seconde option de repli lorsque sa solution principale est lente.

Le modèle coréen l’emporte sur le prix d’un facteur de deux et demi à huit selon l’heure, le plafond de sortie, l’efficacité matérielle par conception, et potentiellement sur le travail en coréen, où KT s’entraîne délibérément et DeepSeek non. Ce ne sont pas de petits avantages pour la bonne charge de travail. Ils sont simplement non mesurés — et à treize jours de disponibilité, « non mesurés » est le mot honnête plutôt qu’un verdict.

La répartition pratique s’impose d’elle-même. Traitement de texte en masse, travail sur la langue coréenne et tout ce pour quoi un second avis bon marché vaut la peine : testez le modèle coréen cette semaine. Tout ce qui est agentique, tout ce qui doit tenir 400K tokens, tout ce où une mauvaise réponse coûte plus cher que les tokens : gardez DeepSeek V4 Pro, ou passez à un modèle de pointe, et réexaminez Mi:dm K 3.0 Pro lorsque quelqu’un publiera un chiffre à son sujet.