SWE-2 Flash vs DeepSeek V4 Flash : l’un a une grille tarifaire, l’autre a un ratio

La première chose qui casse lorsque vous mettez SWE-2 Flash et DeepSeek V4 Flash côte à côte, c'est l'unité. DeepSeek publie un tarif en dollars par million de tokens et un checkpoint que vous pouvez télécharger. Cognition publie une fraction — un cinquième de SWE-2 — et une place au sein de Devin. L'un d'eux est un modèle sur lequel vous pouvez construire ; l'autre est un modèle que vous pouvez utiliser. Toutes les comparaisons qui suivent doivent survivre à cette asymétrie, et la plupart de celles qui circulaient le jour du lancement ne l'ont pas fait.

Ce n’est pas une raison pour faire l’économie de la comparaison. C’est justement la raison pour laquelle elle mérite d’être menée avec soin. Les deux modèles visent le même acheteur — une équipe qui veut un comportement de codage proche de celui des modèles de pointe sans le tarif des modèles de pointe — et ils font des paris opposés sur la manière dont cet acheteur souhaite le recevoir. L’un des paris est désagrégé : des poids, une API, une fenêtre de contexte publiée et une facture que l’on peut prévoir. L’autre est intégré : un modèle réglé pour un harnais donné, vendu à une fraction du coût d’un autre modèle, avec la pile de service incluse dans le montant.

Ce que chacun est réellement, et le piège du checkpoint

SWE-2 Flash a été annoncé le 4 novembre 2026. Il est post-entraîné à partir d’Inkling-Small, le mélange de Thinking Machines de 276 B au total et 12 B actifs, et il est disponible dans Devin Desktop et Devin CLI. Il y est gratuit jusqu’au 30 novembre. Il n’y a pas d’API, pas de poids publics et aucune fenêtre de contexte publiée.

DeepSeek V4 Flash est un mélange d'experts de 284 Md au total, dont environ 13 Md actifs, sous licence MIT, avec une fenêtre de contexte de 1 million de jetons et jusqu'à 384 000 jetons de sortie. Il ne prend en charge que le texte ; la variante vision est un identifiant expérimental distinct. Il est servi via une API compatible OpenAI et est appelable depuis le printemps, avec un checkpoint 0731 ayant bénéficié d'un nouveau post-entraînement, qui a fait l'essentiel du travail sur le codage agentique.

Puis vient le piège. La page des modèles et des tarifs de DeepSeek elle-même, consultée le 5 novembre 2026, liste deepseek-v4-flash parmi les anciens noms encore acceptés par l’API et indique qu’il est désormais servi par DeepSeek-V4.1-Flash-1017. C’est un modèle différent et plus grand : le tableau comparatif de Cognition situe V4.1 Flash 1017 à 763B de paramètres totaux et 16B actifs. Ainsi, « DeepSeek V4 Flash » renvoie à au moins trois choses selon qui parle — la version d’avril, le checkpoint 0731, ou le checkpoint V4.1 d’octobre vers lequel l’ID pointe désormais. Sur OrcaRouter, les ID épinglés sont des routes distinctes, ce qui est la seule raison pour laquelle une comparaison peut être reproductible.

Ce n’est pas de la pédanterie. Cela change la ligne de benchmark que vous êtes en droit de citer. Les chiffres publics du classement pour « DeepSeek V4 Flash » ont été mesurés sur la build 0731. Le tableau de Cognition a mesuré V4.1 Flash 1017. Ce ne sont pas les mêmes modèles, et les chiffres diffèrent en conséquence.

Prix, dans les deux unités que chaque fournisseur publie réellement

La fiche tarifaire de DeepSeek est arithmétique. Par million de tokens pour le modèle que l’identifiant deepseek-flash sert désormais — DeepSeek-V4.1-Flash-1017, que la page nomme explicitement —, relevé le 5 novembre 2026 : entrée à 0,15 $ en heures creuses et à 0,30 $ dans les fenêtres de pointe, sortie à 0,60 $ en heures creuses et à 1,20 $ en pointe, entrée mise en cache à 0,003 $ et 0,006 $. Les heures de pointe sont de 01:00 à 04:00 et de 06:00 à 10:00 UTC, du lundi au vendredi, à l’exclusion des jours fériés chinois. En dehors de ces fenêtres, le tarif moins élevé s’applique.

Le point de contrôle plus ancien épinglé est facturé différemment. Le catalogue d’OrcaRouter propose deepseek/deepseek-v4-flash à 0,22 $ par million de tokens d’entrée et 0,66 $ par million de sortie, un tarif fixe sans palier de pointe. C’est le prix de la reproductibilité : épinglez le modèle de la lignée d’avril au lieu d’appeler le modèle actuel, et vous payez plus, en échange du modèle sur lequel la plupart des lignes de benchmark publiées ont réellement été mesurées. Aucun des deux choix n’est mauvais ; ils répondent à des questions différentes.

La carte de Cognition est une comparaison. « Un cinquième du prix et trois fois la vitesse de son grand frère bien plus imposant » constitue l’intégralité de la déclaration publique, sans qu’aucun chiffre absolu n’y soit associé, et c’est en plus gratuit jusqu’au 30 novembre. Il est impossible de calculer ce que coûte une tâche sur SWE-2 Flash à partir d’informations publiques, car le dénominateur est un modèle dont le prix des tokens n’a lui non plus jamais été publié.

Deux conséquences en découlent, et toutes deux sont d'ordre pratique plutôt que pédant.

• Prévisibilité — Le coût de DeepSeek par million de tokens est connu au centime près, y compris le multiplicateur de pointe. Le coût de SWE-2 Flash n’est connu que sous forme de fraction d’un chiffre non publié, au sein d’un abonnement que vous payez déjà.

Les devis forfaitaires sont trompeurs — la route V4 Flash épinglée applique un tarif forfaitaire unique, alors que la grille tarifaire actuelle du fournisseur comporte deux niveaux. Un chiffre forfaitaire est donc erroné pour une partie de la semaine, et il décrit un point de contrôle différent de celui que désignent la plupart des lignes de benchmark. Planifiez d'après la grille du fournisseur ; reproduisez d'après la route épinglée.

Les deux comptent plus qu'il n'y paraît. Pour un agent qui enchaîne des milliers d'appels courts, le multiplicateur de pointe est un problème d'ordonnancement que l'on peut contourner par l'ingénierie ; pour un agent de codage qui mène une poignée de longues sessions, c'est une erreur d'arrondi. Lequel de ces deux cas vous correspond détermine si la fiche tarifaire de DeepSeek affiche deux prix ou un seul.

Vitesse : un replay face à une mesure

Les 200 jetons par seconde de Cognition ne constituent pas un chronométrage en direct. L'article l'explique : la propre exécution de chaque modèle sur la tâche gsea-proteomics de Terminal-Bench 4.0, « rejouée à 200 vs 60 jetons par seconde simulés », avec des transcriptions raccourcies à une longueur égale. Les 60 tok/s de SWE-2 proviennent du même rejeu. Cela décrit le profil de service que Cognition vise, ce qui est une chose légitime à publier, mais ce n'est pas un chronomètre sur deux points de terminaison.

Artificial Analysis mesure DeepSeek V4 Flash à 112 jetons de sortie par seconde sur sa page de modèle actuelle, avec un délai de 32,41 secondes jusqu’au premier jeton de réponse. Il s’agit d’une mesure d’une API en direct, y compris toute mise en file d’attente effectuée par le fournisseur. Les deux chiffres ne sont pas comparables, et les soustraire n’aurait aucun sens : l’un est un rejeu simulé au sein d’un produit, l’autre est un débit de service observé sur le point de terminaison public.

Ce qui subsiste après cette mise en garde, c’est la direction. Si un modèle à 12B actifs assure réellement environ 200 tok/s dans Devin tandis qu’un modèle à 13B actifs mesure 112 tok/s sur une API publique, le modèle à moins d’actifs n’est pas manifestement le plus rapide — la pile de service fait autant de travail que l’architecture. C’est un argument en faveur des produits intégrés et contre le fait de déduire la vitesse d’un nombre de paramètres.

La seule exécution sur la même table, et qui l’a effectuée

Le tableau de lancement de Cognition inclut directement le modèle de DeepSeek. La colonne est DeepSeek V4.1 Flash 1017 — le checkpoint vers lequel l’identifiant deepseek-v4-flash pointe désormais —, ce qui en fait la seule comparaison du duo réalisée sous un même toit. Chaque chiffre ci-dessous provient de Cognition, sur les benchmarks de Cognition, sans qu’aucun harnais ne soit divulgué.

• FrontierCode 2.0 — SWE-2 Flash 24,0 contre DeepSeek V4.1 Flash 1017 19,3

• FrontierCode 1.1 Main — 45,5 vs 43,9

• DeepSWE 1.1 — 60,1 contre 77,0

• Terminal-Bench 4.0 — 20,0 vs 42,3

• Terminal-Bench 2.1 — 89,2 contre 91,0

• SWE-Atlas QA — 50,0 vs 71,0

• SWE-Bench Pro v2 Hard — 89,9 vs 86,3

• ExploitBench — 34,8 contre 31,1

Le découpage est de quatre lignes de chaque côté, et les écarts sont loin d’être symétriques. SWE-2 Flash devance FrontierCode 2.0 de 4,7 points, FrontierCode 1.1 Main de 1,6, SWE-Bench Pro v2 Hard de 3,6 et ExploitBench de 3,7. DeepSeek devance DeepSWE 1.1 de 16,9 points, Terminal-Bench 4.0 de 22,3, SWE-Atlas QA de 21,0 et Terminal-Bench 2.1 de 1,8. Chaque victoire de Flash se joue à quelques points. Deux des victoires de DeepSeek dépassent vingt points.

Pondérez la comparaison par la marge plutôt que par le nombre de victoires, et elle cesse d’être serrée. Le Flash est réellement compétitif sur FrontierCode, qui récompense un correctif délimité par rapport à une spécification écrite, et il est très loin derrière sur Terminal-Bench 4.0, qui mesure un agent de terminal menant une tâche jusqu’à son achèvement. C’est aussi la ligne où le reste du peloton se démarque : GLM 5.3 Flash obtient 41,8 sur le même benchmark et Claude Haiku 5.5 obtient 39,2, contre 20,0 pour le Flash.

Voici maintenant les réserves qui vont de pair. Il s’agit du tableau d’un concurrent. FrontierCode est l’instrument de Cognition lui-même, et c’est Cognition qui l’évalue. Le billet ne précise ni harnais, ni réglage d’effort, ni nombre d’exécutions ; donc « même tableau » ne signifie pas « mêmes conditions » — c’est la méthodologie d’un seul fournisseur appliquée uniformément, ce qui vaut mieux que rien et moins bien qu’une évaluation indépendante. Et la colonne DeepSeek correspond à V4.1 Flash 1017, pas à la version 0731 que décrivent la plupart des chiffres publics.

Il existe un contrôle de bon sens utile pour mesurer à quel point l'instrument compte. L'évaluation par Artificial Analysis de la version 0731 de DeepSeek V4 Flash, exécutée pour la dernière fois le 31 juillet 2026, relève 12,1 % sur Terminal-Bench 4.0. Le tableau de Cognition indique 42,3 % pour le checkpoint V4.1 Flash 1017. Trente points d'écart sur le même benchmark nommé. Une partie de cet écart tient au checkpoint — V4.1 est un modèle différent et plus grand — et une autre au harnais, puisque l'un est une exécution standardisée réalisée par un tiers et l'autre une exécution propre à l'éditeur. Quoi qu'il en soit, aucune ligne de cette comparaison n'est une propriété d'un modèle à elle seule, et les lignes où les deux éditeurs divergent le plus sont celles qu'il faut prendre avec le plus de prudence.

Contexte, poids et ce que vous pouvez créer

• Fenêtre de contexte — DeepSeek : 1,048,576 tokens publiés, contre SWE-2 Flash : non publié

• Sortie maximale — DeepSeek 384 000 tokens vs SWE-2 Flash non publié

• Poids — DeepSeek MIT, téléchargeables vs SWE-2 Flash à accès restreint, programme partenaire promis « dans quelques semaines »

• Modalité — DeepSeek V4 Flash : texte uniquement, la vision arrivant sur le checkpoint V4.1 et sur un ID expérimental distinct ; pour SWE-2 Flash, non précisé

• Distribution — API DeepSeek et plateformes tierces vs Devin Desktop et Devin CLI uniquement

• Contrôle de l’effort — modes avec et sans réflexion de DeepSeek vs SWE-2 Flash non documentés

• Licence pour le fine-tuning — DeepSeek : oui, contre SWE-2 Flash : non, pas encore

Pour une équipe qui construit un produit, cinq de ces sept lignes sont rédhibitoires à elles seules. Vous ne pouvez pas planifier un pipeline de récupération autour d’une fenêtre de contexte non publiée, vous ne pouvez pas fine-tuner des poids que vous ne possédez pas, et vous ne pouvez pas intégrer à votre architecture une dépendance qui n’existe que dans l’IDE de quelqu’un d’autre. SWE-2 Flash ne concourt pas pour ce créneau. Il concourt pour la place qu’un développeur occupe déjà.

La seule ligne où Flash a un avantage est justement celle sur laquelle Cognition est le moins clair : le coût par tâche. Si un cinquième du prix de SWE-2 correspond à un cinquième du coût pour mener à bien une tâche, il bat la grille tarifaire au token de DeepSeek pour le travail interactif dans Devin, car l’abonnement est déjà payé. Si elle correspond à un cinquième du prix par token sur un modèle qui génère plus de tokens par tâche, l’avantage se réduit. Cognition ne publie pas assez d’informations pour qu’on puisse le déterminer.

Là où un routeur change l'arithmétique

DeepSeek V4 Flash est routé sur OrcaRouter sous l'identifiant deepseek/deepseek-v4-flash, au prix catalogue du fournisseur, sans marge ajoutée, ce qui compte pour un modèle dont le prix change deux fois par jour : une baisse consentie par le fournisseur ou un changement de fenêtre de pointe parvient à la route plutôt que d'attendre qu'une plateforme le réévalue. La même clé donne accès à plus de 200 modèles, si bien que la version raisonnable de cette comparaison — faire tourner votre file d'attente sur DeepSeek V4 Flash, GLM 5.3 Flash et Kimi K3 et voir lequel vos tâches préfèrent réellement — coûte un changement d'ID de modèle plutôt que trois contrats. Le basculement automatique entre fournisseurs est l'autre moitié du dispositif : les fenêtres de pointe de DeepSeek sont précisément le moment où une seconde route mérite sa place, et une chaîne de repli coûte moins cher qu'une alerte de pagette.

SWE-2 Flash n’est pas sur OrcaRouter et ne peut pas y être. Il n’y a aucun point de terminaison vers lequel router, ce qui résume honnêtement toute la confrontation. Si vous le voulez, vous achetez Devin. Si vous voulez appeler un modèle de codage depuis votre propre logiciel, le choix a été fait pour vous avant la publication des benchmarks.

Lequel choisir

Si vous avez besoin d'un modèle de codage en production — une API, une fenêtre de contexte sur laquelle vous pouvez dimensionner, des poids que vous pouvez épingler, une facture que vous pouvez prévoir — DeepSeek V4 Flash est le seul des deux qui soit qualifié, et c'est le checkpoint d'octobre qu'il faut épingler. La remise sur la fenêtre de pointe mérite d'être anticipée dans votre architecture, et le contexte de 1M vaut la peine d'être disponible, même si vous le remplissez rarement.

Si vous payez déjà pour Devin, SWE-2 Flash est quasiment une option gratuite jusqu'au 30 novembre. Utilisez-le sur la partie bornée de votre file d'attente, réservez SWE-2 aux tâches multi-étapes que décrit l'écart DeepSWE, et considérez cette fenêtre gratuite comme la période d'évaluation qu'elle est. Le risque n'est pas qu'il soit mauvais. Le risque, c'est qu'un ratio soit utilisé là où une mesure devrait l'être.

Si vous standardisez une équipe sur un seul modèle de codage, ce n'est pas le duel qui doit le déterminer. Un candidat peut être testé, l'autre non, et une comparaison où un seul côté est observable est une décision de distribution déguisée en benchmark. Choisissez celui que vous pouvez mesurer, puis revenez-y lorsque Cognition proposera un endpoint ou un programme partenaire qui mettra les poids à un endroit que vous pouvez atteindre.