DeepSeek V4 Flash officiel : scores proches d'Opus 4.8, prix divisé par dix, Pro encore en attente

Pourquoi ce lancement change la donne — et où le signal se brouille

DeepSeek a choisi une stratégie rare : améliorer les scores sans ajouter un paramètre. Pour les équipes produit, cela crée une tension entre opportunité tarifaire et risque méthodologique :

• Post-entraînement seul : V4-Flash-0731 reprend l'architecture CSA+HCA (Compressed Sparse Attention + Hierarchical Context Attention) avec mHC et optimiseur Muon. Aucun rescale — la montée en performance vient du RL et du SFT sur le même checkpoint.
• Harness annoncé, non publié : Les benchmarks agentiques du 31 juillet ont tourné en mode Harness minimal. DeepSeek reconnaît que la configuration du harness influence fortement les scores. Sans framework public, les chiffres restent vendor-dependent.
• V4-Pro officiel en attente : La preview Pro existe depuis avril ; la version officielle et le framework Harness ne sont pas sortis. Les rumeurs de GA entre le 10 et le 20 août ne sont pas confirmées.
• Mise à jour API uniquement : L'application mobile et le chat web n'ont pas été mis à jour. Le routage passe par l'API avec l'identifiant deepseek-v4-flash-0731.
• Caveats opérationnels : Des utilisateurs signalent des problèmes de cache hit et des timeouts du classificateur de sécurité dans les premiers jours. Les rumeurs de financement autour de Liang Wenfeng (surnom « Liang Baikai » / « Liang Sheng » dans les forums chinois) restent non vérifiées.
• La « ligne de mise à mort » tarifaire : Le concept chinois de «斩杀线» décrit le seuil où les modèles frontier occidentaux deviennent économiquement irrationnels pour le travail à volume — V4 Flash se positionne nettement en dessous.

Ce que DeepSeek a publié le 31 juillet 2026

Les lignes sans mention « indépendant » proviennent des matériaux de lancement DeepSeek ou ont tourné dans le mode Harness minimal non encore reproductible.

V4 Flash face à Kimi K3, GLM-5.2, Qwen3.8-Max et les modèles fermés

Le tableau illustre le décalage : V4 Flash offre un rapport qualité-prix agressif face aux modèles fermiers, mais Kimi K3 et GLM-5.2 couvrent d'autres profils (poids téléchargeables, planification longue). Pour le contexte de routage, voir nos classements OpenRouter juillet 2026 et l'analyse baisse de prix GPT-5.6.

Architecture inchangée, post-entraînement renforcé — la logique du lancement

DeepSeek démontre qu'un checkpoint de 284B peut rivaliser avec des modèles dix fois plus chers par token — à condition d'accepter les limites méthodologiques :

• CSA + HCA : L'attention hybride réduit la pression sur le KV cache à 1M tokens (vendor : −27 % FLOPs, −10 % KV cache vs. V3.2).
• mHC + Muon : La compression multi-tête et l'optimiseur Muon stabilisent le RL post-entraînement sur les chaînes d'outils longues.
• Sensibilité au Harness : Terminal Bench 82,7 et les neuf benchmarks coding ont tourné en mode minimal. Sans framework public, la communauté ne peut pas reproduire la méthodologie.
• Pas de GA V4-Pro : Les équipes sur la preview Pro voient Flash comme un remplacement moins cher avec de meilleurs scores — jusqu'à la sortie officielle de Pro.

Six étapes pour évaluer V4 Flash avant la bascule production

Jusqu'à la publication du Harness et à la reproduction communautaire, l'évaluation API sur vos propres échantillons reste la voie la plus rigoureuse.

1. Configurer l'accès API : Obtenir une clé DeepSeek, vérifier l'identifiant deepseek-v4-flash-0731 et documenter la politique de rétention des données côté fournisseur.
2. Établir une baseline : Même dépôt, même harness, même plafond de tokens — Kimi K3, GLM-5.2 ou Qwen3.8-Max comme référence. Les tableaux vendor ne remplacent pas vos workloads.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)
resp = client.chat.completions.create(
    model="deepseek-v4-flash-0731",
    messages=[{"role": "user", "content": "Refactor this function without changing behavior."}],
)
print(resp.choices[0].message.content)

3. Mesurer le taux de cache hit : Prompts système répétés et contextes RAG — $0,0028/M en cache hit vs. $0,14/M sans. Documenter les incohérences signalées par les premiers utilisateurs.
4. Comparer le coût par tâche : 20 à 50 tâches représentatives ; coût par succès contre Kimi K3 ($0,86/tâche) et GPT-5.6 Sol ($1,86/tâche) selon Artificial Analysis.
5. Tester les chaînes d'outils en isolation : Runs multi-étapes sur un Mac dédié et wipeable — pas sur un runner CI partagé avec des SDK obsolètes.
6. Surveiller Harness et GA V4-Pro : Docs DeepSeek et Hugging Face pour la sortie du framework ; réévaluer le routage à la GA Pro. Rumeurs 10–20 août : non confirmées.

Chronologie et chiffres clés

• 24 avril 2026 : Preview V4-Pro — premier checkpoint V4 public.
• 24 juillet 2026 : Dépréciation de deepseek-chat et deepseek-reasoner ; migration vers la pipeline V4.
• 27 juillet 2026 : Poids ouverts Kimi K3 sur Hugging Face.
• 31 juillet 2026 : V4-Flash-0731 bêta API officielle ; neuf benchmarks agent au-dessus de V4-Pro ; Harness annoncé, non publié.
• 3 août 2026 : Qwen3.8-Max GA — MoE 2,4T concurrent, API $2/$6.
• Rumeur ~10–20 août : GA V4-Pro — non confirmée.

Chiffres citables :

• Échelle : 284B total, 13B actifs, 1M contexte, licence MIT.
• Tarifs : $0,14 entrée / $0,28 sortie par million ; cache hit entrée $0,0028.
• Artificial Analysis : Index 50, $0,03/tâche — Kimi K3 : 57, $0,86 ; GPT-5.6 Sol et Claude Fable 5 environ +9 points à $1,86 et $3,15/tâche.
• Terminal Bench 2.0 : Flash 82,7 vs. preview Pro 67,9 (vendor + Harness minimal).
• OpenRouter juillet : V4 Flash ~943,9B tokens/jour — 2e place derrière Mimo V2.5.

Les tarifs, benchmarks et dates de sortie évoluent — traiter les sources primaires ci-dessous comme référence.

Sources officielles DeepSeek :

DeepSeek — site officiel

DeepSeek API — documentation

Benchmarks indépendants et poids :

Artificial Analysis — Intelligence Index et $/tâche

Hugging Face — organisation deepseek-ai

Questions fréquentes

V4-Flash-0731 propose des scores vendor proches d'Opus 4.8 à une fraction du coût — mais le Harness manque, des problèmes de cache sont signalés, et V4-Pro attend toujours sa sortie officielle. Les tests A/B sur vos workflows agent nécessitent un environnement que vous contrôlez de bout en bout. Un Mac mini M4 KVMFLUX dédié offre root, SSH en quelques minutes et un cycle wipe-and-retry quand les clés API ou les identifiants modèle changent du jour au lendemain.