# Deepseek V4.1 Flash 1017 : modèle open weight pour coder

> Deepseek V4.1 Flash 1017 est un modèle open weight pour coder et piloter des agents, à bas coût par tâche, avec une API de recherche web.

- Type : actu de l'IA
- Famille : Modèles · Modèle de langage ouvert
- Habitat : API · Hugging Face · ModelScope
- Niveau : intermédiaire
- Source : https://the-decoder.com/deepseek-v4-1-flash-1017-beats-larger-rivals-in-agentic-tasks-while-once-again-massively-cutting-per-task-costs/
- Publié le : 17 octobre 2026
- Page : https://geekus.fr/projets/deepseek-v4-1-flash-1017/

Deepseek V4.1 Flash 1017 est une mise à jour du modèle Flash de l'entreprise chinoise Deepseek, publiée avec ses poids ouverts sur Hugging Face et ModelScope. Selon Deepseek, il va plus vite, écrit des réponses plus courtes et coûte nettement moins cher par tâche de programmation que son prédécesseur. En parallèle, l'entreprise ouvre son moteur de recherche interne aux développeurs via deux nouvelles API.

## En bref

- Deepseek V4.1 Flash 1017 est disponible sur le site, l'application et l'API de Deepseek, et en poids ouverts.
- Sur le benchmark DeepSWE : 77,0 % pour un peu moins de 0,20 $ par tâche, contre 74,2 % pour environ 0,50 $ avant.
- Les API Search et Fetch coûtent 0,75 $ les 1 000 appels, gratuites jusqu'au 31 octobre 2026 dans certains outils.
- Ces chiffres sont ceux de Deepseek : les tests indépendants ne sont pas encore publiés.

## Qu'est-ce que Deepseek V4.1 Flash 1017 ?

Deepseek V4.1 Flash 1017 est un modèle de langage de Deepseek, version mise à jour de V4.1-Flash. Il est proposé sur le site de l'entreprise, dans son application et par son API, et ses poids sont publiés en open source sur Hugging Face et ModelScope.

Par rapport à son prédécesseur direct, Deepseek indique de meilleurs scores aux tests, une exécution plus rapide des tâches et des sorties plus courtes. L'entreprise parle d'une amélioration de Pareto : le gain de performance ne se fait pas au prix d'un coût plus élevé.

## Comment Deepseek V4.1 Flash 1017 apprend à développer un projet

Pour les projets logiciels complets, Deepseek utilise l'apprentissage par renforcement avec auto-évaluation (RLSF, pour reinforcement learning with self-feedback). Le modèle se sert de ses propres scores de confiance ou de critiques qu'il génère lui-même comme signal de récompense. Il n'a donc besoin ni d'évaluateurs humains ni de modèle de récompense externe.

Deepseek affirme que cette méthode améliore le développement de bout en bout, de la programmation de jeux à la modélisation 3D et au design. Le modèle peut aussi animer de courtes vidéos explicatives. Il a été ajusté pour des environnements de développement comme Deepseek Harness (version v0.2.1-rc.1 ou plus récente recommandée), Tencent CodeBuddy et WorkBuddy.

## Résultats et coût par tâche annoncés

Dans ses propres benchmarks, Deepseek indique que V4.1-Flash-1017 fait mieux que V4.1-Flash dans chaque catégorie testée. Il dépasserait aussi des modèles plus grands, dont Claude Opus 5, GPT 5.6-Sol, Kimi K3 et GLM 5.3, dans plusieurs catégories de code et d'agents.

Le graphique de coût du benchmark DeepSWE montre l'effet des sorties courtes. Le modèle atteint 77,0 % pour un coût moyen un peu inférieur à 0,20 $ par tâche. En réglage bas, il dépasse encore 72 % pour environ 0,10 $. Son prédécesseur obtenait 74,2 % pour environ 0,50 $ par exécution.

- 77,0 % pour un peu moins de 0,20 $ par tâche (réglage haut)
- Plus de 72 % pour environ 0,10 $ (réglage bas)
- 74,2 % pour environ 0,50 $ avec le prédécesseur
- Entre 2 $ et plus de 10 $ par tâche pour GPT-6 Astra, Gemini 3.8 Flash et Claude Opus 5, sans atteindre sa précision sur ce graphique

## Les API Search et Fetch de Deepseek

Deepseek met ses outils de recherche web, les API Search et Fetch, à disposition de tous les développeurs. Selon l'entreprise, ils reposent sur un moteur de recherche conçu en interne, qui traite déjà des centaines de millions de requêtes par jour dans le monde. La mise en route est décrite dans la documentation de l'API.

Chaque point d'accès coûte 0,75 $ les 1 000 appels. Les utilisateurs de l'API Deepseek y accèdent gratuitement, via des outils côté serveur dans Deepseek Harness, Claude Code et [Codex](https://geekus.fr/projets/codex/), jusqu'au 31 octobre 2026 à 4:00 PM UTC.

## Prix et disponibilité de Deepseek V4.1 Flash 1017

Le modèle est disponible dès maintenant sur le site, l'application et l'API de Deepseek. Les poids ouverts permettent de le récupérer sur Hugging Face et ModelScope. L'annonce relayée par The Decoder ne donne pas de tarif par token ni de configuration minimale pour l'exécuter soi-même.

Le coût par tâche cité plus haut est une moyenne mesurée sur un benchmark, pas un prix fixe : il dépend des tâches et du réglage choisi.

## Limites des chiffres et contexte réglementaire

Les résultats viennent des benchmarks de Deepseek. Selon The Decoder, aucun test indépendant n'est encore sorti, et les benchmarks ne disent pas tout : l'impression des développeurs sur la qualité du code peut différer beaucoup des scores.

The Decoder rapporte aussi que le gouvernement chinois prévoirait de durcir les règles de publication des modèles à poids ouverts, voire d'en bloquer la sortie. Un critère évoqué est l'appartenance du système aux 10 modèles les plus capables. Cela rend l'intégration de modèles chinois dans des outils un peu moins attrayante, selon le média.

## Quelques repères

- **Poids ouverts (open weight)** : Les poids sont les paramètres appris par un modèle d'IA. Quand ils sont publiés, chacun peut télécharger le modèle et l'exécuter ou l'adapter, même si toutes les données d'entraînement ne sont pas partagées.
- **Apprentissage par renforcement** : Méthode d'entraînement où un modèle améliore son comportement grâce à un signal de récompense qui indique si ses résultats sont bons ou mauvais.
- **Benchmark** : Test standardisé qui mesure les performances d'un modèle sur un ensemble de tâches, afin de comparer plusieurs modèles entre eux.

## Questions fréquentes

### Deepseek V4.1 Flash 1017 est-il open source ?

Oui, ses poids sont publiés en open source sur Hugging Face et ModelScope. Le modèle reste aussi disponible via le site, l'application et l'API de Deepseek.

### Combien coûte une tâche de code avec Deepseek V4.1 Flash 1017 ?

Environ 0,20 $ en moyenne sur le benchmark DeepSWE, pour un score de 77,0 %. En réglage bas, le coût tombe à environ 0,10 $ pour plus de 72 %, selon Deepseek.

### Combien coûtent les API Search et Fetch de Deepseek ?

Chaque point d'accès coûte 0,75 $ les 1 000 appels. L'accès est gratuit pour les utilisateurs de l'API Deepseek via des outils côté serveur dans Deepseek Harness, Claude Code et Codex, jusqu'au 31 octobre 2026.

### Deepseek V4.1 Flash 1017 est-il meilleur que Claude Opus 5 ?

Selon les benchmarks internes de Deepseek, il le dépasse dans plusieurs catégories de code et d'agents. Aucun test indépendant n'est encore publié.

## À retenir

Deepseek V4.1 Flash 1017 améliore son prédécesseur en score comme en coût par tâche selon les benchmarks de Deepseek, avec des poids ouverts et deux API de recherche à 0,75 $ les 1 000 appels. Ces résultats attendent encore une vérification indépendante.

Sources :

- [The Decoder](https://the-decoder.com/deepseek-v4-1-flash-1017-beats-larger-rivals-in-agentic-tasks-while-once-again-massively-cutting-per-task-costs/) (article de presse)

Mots-clés : deepseek, open weight, agents, code, api

---

Fiche publiée par Geekus : https://geekus.fr/projets/deepseek-v4-1-flash-1017/