DeepSeek V4 : Flash ou Pro, quel modèle pour votre produit ?

DeepSeek V4 aujourd’hui : deux modèles, une migration à vérifier

DeepSeek, une famille de modèles accessible par API et sous forme de poids téléchargeables, exige désormais de préciser la version dans votre documentation de production. La seule mention « V4 » ne permet plus de savoir quel modèle a traité une requête. Dans l’API hébergée actuelle de DeepSeek, deepseek-flash correspond à DeepSeek-V4.1-Flash-1017 et deepseek-v4-pro à DeepSeek-V4-Pro-0813. Modèles et tarifs.

Vérifié le 18 octobre 2026 à partir de la page Modèles et tarifs de DeepSeek et des fiches Hugging Face de ces révisions précises. Les recommandations de cet article reposent sur les capacités documentées, les exigences de déploiement et la méthode d’évaluation ; elles ne constituent pas les résultats de tests de performance réalisés par nos soins.

Sortie de DeepSeek V4 : ce qui a changé le 17 octobre

La mise à jour d’octobre concerne la branche Flash. Les deux anciens noms, deepseek-v4-flash et deepseek-v4-flash-vision-exp, restent acceptés, mais les modèles qu’ils désignaient ont été retirés. Les requêtes arrivent désormais sur V4.1-Flash-1017, aux tarifs Flash. Pour une nouvelle intégration, utilisez deepseek-flash. Correspondance actuelle des alias.

En exploitation, une requête qui aboutit ne prouve pas que l’ancien modèle tourne encore. Un alias fonctionne comme le numéro de téléphone d’un service : le numéro peut rester identique alors que la personne qui répond a changé. Si un outil interne modifie sa manière de rédiger, de choisir ses outils ou de doser la longueur de ses réponses sans changement de configuration, examinez aussi la migration du modèle servi.

La priorité est de rejouer des tâches représentatives et de comparer les résultats que vous jugez acceptables. Remplacer le nom configuré par celui recommandé clarifie l’installation, mais ne rétablit pas le modèle retiré.

Ces limites sont celles de l’offre hébergée, indiquées dans le tableau des modèles de DeepSeek. Un token est une unité de texte traitée par le modèle. Le contexte constitue l’espace de travail d’une requête ; la sortie maximale fixe la quantité de texte qu’il peut générer. Aucun de ces chiffres ne garantit qu’il retrouvera avec précision toutes les informations fournies.

Si vous êtes directeur technique et évaluez l’analyse d’un dépôt de code, indiquez explicitement les fichiers pertinents et les critères de validation. Une grande fenêtre permet de fournir davantage de contenu, mais ne prouve ni que le modèle a trouvé les bons éléments, ni qu’il a respecté toutes les contraintes.

Quel modèle choisir pour votre produit ?

Partez des entrées nécessaires et des résultats validés, puis comparez les coûts d’exploitation. Je recommande de commencer une nouvelle évaluation avec Flash : il accepte davantage de types d’entrée et ses tarifs publiés par token sont plus bas. Pro mérite de traiter un type de requête lorsqu’il y obtient de meilleurs résultats validés, ou lorsqu’une intégration Pro existante répond déjà au besoin.

DeepSeek V4 Flash : commencez par une tâche bien délimitée

Si vous avez levé des fonds et souhaitez ajouter à votre produit la classification des tickets d’assistance ou la rédaction de réponses, commencez par Flash sur une tâche dont vous pouvez vérifier le résultat. Fournissez les règles applicables, définissez les catégories autorisées et mesurez la fréquence à laquelle un relecteur valide la réponse. Il s’agit de pistes d’évaluation, pas d’une affirmation selon laquelle ce modèle a déjà fait ses preuves sur vos tâches.

Si vous développez seul, appliquez la même rigueur au code : choisissez une modification circonscrite, conservez le cas qui reproduit l’échec et exigez que le correctif passe les vérifications du projet. Un modèle qui produit une explication convaincante mais laisse le bug en place n’a pas rempli sa mission.

DeepSeek V4 et la vision : les images tranchent le choix

Flash accepte les images en entrée ; Pro ne les accepte pas. Cette différence suffit à orienter un signalement de bug d’interface accompagné d’une capture d’écran, un formulaire photographié ou une demande de lecture de graphique, avant même de discuter des benchmarks. Prise en charge des images par modèle.

Si votre application confie les requêtes difficiles à Pro, prévoyez un circuit distinct pour celles qui contiennent des images. Envoyer la même requête à un modèle dépourvu de vision ne préserve pas la tâche d’origine. Décrire d’abord l’image en texte constitue un autre workflow, avec une étape supplémentaire où des informations peuvent se perdre.

Conservez Pro pour les tâches textuelles où il a fait ses preuves. Dans une entreprise de taille intermédiaire, un directeur technique disposant d’un assistant interne stable sous Pro devrait garder cette référence pendant l’évaluation de Flash. Un responsable de l’exploitation expérimenté comparera aussi l’effort de relecture et la gestion des échecs, au-delà des réponses terminées. Ne migrez pas un workflow textuel fiable au seul motif qu’une révision plus récente existe.

En heures creuses, Flash coûte $0.15 en entrée / $0.60 en sortie, contre $0.66 / $1.98 par 1M tokens pour Pro, avec des entrées hors cache dans les deux cas. Les tarifs officiels de DeepSeek et notre guide des prix de DeepSeek détaillent l’ensemble de la grille.

Le mode de raisonnement se règle dans la requête

Les modes avec et sans raisonnement sont des réglages disponibles sur les deux modèles, pas des produits distincts à sélectionner. Le mode avec raisonnement ajoute une étape explicite de réflexion avant la réponse finale. Évaluez-le pour la planification, le débogage difficile et les tâches aux contraintes interdépendantes ; testez le mode sans raisonnement pour l’extraction ou la classification bien délimitée, où une réflexion supplémentaire peut apporter peu de valeur.

L’API hébergée active le raisonnement par défaut. Dans les requêtes Chat Completions, réglez thinking.type sur enabled ou disabled ; les niveaux d’effort documentés sont low, high et max, avec high par défaut. Renseignez ces paramètres explicitement pour pouvoir reproduire une comparaison ultérieure. Réglages du mode de raisonnement.

Lors d’une migration d’agent, vérifiez aussi l’état de la conversation, au-delà de la réponse finale. Quand une requête contient tools, DeepSeek exige de renvoyer les précédents contenus reasoning_content, y compris ceux des tours sans appel d’outil. Les omettre peut déclencher une erreur 400. Une conversation réussie en un seul échange ne valide donc pas un agent fonctionnant sur plusieurs tours. Exigences de conservation de l’état avec les outils.

Comment appeler l’API DeepSeek actuelle ?

Dans model, utilisez l’alias de l’API, pas le nom du dépôt Hugging Face. Si votre clé DeepSeek est déjà disponible dans la variable d’environnement DEEPSEEK_API_KEY, cette requête suit l’interface Chat Completions documentée :

curl --fail-with-body https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -d '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "List the checks before releasing a small API change."}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
    "stream": false
  }'

Pour évaluer Pro sur du texte, remplacez la valeur du modèle par deepseek-v4-pro. Pour désactiver le raisonnement, réglez thinking.type sur disabled. Les URL de base documentées sont https://api.deepseek.com pour le format compatible OpenAI et https://api.deepseek.com/anthropic pour le format compatible Anthropic. Guide de démarrage de l’API DeepSeek.

Cet exemple est tiré de la documentation ; la requête n’a pas été exécutée pour cet article. Une fois la connexion établie, vérifiez l’analyse des réponses, les allers-retours avec les outils, les échecs et les délais d’attente avec le client utilisé par votre produit. Ces contrôles déterminent si l’intégration est prête.

Benchmarks DeepSeek V4 : précisez toujours la version

Le checkpoint exact et le protocole d’évaluation comptent davantage qu’un titre « Flash contre Pro ». Un benchmark est un ensemble défini de tâches ; l’environnement d’exécution d’un agent est le logiciel qui l’entoure, exécute les outils et renvoie leurs résultats au modèle. Modifier l’un ou l’autre peut modifier le résultat.

La fiche Flash-1017 de DeepSeek annonce 77.0 sur DeepSWE v1.1 avec Mini-SWE-V2, et 42.3 sur Terminal-Bench 4.0 avec Claude Code. Il s’agit des chiffres publiés par DeepSeek, repris avec les noms des benchmarks et les précisions sur les environnements d’exécution figurant dans la fiche. Ce ne sont pas des mesures indépendantes de votre application. Fiche du modèle Flash-1017.

Benchmark DeepSeek V4 Pro : gardez la référence des tâches évaluées

La fiche Pro-0813 de DeepSeek annonce 87.9 sur Terminal Bench 2.1. Pour les tâches publiques d’agents de programmation, elle décrit l’utilisation de DeepSeek Harness en mode minimal, avec l’effort de raisonnement maximal. Ce résultat est publié par DeepSeek pour cette version du benchmark. On ne peut pas le classer face au score de Flash-1017 sur Terminal-Bench 4.0 comme si les tâches étaient identiques. Fiche du modèle Pro-0813.

Pour choisir un assistant de programmation, l’expérience utile conserve le même dépôt, la même tâche, les mêmes outils et les mêmes critères de validation. Consignez si le correctif fonctionne et l’effort de relecture qu’il demande. Les résultats publiés justifient de tester un candidat ; ils ne décident pas du modèle qui doit traiter votre trafic de production.

Lorsqu’un résultat plus ancien circule, repartez de la fiche propre à la révision concernée. Un score simplement associé à « V4.1 Flash » peut correspondre au checkpoint précédent.

Poids ouverts : qui exploitera le modèle ?

Les dépôts et les poids de ces deux révisions précises sont publiés sous licence MIT. Les poids sont les paramètres appris par le modèle ; les télécharger permet d’organiser l’inférence sur une infrastructure que vous exploitez. Faire appel à l’API hébergée relève d’un autre choix de déploiement. Flash-1017, Pro-0813.

Pour un développeur indépendant, un essai via l’offre hébergée représente un projet d’intégration plus léger. Pour une entreprise qui exploite déjà une infrastructure de modèles, les poids téléchargeables ouvrent une autre possibilité. La question est de savoir qui assurera la capacité de service, les mises à niveau, les journaux et la réponse aux incidents.

Rapport technique DeepSeek V4 et consignes de déploiement

La fiche Flash-1017 renvoie au rapport technique V4.1 et à ses propres instructions d’inférence locale, dont la conversion des poids. La fiche Pro-0813 renvoie au rapport V4 et documente explicitement le déploiement avec vLLM et SGLang, des logiciels d’inférence. Suivez les instructions du checkpoint que vous téléchargez effectivement. Instructions Flash, instructions Pro.

Un point d’intégration concret est à anticiper : les deux fiches fournissent des implémentations dédiées à l’encodage des prompts, plutôt qu’un template de conversation au format Jinja, utilisé par de nombreuses piles d’inférence pour organiser les messages. La fiche Flash décrit aussi deepseek-recipe pour encoder les requêtes et analyser les réponses, mais laisse l’inférence, l’exécution des outils et le transport HTTP à la charge du code appelant. Télécharger les poids n’assemble pas ces briques à votre place.

Pour élargir votre sélection de modèles à exploiter vous-même, consultez notre guide des LLM open source. Traitez le choix de déploiement séparément de la position du modèle dans les benchmarks.

Search et Fetch : ce qu’un agent doit aussi comptabiliser

Comptabilisez les requêtes des outils web séparément des tokens du modèle. La page Modèles et tarifs de DeepSeek présente Search et Fetch comme des API autonomes facturées à la requête réussie. Elle précise que les outils côté serveur de DeepSeek Harness, Claude Code et Codex utilisent déjà ces API ; ces appels intégrés sont actuellement gratuits, avec une facturation à la requête à partir du 1er novembre 2026 à 00:00, heure de Pékin. Annonce de facturation de Search et Fetch.

Si vous exploitez un agent de recherche, une réponse complète peut combiner génération par le modèle et plusieurs opérations sur le web. Un tableau de bord limité aux tokens ne peut pas rendre compte de l’ensemble de cette activité. Ajoutez des compteurs distincts de requêtes réussies pour Search et Fetch, puis vérifiez si les nouvelles tentatives et les recherches répétées apportent quelque chose.

Cette échéance modifie les hypothèses d’exploitation d’un agent existant ; elle ne justifie pas de le reconstruire. Avant cette date, rendez le trafic des outils visible et fixez un budget de requêtes adapté à la tâche. Le guide tarifaire lié détaille les prix.

Ce qu’il faut relativiser, et les prochaines actions utiles

Un nom plus récent, une fenêtre de contexte plus grande et des poids ouverts répondent chacun à une question différente. Aucun de ces éléments ne fait d’un modèle le choix automatique pour toutes les tâches.

Le nom « Pro » n’établit pas une supériorité universelle. Une grande limite de contexte ne garantit pas de retrouver fidèlement les informations. Des poids sous licence MIT ne constituent ni un système d’inférence prêt à l’emploi, ni une offre d’inférence hébergée gratuite. Enfin, l’acceptation d’un ancien alias ne signifie pas que l’ancien modèle reste disponible.

Agissez dès maintenant si votre produit utilise l’un des anciens noms Flash : rejouez ses tests de validation et vérifiez son comportement avec la révision actuellement servie. Faites de même si votre agent utilise Search ou Fetch intégrés, car ses relevés de consommation doivent tenir compte du début de leur facturation.

Attendez avant de migrer si votre workflow textuel sous Pro répond à ses exigences et qu’aucune mesure ne justifie son remplacement. La migration des alias Flash ne modifie pas votre routage configuré vers Pro : il reste associé à Pro-0813. Maintenez les contrôles habituels que réclame toute dépendance hébergée.

Pour choisir séparément votre fournisseur, consultez DeepSeek vs Claude ou DeepSeek vs ChatGPT. Le choix du modèle doit s’inscrire dans le produit et le workflow qui l’entourent.

À faire dès lundi : choisissez une tâche fréquente dont le résultat est vérifiable, puis rejouez des exemples enregistrés avec votre routage actuel et le candidat pertinent. Incluez un cas avec image si votre produit en accepte, une entrée longue et un appel d’outil en échec. Consignez les résultats validés, l’effort de relecture, le temps écoulé, les tokens du modèle et les requêtes des outils web. Ne passez le candidat en production que si ces résultats justifient le changement.

Questions fréquentes

Inscrivez-vous à la newsletter pour recevoir des conseils pratiques sur le choix et l’exploitation des outils d’IA.