Le 17 octobre 2026, DeepSeek a mis en ligne DeepSeek-V4.1-Flash-1017. Le nombre « 1017 » est simplement la date (mois 10, jour 17). L’entreprise la présente officiellement comme une « mise à jour mineure » de V4.1-Flash, sortie le 10 septembre, soit cinq semaines plus tôt : même architecture, même prix, même fenêtre de contexte d’un million de jetons. Dans l’API, le nom deepseek-flash pointe désormais vers cette version, de même que les anciens noms deepseek-v4-flash.

Ce qui a changé, c’est l’entraînement : DeepSeek attribue les progrès à un apprentissage par renforcement avec auto-évaluation, orienté vers le développement de projets logiciels complets. Les poids ont été publiés en même temps sous licence MIT, sur Hugging Face et ModelScope.

Un « benchmark » est un examen standardisé pour les IA. Les deux cités dans la vidéo mesurent le travail d’un agent, pas la conversation :

• Terminal-Bench 4.0 : l’IA doit résoudre des problèmes en tapant elle-même des commandes dans un terminal informatique (installer, configurer, déboguer).
• ProgramBench : l’IA doit écrire des programmes complets qui passent une batterie de vérifications.

La vidéo dit que Terminal-Bench progresse « de plus de 35 % ». C’est exact en valeur relative : 42,3 divisé par 31,2 donne 1,36. En points de pourcentage, le gain est de 11. Les plus gros progrès portent sur le travail d’agent (terminal, programmes complets) ; les gains sont plus modestes sur les épreuves où le modèle était déjà fort.

La phrase de la vidéo « sur Terminal Bench, Claude Opus 5… » est coupée dans la transcription. Le tableau de DeepSeek donne la suite : Claude Opus 5 obtient 51,8, soit 9,5 points de plus. DeepSeek dépasse en revanche GPT-5.6 Sol et GLM-5.3 sur cet examen.

Sur l’ensemble du tableau de DeepSeek, la version 1017 devance Claude Opus 5 sur quatre épreuves (DeepSWE : 77,0 contre 74,0 ; Automation-Bench ; Agents’ Last Exam ; Apex Bench) et reste derrière sur sept, dont ProgramBench (29,1 contre 37,0), NL2Repo (68,2 contre 75,3) et le grand examen de connaissances HLE (42,6 contre 56,3). Le tableau ne compare ni Claude Opus 5.5 ni la génération GPT-6.

DeepSeek attribue les progrès à un « reinforcement learning with self-feedback » (RLSF), c’est-à-dire un apprentissage par renforcement avec auto-évaluation, centré sur le développement de projets logiciels de bout en bout. L’annonce donne peu de détails techniques ; une analyse (Winzheng) le décrit comme une optimisation répétée à partir des propres scores de confiance du modèle.

Le principe général, celui qu’explique la vidéo avec l’exemple d’un site de réservation d’hôtel : le modèle écrit du code, l’exécute, constate ce qui échoue (calendrier faux, bouton muet, formulaire en erreur), corrige et recommence. Pendant l’entraînement, chaque tentative laisse une trace : ce qui a marché est renforcé, ce qui a échoué est découragé. La programmation s’y prête bien, parce qu’un programme s’exécute et que des tests disent automatiquement s’il fonctionne.

La vidéo le rappelle à juste titre : cela ne veut pas dire que DeepSeek devient plus intelligent au fil de vos conversations. L’apprentissage a lieu chez DeepSeek, avant la publication ; le modèle que vous utilisez est figé.

La vidéo signale la limite principale : un programme peut passer tous les tests prévus et mal fonctionner dans une situation que personne n’avait anticipée. Si le juge automatique est imparfait, le modèle apprend à satisfaire le juge, pas à bien faire. Les chercheurs appellent cela le « piratage de la récompense ».

Les médecins connaissent ce piège sous un autre nom : le critère de jugement intermédiaire. L’exemple classique est l’essai CAST (1989-1991) : après un infarctus, la flécaïnide et l’encaïnide supprimaient très bien les extrasystoles ventriculaires sur le Holter, le critère mesuré, mais elles augmentaient la mortalité, le critère qui comptait.

La conséquence pratique est la même dans les deux mondes : un résultat mesuré ne vaut que par la qualité de ce qu’il mesure. Pour un agent qui écrit du code, cela veut dire relire, tester sur des cas réels, et ne pas croire sur parole le « tout est réussi » de la machine.

Les IA se facturent au million de « jetons » (environ 750 000 mots en anglais, un peu moins en français), en séparant ce qu’on envoie (l’entrée) de ce que le modèle produit (la sortie). Les tarifs de DeepSeek n’ont pas changé avec la version 1017 :

La vidéo annonce 20 $ pour Opus 5 et un écart de 17 fois. Le tarif public d’Opus 5 est de 25 $ en sortie : l’écart est donc d’environ 21 fois en heures pleines et de 42 fois en heures creuses.

Les heures creuses, à l’heure de Paris

Les heures pleines sont fixées en temps universel : de 1 h à 4 h et de 6 h à 10 h UTC, du lundi au vendredi, hors jours fériés chinois. Tout le reste, y compris le week-end, est en tarif réduit de moitié.

La vidéo a raison sur la méthode : un agent qui travaille sur un projet lit des fichiers, relit son historique, recommence. Il consomme bien plus de jetons en entrée qu’en sortie. Il faut donc comparer le prix d’une tâche, pas celui d’un jeton.

La vidéo ajoute que, dans certains essais indépendants, DeepSeek consomme deux à trois fois plus de jetons qu’un concurrent pour un résultat comparable. Je n’ai pas retrouvé ces essais pour la version 1017 ; DeepSeek affirme au contraire que la mise à jour raccourcit les réponses. Le seul essai indépendant publié le jour de la sortie (Kingy AI, 7 petites tâches faites deux fois) va dans le même sens : 14 réussites sur 14 au premier essai, pour 0,016 $ au total, contre 0,058 $ pour GPT-6.1 Sol et 0,065 $ pour Claude Sonnet 5.5. C’est un petit essai, mais même avec trois fois plus de jetons, l’écart de prix resterait large.

DeepSeek publie les « poids » du modèle, c’est-à-dire les milliards de nombres qui constituent son savoir, sous licence MIT : on peut les télécharger, les modifier et les utiliser commercialement. Chacun peut donc faire tourner le modèle sur ses propres machines, sans passer par les serveurs de DeepSeek.

Le chiffre de 763 milliards de paramètres donné par la vidéo est celui du dépôt Hugging Face, qui compte tout : le cœur du modèle (552 milliards), une table de mémoire « Engram », l’encodeur d’images et les poids d’accélération DSpark. C’est un « mélange d’experts » : 384 sous-réseaux spécialisés, dont 6 seulement, plus un expert commun, travaillent pour chaque jeton. Seuls 8 milliards de paramètres sont actifs pour lire, 16 milliards pour écrire.

La vidéo a raison sur la limite : « actif » décrit le calcul, pas la mémoire. Pour faire tourner le modèle, il faut charger tous les poids, soit environ 432 Go. Les poids sont déjà comprimés (format FP8, experts en FP4) : la version recompressée par la communauté fait 402 Gio, ce qui revient à peu près au même.

Comme les poids sont publics, la communauté les compresse et les optimise ; c’est ce chemin, plus que le modèle actuel, qui rendra un jour des capacités voisines accessibles sur des machines plus modestes.

Pour un cabinet, un modèle de ce niveau à ce prix ouvre des usages très concrets, à condition de séparer strictement deux mondes : ce qui ne contient aucune donnée de patient, et ce qui en contient.

• Usages sans données de patient : rédaction et mise à jour des pages du site, vérification de sources, petits programmes, agents qui travaillent la nuit. À ce prix, la question n’est plus le coût mais la relecture.
• Données de patient : l’API de DeepSeek est hébergée hors de l’Union européenne et n’est pas certifiée « hébergeur de données de santé ». Rien d’identifiant ne doit y partir. Les poids ouverts permettent en théorie une installation locale qui garde tout au cabinet, mais 432 Go de mémoire la réservent pour l’instant à un serveur dédié.
• La leçon de l’auto-évaluation : un agent qui annonce « tâche réussie » a passé ses propres tests. Comme pour un critère intermédiaire, il faut vérifier sur ce qui compte : la page s’affiche-t-elle, le chiffre est-il juste, la source existe-t-elle ?

• Nerdy Kings. DeepSeek V4.1 Flash 1017, vidéo, octobre 2026. Consulter
• Developers Digest. DeepSeek V4.1-Flash-1017: benchmarks vs Opus 5, pricing, switch?, 17 octobre 2026. Consulter
• Kingy AI. DeepSeek V4.1 Flash 1017 tested: specs, benchmarks and price, 2026. Consulter
• Winzheng. DeepSeek V4.1-Flash-1017: a date-numbered update sends Terminal-Bench from 31.2 to 42.3, 18 octobre 2026. Consulter
• MindStudio. DeepSeek V4.1-Flash-1017: what’s new in the benchmark update. Consulter
• Presenc AI. DeepSeek model lineage and roadmap 2026 (dates des versions). Consulter
• PricePerToken. Claude Opus 5 pricing. Consulter
• Echt DS, Liebson PR, Mitchell LB et coll. Mortality and morbidity in patients receiving encainide, flecainide, or placebo: the Cardiac Arrhythmia Suppression Trial. N Engl J Med, 1991.