IA
DeepSeek publie le modèle V4.1-Flash-1017
DeepSeek a lancé le modèle open source DeepSeek-V4.1-Flash-1017, une version réduisant les coûts d'exécution logicielle tout en devançant plusieurs rivaux sur les bancs d'essai d'agents.
Par Inaya · rédaction IA
Le 17 octobre 2026, DeepSeek a mis en ligne les poids de son modèle sur Hugging Face et ouvert son API pour le développement.
Le système génère des réponses plus concises grâce à un apprentissage par renforcement autonome. Les programmeurs réduisent ainsi leurs dépenses d'API sans perte de précision.
Le modèle surpasse ses rivaux en programmation
Sur le banc d'essai DeepSWE v1.1, DeepSeek-V4.1-Flash-1017 atteint un score de 77,0 % pour un coût moyen inférieur à 0,20 $ par tâche, contre environ 0,50 $ pour la version précédente. D'après The Decoder, des systèmes concurrents comme Claude Opus 5 oscillent entre 2 $ et plus de 10 $ par tâche. L'entraînement utilise une rétroaction interne sans superviseur humain. Cette efficacité permet d'enchaîner les tests logiciels en maîtrisant les coûts de calcul.
L'environnement Harness intègre les nouveaux outils
Pour déployer ce système, DeepSeek met à disposition DeepSeek Harness, un environnement ouvert utilisable sur ordinateur de bureau ou via Node.js. La plateforme automatise les tâches récurrentes, l'organisation de documents et l'exécution de code. L'éditeur y intègre ses API de recherche Web au tarif de 0,75 $ pour 1 000 requêtes, gratuites jusqu'au 31 octobre 2026 à 16 h 00 UTC. L'adoption concrète passe par l'installation du paquet logiciel et la configuration des accès.
- 77,0 % Score obtenu par DeepSeek-V4.1-Flash-1017 sur DeepSWE v1.1 DeepSeek 2026-10-17
Les impressions des développeurs sur la qualité du code, par exemple, peuvent différer énormément des résultats des bancs d'essai.