Le 31 juillet 2026, DeepSeek a mis en production la version V4-Flash-0731 de son API publique bêta. Ce nouveau checkpoint de son modèle économique 284 milliards MoE dépasse son propre flagship V4-Pro-Preview sur l'ensemble des neuf benchmarks agentiques et de codage publiés par la société. Le modèle affiche 82,7 sur Terminal Bench 2.1 — contre 72,1 pour le Pro-Preview — et bondit de 7,3 à 54,4 sur DeepSWE, soit une progression de plus de 640 % sur ce benchmark de développement logiciel autonome.
Ce qui rend ce résultat structurellement intéressant pour les équipes qui construisent des agents n'est pas uniquement la performance brute, mais l'équation complète : 13 milliards de paramètres actifs par token, un contexte de 1 million de tokens, une licence MIT autorisant le déploiement on-premise, et un prix maintenu à 0,14 dollar par million de tokens en entrée. C'est entre 8 et 20 fois moins cher que les modèles frontière les plus populaires, pour des capacités agentiques désormais comparables sur plusieurs indicateurs clés.
Pour les PME et ETI françaises qui déploient ou évaluent des pipelines IA — agents de codage, assistants documentaires, automatisation de flux métier — V4-Flash-0731 représente un changement de repère concret. Il ne s'agit plus de choisir entre performance et coût : ce modèle place les deux dans le même panier, au moins sur les tâches agentiques que couvrent les benchmarks disponibles. La prudence reste de mise tant que des évaluations indépendantes n'ont pas confirmé ces résultats, mais le signal est suffisamment fort pour mériter une analyse sérieuse.
Cet article détaille l'architecture, les benchmarks publiés, la tarification API, les options de déploiement open-weight et les cas d'usage pertinents pour les équipes métier, ainsi que les points de vigilance à garder à l'esprit avant toute adoption en production.
Architecture MoE : 284 milliards de paramètres, 13 milliards actifs
V4-Flash-0731 est un modèle Mixture of Experts (MoE) à 284 milliards de paramètres au total. L'architecture MoE signifie que tous ces paramètres ne sont pas utilisés pour chaque token traité : lors de l'inférence, seulement 13 milliards de paramètres sont activés par token. Cette conception est au cœur de l'efficacité computationnelle du modèle.
Chaque couche MoE comporte un expert partagé et 256 experts routés, avec 6 experts activés par token lors du traitement. Les trois premières couches MoE utilisent un routage par hachage. L'attention hybride combine deux mécanismes distincts : la Compressed Sparse Attention (CSA) et la Heavily Compressed Attention (HCA), qui réduisent la mémoire nécessaire à l'attention sur de longues séquences.
Ce qui distingue la version 0731 de la prévisualisation d'avril n'est pas l'architecture — elle reste identique — mais le post-training. DeepSeek a effectué un nouveau cycle de fine-tuning orienté spécifiquement vers les tâches agentiques et de codage. C'est cette opération de re-post-training, et elle seule, qui explique les gains de performance constatés sur les benchmarks. L'architecture et la taille du modèle n'ont pas changé.
La fenêtre de contexte est maintenue à 1 million de tokens. Le modèle supporte nativement la Responses API ainsi qu'une configuration officielle Codex, deux éléments qui simplifient son intégration dans des chaînes d'agents existantes sans couche d'adaptation supplémentaire. Le modèle prend en entrée du texte et produit du texte.
Benchmarks agentiques : Terminal Bench 2.1 et DeepSWE
Les performances publiées par DeepSeek pour V4-Flash-0731 couvrent neuf benchmarks agentiques et de codage. Sur l'ensemble de ces benchmarks, le modèle dépasse V4-Pro-Preview, le modèle dit flagship de la société.
Terminal Bench 2.1
Terminal Bench 2.1 mesure la capacité d'un modèle à exécuter des tâches terminales agentiques longues durées : manipulation de fichiers, exécution de scripts, débogage, automatisation de tâches système. V4-Flash-0731 obtient 82,7 sur ce benchmark. Le V4-Pro-Preview plafonnait à 72,1, et la prévisualisation Flash d'avril se situait autour de 57. La progression entre avril et la version 0731 dépasse les 25 points sur ce seul indicateur.
DeepSWE
DeepSWE est un benchmark d'ingénierie logicielle autonome qui évalue la capacité du modèle à résoudre des problèmes de codage réels de façon indépendante. V4-Flash-0731 atteint 54,4, contre 7,3 pour le Flash Preview d'avril — soit une progression de plus de 640 %. Ce niveau situait encore récemment le modèle dans la catégorie des modèles frontière spécialisés en codage.
Un point de rigueur essentiel
Ces benchmarks ont été mesurés et publiés par DeepSeek. Ils n'ont pas encore fait l'objet d'une validation indépendante au moment de la publication de cet article. L'expérience des évaluations passées dans le secteur IA montre que les résultats auto-publiés peuvent parfois différer des mesures tierces, notamment en raison des méthodologies d'évaluation et des datasets utilisés. Avant toute décision d'adoption, il est recommandé d'évaluer V4-Flash-0731 sur des tâches représentatives de votre propre contexte métier.
API publique bêta : prix, migration zéro et concurrence
V4-Flash-0731 est disponible dès maintenant via l'API officielle DeepSeek, au même point d'entrée que la prévisualisation Flash. Le prix est maintenu à 0,14 dollar par million de tokens en entrée et 0,28 dollar par million de tokens en sortie. Les inputs mis en cache sont facturés 0,0028 dollar par million de tokens, soit exactement 2 % du prix standard — un mécanisme de cache particulièrement avantageux pour les pipelines RAG qui réutilisent des contextes systèmes volumineux.
Pour les développeurs qui appelaient déjà le point d'entrée deepseek-v4-flash, la migration est littéralement nulle : même endpoint, même clé API, même nom de modèle. DeepSeek a déployé le nouveau checkpoint de façon transparente. La limite de concurrence est fixée à 2 500 requêtes simultanées.
Comparaison tarifaire
Pour contextualiser ce prix dans le marché actuel :
- GPT-5.6 Luna (OpenAI) : 1,20 $/M en entrée après réduction de 80 % — soit 8,5× plus cher que V4-Flash-0731.
- Claude Sonnet 4.5 (Anthropic) : environ 3 $/M en entrée — soit plus de 20× plus cher.
- Mistral Medium 3 (Mistral AI) : autour de 0,40 $/M en entrée — soit environ 3× plus cher.
Ces comparaisons tarifaires n'ont de sens que si les performances sont effectivement comparables sur vos tâches spécifiques. Le prix seul ne justifie pas une migration ; c'est l'association prix/performance sur vos cas d'usage réels qui doit guider la décision.
Poids MIT open-weight : auto-hébergement possible
DeepSeek a publié les poids du checkpoint 0731 sur Hugging Face sous licence MIT. Cette licence autorise l'usage commercial, la modification et la redistribution sans restriction. Concrètement, cela signifie que vous pouvez télécharger ces poids et les déployer sur votre propre infrastructure, que ce soit on-premise ou sur un cloud privé européen.
Pour les équipes qui ne souhaitent pas transmettre leurs données vers l'API DeepSeek — pour des raisons de conformité RGPD, de confidentialité des données métier ou d'indépendance vis-à-vis d'un fournisseur externe — le déploiement self-hosted est une option réelle. Les serveurs d'inférence open source comme vLLM ou Hugging Face TGI sont compatibles avec les architectures MoE de DeepSeek.
Exigences matérielles
Un point important à ne pas sous-estimer : même si seulement 13 milliards de paramètres sont actifs lors de l'inférence, les 284 milliards de paramètres totaux doivent être chargés en mémoire GPU. Cela représente une empreinte mémoire conséquente qui nécessite plusieurs GPU haute capacité pour fonctionner en production. Ce n'est pas un modèle déployable sur un GPU grand public isolé.
Cette option de déploiement on-premise prend tout son sens dans le cadre d'une stratégie d'automatisation métier souveraine, notamment pour des données sensibles ou des volumes d'usage suffisamment élevés pour justifier l'investissement infrastructure. Ce modèle distingue DeepSeek des providers fermés comme OpenAI ou Anthropic, dont les poids restent entièrement propriétaires et inaccessibles pour un déploiement local.
Cas d'usage pour les équipes métier
V4-Flash-0731 est particulièrement adapté aux cas d'usage agentiques où le coût d'inférence est un paramètre structurant. Voici les profils pour lesquels ce modèle est pertinent dès aujourd'hui.
Agents de codage et assistance au développement
Avec 54,4 sur DeepSWE, V4-Flash-0731 peut prendre en charge des tâches de génération, refactoring et débogage de code de façon autonome. Les équipes qui intègrent une assistance IA dans leur chaîne de développement sur mesure disposent désormais d'un modèle économique compétent sur des tâches qui demandaient jusqu'ici un modèle frontière plus coûteux.
Pipelines RAG à volume élevé
À 0,14 $/M en entrée et avec un contexte de 1 million de tokens, V4-Flash-0731 est idéalement positionné pour les systèmes qui traitent de gros volumes de documents internes — contrats, manuels techniques, bases de connaissance propriétaires. Le mécanisme de cache à 0,0028 $/M rend ces architectures encore plus économiques lorsque les contextes systèmes sont réutilisés d'une requête à l'autre.
Orchestration multi-agents
Le support natif de la Responses API et la configuration Codex simplifient l'intégration dans des architectures multi-agents. V4-Flash-0731 peut y jouer le rôle d'agent secondaire ou de routeur, là où les modèles frontière sont surdimensionnés et sur-facturés. Dans une architecture à plusieurs niveaux, réserver les modèles coûteux aux tâches de raisonnement complexe et déléguer les appels à volume élevé à V4-Flash-0731 peut réduire significativement la facture d'inférence globale.
Déploiement self-hosted pour secteurs régulés
Pour les secteurs réglementés — santé, finance, juridique, défense — où les données ne peuvent pas quitter un périmètre contrôlé, le déploiement on-premise des poids MIT est une voie à étudier. Cette approche s'intègre naturellement dans une réflexion d'outil interne sur mesure et permet de combiner les capacités agentiques de V4-Flash-0731 avec une maîtrise totale des données. L'investissement infrastructure est réel, mais il devient pertinent à partir d'un certain volume d'usage ou d'une exigence de confidentialité non négociable.
Points de vigilance avant d'adopter
Plusieurs éléments méritent une attention particulière avant d'intégrer V4-Flash-0731 dans un environnement de production.
Benchmarks publiés par DeepSeek uniquement
Les scores Terminal Bench 2.1 et DeepSWE ont été produits et publiés par l'équipe DeepSeek elle-même. Des évaluations indépendantes par des tiers confirmeront ou nuanceront ces résultats dans les semaines à venir. Il est indispensable d'évaluer le modèle sur vos propres données de référence et vos propres tâches avant de conclure à une équivalence ou supériorité par rapport à votre stack actuel.
Statut bêta publique
V4-Flash-0731 est officiellement en bêta publique. Des comportements inattendus, des régressions ponctuelles ou une disponibilité API dégradée lors des pics de charge sont possibles pendant cette phase. Une adoption en production critique devrait attendre la disponibilité générale ou être assortie d'un fallback vers un modèle de secours.
Infrastructure GPU pour le déploiement self-hosted
Si vous envisagez de déployer les poids en interne, les 284 milliards de paramètres totaux impliquent des besoins GPU significatifs. L'efficacité MoE à l'inférence ne réduit pas la mémoire de chargement — l'intégralité du modèle doit être chargée. Évaluer ce coût d'infrastructure en regard de la facture API est une étape nécessaire avant de choisir la voie self-hosted.
Conformité RGPD et localisation des données
L'API DeepSeek est opérée depuis des serveurs dont la localisation principale est hors de l'Union européenne. Pour des données personnelles ou professionnelles sensibles, ce point de conformité doit être évalué avant toute intégration. Notre analyse des modèles IA chinois, des coûts et des questions RGPD détaille ce sujet plus en profondeur. La voie open-weight avec déploiement EU reste l'alternative souveraine pour les cas où la conformité est non négociable.
FAQ — DeepSeek V4 Flash 0731 : 13 milliards de paramètres actifs, +640 % sur DeepSWE et poids MIT — le modèle budget dépasse son propre flagship sur 9 benchmarks
DeepSeek V4 Flash 0731 est-il vraiment plus performant que V4-Pro-Preview ?
Selon les benchmarks publiés par DeepSeek le 31 juillet 2026, oui : V4-Flash-0731 dépasse V4-Pro-Preview sur les neuf benchmarks agentiques et de codage publiés, avec notamment 82,7 vs 72,1 sur Terminal Bench 2.1. Ces mesures sont auto-publiées par DeepSeek et n'ont pas encore été validées par des tiers au moment de cet article. Une évaluation sur vos propres tâches reste indispensable.
Peut-on utiliser V4 Flash 0731 en remplacement d'un modèle frontier comme Claude Sonnet 4.5 ou GPT-5.6 ?
Sur les tâches agentiques et de codage, les benchmarks suggèrent que V4-Flash-0731 est compétitif. Pour des tâches nécessitant un raisonnement complexe multi-étapes, une gestion fine des instructions nuancées ou une précision élevée sur des domaines spécialisés, les modèles frontière conservent probablement des avantages. La meilleure approche est de tester les deux sur un jeu de tâches représentatives de votre usage réel avant de migrer.
Comment déployer les poids MIT de DeepSeek V4 Flash 0731 en interne ?
Les poids sont disponibles sur Hugging Face sous le nom deepseek-ai/deepseek-v4-flash, sous licence MIT. Ils peuvent être servis via vLLM ou Hugging Face TGI, deux serveurs d'inférence open source compatibles avec les architectures MoE. Le prérequis matériel principal est une capacité GPU suffisante pour charger les 284 milliards de paramètres totaux — ce qui représente plusieurs GPU haute mémoire en configuration production.
La migration depuis la version preview de V4 Flash est-elle complexe ?
Non. DeepSeek a déployé V4-Flash-0731 de façon transparente sur le même point d'entrée API. Les développeurs qui appelaient déjà deepseek-v4-flash n'ont rien à modifier : même endpoint, même clé API, même nom de modèle. La mise à jour est automatique côté serveur.
V4-Flash-0731 prend-il en charge les appels d'outils et les fonctions ?
Oui. Le modèle supporte nativement la Responses API de DeepSeek, qui permet les appels d'outils structurés, ainsi qu'une configuration officielle Codex pour les tâches d'exécution de code. Ces capacités en font un candidat sérieux pour les architectures multi-agents où le modèle doit orchestrer des appels à des outils externes.
L'utilisation de V4-Flash-0731 via l'API DeepSeek est-elle conforme au RGPD ?
La conformité RGPD dépend de la nature des données que vous envoyez et de votre analyse de risque. L'API DeepSeek est opérée hors UE, ce qui implique un transfert de données hors de l'Espace économique européen. Si vos données sont personnelles ou sensibles, une analyse juridique est nécessaire. L'alternative souveraine consiste à déployer les poids MIT sur votre propre infrastructure en Europe, ce qui supprime le transfert de données vers des serveurs tiers.