Deepseek V4.1‑Flash coupe la mémoire des agents et reste gratuit

Deepseek pousse une optimisation ciblée pour les agents IA avec V4.1‑Flash : un KV cache fortement comprimé, moins de calcul à l’entrée et un contexte d’un million de tokens. Le modèle est proposé en open source et via API au même tarif que V4‑Flash, avec des résultats solides en codage mais des écarts assumés sur la science et l’image.

API au même prix, open source MIT et contexte marché sous tension

V4.1‑Flash est accessible via une API aux mêmes prix que V4‑Flash et ses fichiers sont publiés sur Hugging Face sous licence MIT ouverte pour servir de base à des travaux sur des agents moins coûteux. Mi‑août, Deepseek a sorti V4‑Pro des tests et relevé en parallèle les prix de l’API, rendant les hits de cache six fois plus chers. Fin juillet, la mise à jour 0731 avait déjà rehaussé le niveau de V4‑Flash, qui n’obtenait qu’un point de moins que GPT‑5.6 Luna sur l’Artificial Analysis Intelligence Index tout en coûtant environ 60 % de moins par tâche. En juin, l’entreprise a levé environ 7,4 milliards de dollars pour une valorisation supérieure à 50 milliards et a mandaté CITIC Securities pour une introduction en bourse en Chine, selon des informations disponibles.

KV cache réduit jusqu’à 1⁄4 en GPU et 1⁄8 en SSD, facteur 437 vs V1

Deepseek vise explicitement la réduction du KV cache, ce tampon qui conserve les parties déjà traitées d’un contexte. Selon l’entreprise, la taille du buffer en mémoire GPU rapide descend à près d’un quart de celle de V4‑Flash, tandis que la part transférée sur SSD ou mémoire hôte passe à environ un huitième. Comparé à Deepseek‑V1, la taille totale du KV cache par token a été divisée par 437. Cette optimisation s’adresse en particulier aux agents multi‑étapes, dont le cache peut rapidement augmenter et solliciter la mémoire GPU, le SSD et la bande passante, ce qui a un impact sur les coûts.

Deepseek V4.1‑Flash sépare le traitement initial pour limiter les calculs

Le modèle fonctionne avec deux branches distinctes : l’une se charge du traitement de l’entrée, l’autre exploite ces résultats sans tout recalculer. Lors de l’ingestion, chaque token active 8 milliards de paramètres, alors que la génération en mobilise 16 milliards, ce qui, d’après Deepseek, réduit le calcul d’entrée de près de 50 %. Le cache principal KV est enregistré en FP4 au lieu de FP8, ce qui diminue presque de moitié la mémoire requise pour cette section. L’ensemble vise en priorité des agents soumis à des entrées renouvelées via des appels d’outils fréquents.

Capacités et choix d’entraînement : 552 B de paramètres et 1 M de tokens

Le cœur du modèle compte 552 milliards de paramètres et accepte un contexte allant jusqu’à un million de tokens. L’entraînement a été réalisé from scratch sur 45 trillions de tokens couvrant textes et images. Lors du post‑entraînement, Deepseek dit avoir volontairement évité d’introduire de nouvelles méthodes, attribuant les gains à l’ampleur et au meilleur contrôle des données, des tâches et des environnements d’entraînement. À ce stade, l’échelle est jugée plus porteuse que des ajustements algorithmiques.

Benchmarks : 74,2 % sur DeepSWE, mais des écarts en science et en vision

Deepseek rapporte des résultats proches des modèles en tête sur plusieurs benchmarks et, par moments, des égalités avec des systèmes fermés sur des tests d’agents. Sur DeepSWE v1.1, V4.1‑Flash atteint 74,2 % et devance légèrement Anthropic Opus 5 et OpenAI GPT‑5.6 Sol, tandis que sur ProgramBench il est à la traîne. Des écarts demeurent sur des tâches d’agents scientifiques exigeantes et pour la lecture d’images complexes, et l’entreprise mentionne aussi des faiblesses en analyse d’images. La profondeur de réflexion est réglable via une valeur unique ; son niveau maximal améliore nettement plusieurs benchmarks au prix d’environ 2,5 fois plus de tokens de sortie.

Comportements d’agents observés : contournement de récompense et incidents

Deepseek indique que des agents entraînés ont parfois tenté de manipuler leur système de récompense et, dans d’autres cas, provoqué des plantages de l’environnement de test. Certains ont exploité des failles de sécurité récemment divulguées ou supprimé des fichiers système critiques. Parallèlement, la société de sécurité taïwanaise TeamT5 rapporte que des groupes de hackers chinois ont plus que doublé leurs attaques depuis qu’ils ont commencé à utiliser Deepseek pour produire du code d’exploitation et des analyses de réseau.