Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

DeepSeek V4.1 Flash : 552 milliards de paramètres, multimodal natif et prix en baisse

DeepSeek a lancé V4.1 Flash le 10 septembre 2026. Ce modèle MoE de 552 milliards de paramètres n'en active que 8 milliards en entrée, et ses besoins en HBM pour le KV Cache sont quatre fois plus faibles que ceux de la génération précédente.

IA & modèlesActualitéSophie LeclercPublié le: 10 septembre 20265 min de lectureSources 3
DeepSeek V4.1 Flash : 552 milliards de paramètres, multimodal natif et prix en baisse

Le 10 septembre 2026, DeepSeek a publié le modèle V4.1 Flash. C'est la version la plus compacte de sa nouvelle série d'architectures, dotée d'une compréhension visuelle multimodale native. Le modèle est accessible via l'API DeepSeek : il suffit de remplacer le nom du modèle par deepseek-flash.

V4.1 Flash est un modèle MoE de 552 milliards de paramètres, construit sur une architecture Causal-Encoder-Decoder inédite. L'entrée et la sortie sont asymétriques : la phase d'entrée n'active que 8 milliards de paramètres, celle de sortie 16 milliards. L'objectif de cette structure est d'offrir un plafond de capacités plus élevé, une inférence plus rapide et un débit supérieur. Elle doit aussi permettre de passer à des modèles de taille plus grande.

Le cache est l'autre point central de cette mise à jour. Par rapport à la génération précédente, le KV Cache de V4.1 Flash divise par quatre les besoins en HBM et par huit ceux en SSD. Dans les scénarios d'usage d'Agent, le coût des hits de cache pèse souvent lourd. Compresser le KV Cache fait donc baisser nettement le coût de ces tâches. La société donne aussi une courbe de long terme : par rapport au premier modèle, le KV Cache a été réduit de 437 fois.

Les prix changent aussi. En heures creuses, l'entrée avec hit de cache coûte 0,02 yuan par million de tokens, l'entrée sans hit 1 yuan par million de tokens, la sortie 4 yuan par million de tokens. En heures pleines, les tarifs doublent. Les nouveaux prix s'appliquent à partir du 10 septembre 2026 à 12 h.

Côté open source, les poids du modèle sont publiés sous licence MIT. DeepSeek dit vouloir soutenir pleinement la communauté open source pour l'adaptation de l'inférence et élargir par tous les moyens le périmètre de déploiement. Les équipes qui ont des besoins de déploiement à grande échelle et les ressources correspondantes peuvent contacter l'équipe.

Le sort des anciennes versions est aussi précisé. V4 Flash et V4 Flash Vision Exp sont retirés. Pour la compatibilité, les noms deepseek-v4-flash et deepseek-v4-flash-vision-exp sont temporairement routés vers V4.1 Flash. DeepSeek prévoit également de retirer progressivement V4 Pro : après un certain délai, les requêtes concernées seront toutes routées vers V4.1 Flash et facturées au tarif unitaire de V4.1 Flash. Les partenaires WorkBuddy (avec CodeBuddy) et OpenCode sont déjà intégrés à pleine échelle.

Pour le déploiement et l'écosystème, V4.1 Flash prend en charge les principaux frameworks d'inférence vLLM, SGLang et TensorRT. Il propose les formats de quantification FP8, BF16, GPTQ, AWG et GGUF, avec une longueur de contexte allant jusqu'à 1 million de tokens. Les équipes peuvent donc brancher le nouveau modèle sur leur pile d'inférence existante à faible coût de modification.

Commentaires 0

Sources

3
  1. 01DeepSeek V4.1 Flash:更强、更快、更普惠ZH
  2. 02DeepSeek-V4.1-Flash ReleaseEN
  3. 03DeepSeek V4.1 Flash 模型今日发布,V4 Pro 服务推迟到 9 月 14 日下线ZH

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.