DeepSeek V4.1 Flash 1017 (nom officiel DeepSeek-V4.1-Flash-1017) est une version révisée de V4.1 Flash, publiée en septembre. DeepSeek l'a mise en ligne le 17 octobre 2026. Le nom d'API deepseek-flash reste inchangé : seul le modèle qu'il désigne a été remplacé. DeepSeek affirme que la version gagne en performances, termine les tâches plus vite et produit des sorties plus courtes. Cet article confronte l'annonce de DeepSeek, la fiche du modèle et la page tarifaire, ainsi que les évaluations tierces et les réponses des pouvoirs publics, aux sources d'origine (consultées le 19 octobre 2026). Il distingue performances, tarifs et sécurité. Le modèle n'étant sorti que depuis deux jours, les chiffres tiers sont encore rares, et l'article sépare clairement les chiffres de DeepSeek de ceux des tiers.

Performances

Dans la même gamme que Haiku 5.5

La note globale tierce (Artificial Analysis) est de 45. Elle progresse par rapport aux 39 de la version précédente, mais n'atteint pas Claude Sonnet 5.5 (56) ni Opus 5.5 (58).

Tarifs

Même prix unitaire, coût par tâche environ divisé par deux

Le prix unitaire reste à 0,30 $ par million de tokens en entrée et 1,20 $ en sortie (heures de pointe). Les sorties étant plus courtes, le coût par tâche est passé de 0,49 $ à 0,26 $ (mesure tierce).

Sécurité

Aucune évaluation de cette version pour l'instant

Ni DeepSeek ni aucun tiers n'ont publié d'évaluation de sécurité. Les données sont stockées en Chine. Le 19 octobre, les États-Unis auraient interdit son utilisation par les agences civiles fédérales.

Sommaire

1. Ce qui a changé : même nom, modèle différent

D'après le journal des modifications de DeepSeek, V4.1 Flash a été mis à jour vers DeepSeek-V4.1-Flash-1017 le 17 octobre 2026. Les modèles des versions web et application officielles ont été remplacés par cette même version. La méthode d'appel de l'API et les tarifs ne changent pas : si vous indiquez deepseek-flash, vous obtenez la nouvelle version. La fiche du modèle sur Hugging Face qualifie cette version de « minor update » (mise à jour mineure) de V4.1 Flash.

PerformancesDeepSeek annonce des gains importants par rapport à la version précédente en raisonnement, en programmation, en tâches d'agent et en évaluation d'images (les chiffres figurent au chapitre 3).
Rapidité et longueur des sortiesDeepSeek indique avoir réduit le temps et la longueur des sorties nécessaires aux tâches, pour les terminer plus vite et à moindre coût. Aucune annonce ne chiffre cette réduction.
Nom d'APIdeepseek-flash reste identique, mais le modèle qu'il désigne a changé. Les programmes qui s'appuient sur le comportement de la version précédente peuvent donner des résultats différents, même sans modification de configuration. L'ancien nom deepseek-v4-flash est toujours accepté, mais il exécute désormais cette version et est facturé au tarif Flash.
Lancements le même jourDeepSeek a rendu généralement disponibles son API de recherche, qui utilise son propre moteur, et son API de récupération de pages web, Fetch (les tarifs figurent au chapitre 5).

Sources : Change Log, DeepSeek-V4.1-Flash-1017 et Models & Pricing (DeepSeek API Docs) ; DeepSeek-V4.1-Flash-1017 (Hugging Face). Consultées le 19 octobre 2026.

2. Caractéristiques : contexte, réflexion, taille

ÉlémentDétails
Longueur du contexte et sortie maximale1 million de tokens et 384 000 tokens.
EntréeTexte et images.
Mode de réflexionActivé par défaut. L'intensité se règle sur trois niveaux : low, high et max. Le réglage par défaut est high.
Formats d'API utilisablesFormat OpenAI, format Anthropic et Responses API. Prise en charge de la sortie JSON et de l'appel d'outils.
Nombre de paramètresLes valeurs officielles de V4.1 Flash de septembre sont de 552 B pour le modèle complet. Pour le traitement de l'entrée, 8 B paramètres sont actifs par token ; pour la génération de la sortie, 16 B. Il existe aussi un système de mémoire distinct de 196 B (Engram).
PoidsPubliés sous licence MIT. La taille totale des fichiers est d'environ 510 Go.

Sources : Models & Pricing et Thinking Mode (DeepSeek API Docs) ; DeepSeek-V4.1-Flash et DeepSeek-V4.1-Flash-1017 (Hugging Face). Consultées le 19 octobre 2026. La fiche du modèle 1017 n'indique pas le nombre de paramètres ; le décompte automatique de Hugging Face à partir des fichiers de poids donne environ 763 B. La raison de l'écart n'a pas été publiée.

Deux règles de l'API posent souvent problème. D'abord, dans une conversation qui utilise des outils, il faut renvoyer l'intégralité du contenu de raisonnement du modèle (reasoning_content) dans la requête suivante. Sinon, une erreur 400 est renvoyée. Ensuite, en mode de réflexion, les paramètres comme temperature n'ont aucun effet : ils sont ignorés sans erreur. Si vous indiquez medium ou xhigh pour l'intensité de la réflexion, chacun est traité comme high.

Source : Thinking Mode (DeepSeek API Docs, consultée le 19 octobre 2026).

3. Performances (1) Les chiffres publiés par DeepSeek

Voici le tableau comparatif de la fiche du modèle, repris tel quel. Tous ces chiffres ont été mesurés par DeepSeek elle-même.

Évaluation1017Version précédente (septembre)Kimi K3GLM-5.3GPT-5.6 SolClaude Opus 5
HLE (sans outils)42,636,843,542,0*44,556,3
Terminal-Bench 4.042,331,212,637,939,951,8
DeepSWE v1.177,074,267,566,973,074,0
ProgramBench29,120,317,519,023,037,0
NL2Repo-Bench68,265,458,058,056,875,3
Automation-Bench v1.0.660,554,846,748,845,850,3
Agents' Last Exam35,431,827,628,526,728,6
Apex Bench v1.172,164,647,856,654,365,8
Chartography (avec outils)83,078,968,1—79,984,0
BabyVision (avec outils)92,589,685,7—88,994,1
ZeroBench-main (avec outils)51,049,041,0—53,052,0

Sources : DeepSeek-V4.1-Flash-1017 (fiche du modèle sur Hugging Face) et Change Log (consultés le 19 octobre 2026). * indique le score de la partie texte seul de HLE. La fiche précise que Terminal-Bench 4.0 a été mesuré avec Claude Code, et DeepSWE v1.1 avec le cadre d'exécution Mini-SWE-V2.

Quatre points sont à garder à l'esprit lors de la lecture de ce tableau.

  1. Les modèles comparés sont d'une génération antérieure. Le tableau inclut Claude Opus 5 et GPT-5.6 Sol, mais ni Claude Opus 5.5 ni les modèles GPT-6 actuels. Face à Opus 5, ce modèle le dépasse sur DeepSWE, mais reste en retrait sur HLE, Terminal-Bench 4.0, ProgramBench et NL2Repo-Bench.
  2. Les conditions d'une comparaison équitable ne sont pas précisées. Les réglages d'intensité de la réflexion (low, high, max) ne sont pas indiqués. Il n'est pas dit non plus si la version précédente a été mesurée dans les mêmes conditions.
  3. Certains chiffres de la version précédente ne sont plus publiés. La version de septembre publiait aussi des évaluations GPQA Diamond, Codeforces, de mathématiques et de cybersécurité, que 1017 ne publie pas.
  4. Les chiffres de DeepSeek ont tendance à être élevés. Le CAISI, l'organisme d'évaluation du NIST américain, a évalué V4 Pro en avril 2026 et a signalé que l'évaluation de DeepSeek donnait des scores plus élevés que la sienne (voir chapitre 6). Tant que des mesures indépendantes de 1017 ne sont pas disponibles, il est prudent de lire ces chiffres avec réserve.

4. Performances (2) Évaluations tierces

La note globale tierce disponible est l'Intelligence Index d'Artificial Analysis, qui regroupe les résultats de plusieurs tests en une seule note. Chaque réglage d'intensité de la réflexion figure sur une ligne distincte (le réglage est indiqué entre parenthèses). Les valeurs ci-dessous proviennent de la liste d'Artificial Analysis du 19 octobre 2026, placées à côté de modèles proches.

Sources : Liste des modèles d'Artificial Analysis et page de DeepSeek V4.1 Flash 1017 (consultées le 19 octobre 2026). Le modèle vient de sortir, et certaines pages du même site affichent encore les valeurs de la version précédente. Les valeurs peuvent évoluer.

Trois conclusions se dégagent.

  • La note a progressé de 6 points par rapport à la version précédente, et le coût par tâche a presque été divisé par deux. Sur la page d'Artificial Analysis, l'évaluation complète a consommé 210 M de tokens de sortie. C'est plus que la médiane des modèles comparés (140 M), et le site la qualifie de « very verbose » (très verbeux).
  • La note et le coût sont proches de ceux de Claude Haiku 5.5. Par rapport à GLM-5.3, qui obtient également 45, et à Kimi K3 (44), le coût par tâche est environ huit fois moindre.
  • L'écart avec Sonnet 5.5 et Opus 5.5 dépasse 10 points. Le coût est environ vingt fois moindre. Le choix dépend donc de ce que vous confiez au modèle : des tâches difficiles, ou un volume important à traiter à bas coût.

Côté vitesse, sur l'API de DeepSeek, le modèle a produit environ 225 tokens par seconde, et le premier token est arrivé au bout d'environ 1,1 seconde (même page). C'est presque la même vitesse que la version précédente : le fait que les tâches « finissent plus vite » s'explique donc probablement par des sorties plus courtes. Au 19 octobre, nous n'avons pas trouvé de résultats pour 1017 dans les classements officiels de SWE-bench ou de Terminal-Bench.

5. Tarifs : tarif de pointe pendant la journée au Japon

deepseek-flash (par million de tokens, en dollars américains)Hors pointePointe
Entrée (tokens trouvés dans le cache)0,003 $0,006 $
Entrée (tokens absents du cache)0,15 $0,30 $
Sortie0,60 $1,20 $

Source : Models & Pricing (DeepSeek API Docs, consultée le 19 octobre 2026). La mise à jour vers 1017 n'a pas modifié les tarifs (Change Log).

Les heures de pointe correspondent aux heures de travail au JaponLes heures de pointe sont, du lundi au vendredi, de 1 h à 4 h et de 6 h à 10 h UTC, hors jours fériés chinois. En heure du Japon, cela correspond aux jours ouvrés de 10 h à 13 h et de 15 h à 19 h. Le soir et le week-end, le tarif est divisé par deux.
Le cache fait une grande différenceUne entrée trouvée dans le cache coûte cinquante fois moins qu'une entrée absente. Pour un agent qui renvoie le même préambule à chaque requête, l'utilisation ou non du cache change fortement le coût. Le cache fonctionne automatiquement, mais un résultat positif n'est pas garanti.
La recherche et la récupération sont facturées à partLes API Search et Fetch coûtent 0,75 $ pour 1 000 appels réussis. Les appels émis côté serveur depuis Claude Code, Codex et DeepSeek Harness sont gratuits pour l'instant. La facturation commence le 31 octobre 2026 à 16 h (UTC), soit le 1er novembre à 1 h, heure du Japon.
Le solde offert est utilisé en premierSi vous disposez à la fois d'un solde offert gratuitement et d'un solde rechargé, c'est le solde offert qui est consommé en premier.

Sources : Models & Pricing, Search & Fetch, Context Caching et DeepSeek-V4.1-Flash-1017 (DeepSeek API Docs, consultées le 19 octobre 2026).

Le modèle est aussi accessible en dehors de l'API officielle de DeepSeek. Des services relais comme OpenRouter proposent 1017 : certains appliquent le même prix unitaire que l'API officielle, d'autres un prix inférieur. Toutefois, beaucoup de routes moins chères font tourner des versions quantifiées (aux poids allégés), si bien que la qualité et la vitesse des réponses peuvent différer de la version officielle. Le traitement des données dépend des conditions de chaque société.

6. Sécurité : pas encore d'évaluation, ce que l'on sait

Au 19 octobre 2026, ni DeepSeek ni aucun tiers n'ont publié d'évaluation de 1017 mesurant sa manière de répondre aux demandes nuisibles, sa résistance aux jailbreaks ou sa vulnérabilité à la prise de contrôle en tant qu'agent. L'annonce, la fiche du modèle et le rapport technique de septembre ne comportent pas de section sur l'évaluation de la sécurité. Ce qui suit concerne la génération précédente ou l'entreprise dans son ensemble, et ces éléments ne s'appliquent pas forcément tels quels à 1017.

Évaluation de V4 Pro (mai 2026)Le CAISI du NIST a indiqué que les capacités de V4 Pro accusent un retard d'environ huit mois sur la pointe américaine, et que l'évaluation de DeepSeek donnait des scores plus élevés que la sienne. La sécurité (jailbreaks et prise de contrôle) ne faisait pas partie de cette évaluation.
Évaluation de la génération précédente (septembre 2025)Le même CAISI a rapporté que, pour R1-0528, en recourant à des techniques de jailbreak bien connues, le modèle a répondu favorablement à 94 % des demandes manifestement malveillantes (le modèle américain comparé : 8 %). Utilisé comme agent, il a suivi les instructions de prise de contrôle à un taux moyen 12 fois supérieur à celui des modèles américains de pointe. Il a aussi produit quatre fois plus souvent que les modèles américains des contenus inexacts alignés sur les positions du Parti communiste chinois.
Des versions sans protections de sécurité existent déjàLes poids étant publics, des tiers auraient publié des versions de V4.1 Flash dont le mécanisme de refus a été retiré. Si vous faites tourner le modèle en local, vous ne pouvez pas compter sur ses refus pour votre sécurité.

Sources : CAISI Evaluation of DeepSeek V4 Pro (NIST, mai 2026) ; CAISI Evaluation of DeepSeek AI Models Finds Shortcomings and Risks (NIST, 30 septembre 2025) ; AlphaSignal (reportage sur la version sans protections de sécurité ; les chiffres sont déclarés par l'éditeur de cette version). Consultées le 19 octobre 2026.

Lorsque vous utilisez le modèle depuis un agent comme Claude Code, le plus efficace n'est pas d'attendre une évaluation de sécurité du modèle, mais de limiter vous-même ce que l'agent peut faire. Trois règles de base : ne pas utiliser de réglage qui approuve automatiquement les actions, ne pas laisser l'agent lire des fichiers contenant des secrets, et ne pas faire confiance aux instructions figurant dans les contenus récupérés sur le Web.

7. Destination des données et réponses des pays

Lorsque vous utilisez l'API ou l'application officielle de DeepSeek, le contenu envoyé parvient aux serveurs de DeepSeek. La politique de confidentialité de DeepSeek (version japonaise, dernière mise à jour le 10 février 2026) indique que les informations collectées sont stockées sur des « serveurs sécurisés situés en République populaire de Chine ». Elle cite parmi les finalités « l'entraînement et l'amélioration de nos technologies, telles que les modèles d'apprentissage automatique et les algorithmes ». Les conditions pour les développeurs (en vigueur depuis le 29 avril 2026) confient le traitement des données personnelles à cette politique et désignent le droit de la Chine continentale comme droit applicable. Aucun de ces deux textes ne contient d'engagement selon lequel les contenus envoyés via l'API ne serviraient pas à l'entraînement.

Sources : Politique de confidentialité de DeepSeek et DeepSeek Open Platform Terms of Service (consultées le 19 octobre 2026. Depuis le Japon, la politique de confidentialité s'affiche en version japonaise).

Pays ou organismeRéponse
Japon (Commission de protection des informations personnelles)Le 3 février 2025, la Commission a publié « Information sur DeepSeek ». Elle y attire l'attention sur le fait que les données sont stockées sur des serveurs de la République populaire de Chine et que les lois chinoises s'y appliquent (loi sur la protection des informations personnelles, loi sur la cybersécurité, loi sur la sécurité des données, loi sur le renseignement national, etc.). Elle n'interdit pas l'usage privé.
États-Unis (Département de la Sécurité intérieure)Le 19 octobre 2026, le département aurait ordonné de retirer des systèmes informatiques des agences civiles fédérales les produits de DeepSeek ainsi que les services tiers utilisant DeepSeek, et d'interdire leur achat. L'ordre devait être publié au Federal Register le 20 octobre. Au moment de la rédaction de cet article, nous n'avions pas vérifié le texte intégral de l'ordre ni son périmètre.

Sources : Information sur DeepSeek (Commission de protection des informations personnelles, 3 février 2025, mise à jour le 5 mars 2025) ; US Moves to Bar DeepSeek From Federal Agencies and Contracts (Bloomberg, 19 octobre 2026) ; DeepSeek Blocked In US Federal Agencies (BankInfoSecurity) ; liste de publication prévue au Federal Register.

8. Choisir son mode d'utilisation : API, Claude Code, exécution en local

L'API officielle de DeepSeekC'est l'option la moins chère, et la nouvelle version est utilisée automatiquement. Le contenu envoyé est stocké sur des serveurs en Chine. Elle convient aux travaux que l'on peut partager sans risque, comme les projets open source ou l'apprentissage personnel.
Utilisation depuis Claude CodeDeepSeek propose officiellement une configuration pour Claude Code. Les étapes de configuration et les considérations de coût sont détaillées dans Utiliser DeepSeek, GLM et Kimi avec Claude Code. Attention : la facturation de la recherche commence le 1er novembre.
Passer par un service relaisOpenRouter et d'autres services donnent accès au modèle. Le traitement des données dépend des conditions de cette société. Les routes les moins chères utilisent souvent des versions quantifiées.
Exécuter les poids en localLe code ne quitte pas votre machine, mais les seuls fichiers de poids pèsent environ 510 Go, et il faut un environnement équipé de plusieurs GPU de centre de données. Cela ne tourne pas sur un ordinateur ordinaire. Pour les modèles de taille adaptée à une exécution locale, voir notre comparatif des modèles LLM locaux recommandés.

Résumé

  • DeepSeek V4.1 Flash 1017 est une version révisée de V4.1 Flash, publiée le 17 octobre 2026. Le nom d'API deepseek-flash reste le même alors que le modèle a changé, et les tarifs sont inchangés.
  • L'annonce de DeepSeek affirme que le modèle dépasse la version précédente sur les 11 évaluations. Mais les modèles comparés sont d'une génération antérieure, et les conditions des tests ne sont pas détaillées.
  • Chez le tiers Artificial Analysis, il obtient 45 points (contre 39 pour la version précédente). Il se situe dans la même gamme que Claude Haiku 5.5 (43 points) et n'atteint pas Sonnet 5.5 ni Opus 5.5, qui sont plus de 10 points au-dessus.
  • Le coût par tâche est passé de 0,49 $ à 0,26 $. Le prix unitaire est de 0,30 $ par million de tokens en entrée et de 1,20 $ en sortie (heures de pointe) : en semaine, en journée, au Japon, on se trouve en heures de pointe.
  • La recherche et la récupération appelées depuis Claude Code et des outils similaires coûtent 0,75 $ pour 1 000 appels réussis, à partir du 1er novembre à 1 h, heure du Japon.
  • Aucune évaluation de sécurité de 1017 n'existe encore. La génération précédente a été jugée vulnérable aux jailbreaks et à la prise de contrôle. Les données sont stockées sur des serveurs en Chine, et les États-Unis auraient interdit son utilisation par les agences civiles fédérales.

FAQ

Q. Puis-je continuer à utiliser la version précédente, V4.1 Flash ?

R. Pas via l'API officielle de DeepSeek. deepseek-flash comme l'ancien nom deepseek-v4-flash exécutent désormais 1017. Pour utiliser la version précédente, il faudra faire tourner vous-même ses poids publics, ou trouver un service relais qui la propose encore.

Q. Le prix a-t-il augmenté ?

R. Le prix unitaire n'a pas changé. Les sorties étant plus courtes, le coût d'une même tâche baisse. Selon les mesures d'Artificial Analysis, le coût moyen par tâche est passé de 0,49 $ à 0,26 $. Toutefois, à partir du 1er novembre (heure du Japon), la recherche et la récupération appelées depuis Claude Code et des outils similaires seront facturées à part.

Q. Puis-je envoyer mon code professionnel sans risque ?

R. Le contenu envoyé à l'API officielle est stocké sur des serveurs en Chine, et les conditions ne prévoient aucun engagement à ne pas l'utiliser pour l'entraînement. Le code professionnel, les données clients et les secrets ne doivent pas être envoyés sans l'accord de votre employeur.

Q. Son utilisation est-elle interdite au Japon ?

R. Au 19 octobre 2026, nous n'avons trouvé aucune mesure japonaise interdisant l'usage privé. La Commission de protection des informations personnelles a attiré l'attention sur le fait que les données sont stockées sur des serveurs en Chine et que les lois chinoises s'y appliquent.

Sources