Lancement officiel de DeepSeek-V4.1-Flash : API deepseek-flash à partir de $0.15/$0.60 par 1M, contexte 1M, poids ouverts MIT

Ce qui est confirmé (deux sources vérifiées le 10 sept., UTC+8)

• La sortie : La note du journal des modifications de DeepSeek en date du 2026-09-10 annonce la sortie officielle. V4.1-Flash est « le plus petit modèle de notre nouvelle famille d'architectures, doté d'une compréhension visuelle multimodale native » ; cette architecture vise un plafond de capacités plus élevé, une inférence plus rapide, un débit supérieur et le passage à l'échelle vers des modèles plus grands.
• La fiche du modèle : Le README sur Hugging Face (« Pushing the Limits of KV Cache Compression ») détaille un MoE multimodal basé sur un backbone de 552B — 1 expert partagé + 384 experts routés, 6 activés par token — activant 8B de paramètres/token en pré-remplissage et 16B en décodage, avec un contexte de 1M de tokens entraîné sur 45T de tokens (attention creuse à 64K, étendue à 1M à 34T).
• Points clés de l'architecture : un encodeur-décodeur causal (CED) — encodeur causal à 20 couches + décodeur à 20 couches — projette le cache KV global du décodeur à partir des états finaux de l'encodeur ; la mise en cache KV principale en FP4 réduit le cache global à ~890 octets/token, ≈1/4 de DeepSeek-V4-Flash (≈437× moins que la V1), tandis que le SWA Bounded Replay réduit le cache persistant à ≈1/8.
• Benchmarks phares (officiels, effort de raisonnement maximal) : GPQA Diamond 90.9, score Codeforces 3471, Terminal-Bench 2.1 90.6, DeepSWE v1.1 74.2, HLE avec outils 63.9, Agents' Last Exam 31.8. L'effort de raisonnement est ajustable de manière continue (1–100). Chiffres fournis par le fournisseur — à considérer comme tels en attendant les réplications indépendantes tierces.
• Nom d'API et alias : les nouvelles requêtes doivent utiliser deepseek-flash. deepseek-v4-flash et deepseek-v4-flash-vision-exp sont « toujours acceptés » mais temporairement routés vers V4.1 Flash — les modèles de la génération V4 qu'ils désignaient ont été retirés.
• V4 Pro : routage annoncé pour le 14 sept., puis maintenu. L'annonce initiale du 10 sept. indiquait : « À partir de 04:00 UTC le 14 septembre 2026, toutes les requêtes vers deepseek-v4-pro seront routées vers V4.1-Flash aux tarifs de V4.1-Flash. Cela se poursuivra jusqu'au lancement de V4.1-Pro. » Cette bascule a été annulée : selon le journal des modifications et la page des tarifs au 16 sept., « En réponse aux demandes des utilisateurs, nous avons décidé de continuer à fournir des services API pour DeepSeek V4 Pro après le 14 septembre 2026, la méthode de facturation restant inchangée. » V4 Pro conserve sa propre grille — heures creuses : $0.022 en cache-hit / $0.66 en entrée cache-miss / $1.98 en sortie par 1M, heures pleines 2×, concurrence à 500. La page officielle d'actualités affiche toujours l'ancienne phrase sur le routage ; fiez-vous au journal des modifications et à la page des tarifs comme sources de référence opérationnelles.
• Les baisses de prix sont officielles : « Avec la sortie de DeepSeek-V4.1-Flash, les prix de l'API ont été réduits en conséquence. » La grille vérifiée : heures creuses $0.15/$0.60 par 1M (entrée cache-miss / sortie), $0.003 en entrée cache-hit, heures pleines = 2× de 01:00–04:00 & 06:00–10:00 UTC lun–ven (09:00–12:00 & 14:00–18:00 heure de Pékin). Concurrence de 2,500 contre 500 pour V4 Pro. Les amateurs de réductions en heures creuses connaissent déjà la formule depuis le passage aux tarifs réduits le week-end — cela refait des heures creuses le tarif de base par défaut.
• Poids ouverts, MIT : le dépôt HF fournit les poids sous licence MIT, un rapport technique en PDF, une référence autonome d'encodage de prompt (sans template de chat Jinja) et des instructions pour l'inférence locale — la même approche de poids ouverts que la publication MIT sans restriction de Vision-Exp, désormais appliquée au modèle multimodal principal.

Ce qui n'a pas été lancé — et les points à surveiller

• Pas encore de V4.1 Pro. Au 10 sept. (UTC+8), le journal des modifications ne mentionne V4.1 Pro que comme une future version marquant la fin de la transition de routage de V4 Pro. Aucune date, aucun benchmark. Attendez-vous à un événement distinct — la nouvelle famille « monte en échelle vers des modèles plus grands » dès sa conception.
• Les alias sont temporaires. Si vous appelez encore deepseek-v4-flash ou deepseek-v4-flash-vision-exp, vous obtenez déjà V4.1 Flash aux tarifs Flash — mais la documentation précise que ce routage est temporaire. Migrez dès maintenant vers deepseek-flash pour éviter toute interruption future.
• Le basculement brutal du 14 sept. pour V4 Pro a été annulé. deepseek-v4-pro continue d'être servi et facturé comme V4 Pro — aucun changement de comportement forcé ; la phrase sur le routage toujours visible sur la page d'actualités officielle est obsolète. Restez à l'affût du lancement de V4.1 Pro et de la promesse de DeepSeek d'un préavis en cas de changement.
• Analyses tierces en attente. Conformément à la politique de publication de ce site, nous ne citons que les sources officielles de première main pour les faits liés aux lancements ; les réplications indépendantes des benchmarks et les analyses internationales/sur X arrivent généralement 24 à 48 heures après un lancement de DeepSeek et ne sont pas encore intégrées ici.

Pourquoi le volume du cache KV est crucial pour les développeurs

• Les agents à contexte long deviennent plus économiques là où ça compte : en entrée. 890 octets/token de KV global (contre ~3.5KB sur V4-Flash) signifie que les contextes d'un million de tokens cessent d'être une bombe de mémoire. Avec 8B de paramètres actifs au pré-remplissage, les charges de travail axées sur les entrées volumineuses — RAG à l'échelle d'un dépôt, longues trajectoires d'agents, pipelines documentaires — correspondent exactement au profil que ce modèle optimise.
• La grille tarifaire récompense la rigueur de mise en cache. Une entrée en cache-hit à $0.003 (heures creuses) est 50× moins chère qu'un appel en entrée avec cache-miss. Grâce à la mise en cache implicite de l'API DeepSeek, les préfixes stables (prompts système, schémas d'outils, documents volumineux) deviennent quasi gratuits à réutiliser.
• 2,500 requêtes simultanées. Quatre fois la limite de 500 de V4 Pro — un indicateur fort de la marge de débit offerte par la nouvelle architecture. Les détails sur les limites de débit se trouvent sur la page officielle Rate Limit & Isolation.
• Auto-hébergement vs API : les poids MIT offrent une véritable sécurité, mais un modèle sur backbone de 552B (même avec 8B/16B actifs) relève d'une infrastructure GPU multi-nœuds. La plupart des développeurs ont intérêt à consommer l'API et à garder les poids comme solution de repli — le raisonnement DeepSeek-V4-Pro pour les développeurs reste valable : V4 Pro reste servi et tarifié de manière indépendante après l'annulation du plan de routage du 14 septembre.

Accès depuis l'extérieur de la Chine — et clause de non-responsabilité habituelle

Le point de terminaison officiel (https://api.deepseek.com) prend en charge les formats compatibles OpenAI et Anthropic, avec l'API Responses, les appels d'outils (tool calls), la sortie JSON et la vision sur deepseek-flash. Les développeurs internationaux doivent vérifier les circuits de paiement et la facturation de manière autonome — les options de recharge officielles restent centrées sur la Chine pour certains moyens de paiement.

Avis d'indépendance : ChinaModelAPI est un site d'information indépendant, non affilié à DeepSeek. Chaque fait et prix mentionné dans cet article a été extrait du journal des modifications officiel de DeepSeek et de la fiche de modèle officielle sur Hugging Face le 10 sept. 2026 (UTC+8) ; cet article ne constitue pas une recommandation d'achat. Vérifiez les tarifs sur la grille officielle avant de développer.

Sources primaires

• Documentation de l'API DeepSeek — Journal des modifications, entrée du 2026-09-10 : « DeepSeek-V4.1-Flash Release » (modifications de l'API, routage de V4 Pro, note sur les tarifs)
• Hugging Face — fiche du modèle deepseek-ai/DeepSeek-V4.1-Flash : architecture, pré-entraînement sur 45T de tokens, évaluations, licence MIT (README brut, vérifié le 10 sept. 2026)
• Documentation de l'API DeepSeek — Modèles et tarifs : grille tarifaire de deepseek-flash, définition des heures pleines, notes de bas de page sur les alias et le routage (vérifié le 10 sept. 2026)

FAQ (2026)