NEW · V4.1-Flash-1017（10-17 发布）
DeepSeek-V4.1-Flash-1017 采用RLSF 自反馈强化学习训练，主打"Wish-Driven Programming"——一句愿望式描述直接产出完整项目。DeepSWE v1.1 Pass@177.0%，平均单任务成本仅约$0.20（低档 $0.10），较前代 74.2% / $0.50 大幅优化。API 调用名deepseek-flash：1M 上下文、384K 最大输出、原生视觉输入，思考模式默认开启。
V4.1-Flash（09-10）
552B 总参数 MoE、原生多模态（图像输入），多项评测逼近甚至超越 V4-Pro（0813）；输出价格较 V4-Flash 下调约 70%，缓存命中输入低至 $0.003/百万 tokens。
Série V4 (04-24)
V4-Pro (1.6T de paramètres au total / 49B activés) et V4-Flash (284B / 13B) avec poids ouverts sous licence MIT, contexte de 1M + sortie de 384K, et un coût de calcul en contexte long n'étant que de 27% FLOPs / 10% KV par rapport à V3.2.
La famille DeepSeek V4 allie capacités de pointe et coût d'inférence ultra-bas : grâce à l'apprentissage par renforcement RLSF, V4.1-Flash-1017 fait chuter le coût du codage agentique à environ $0.20/tâche ; V4-Pro décroche 80.6% sur SWE-Bench Verified et 93.5% sur LiveCodeBench ; tous les poids sont ouverts sous licence MIT, avec un contexte de 1M token et une sortie maximale de 384K. Essayez gratuitement ci-dessous — ou consultez d'abord les résultats des benchmarks.
Aucune inscription, aucun compte requis. Saisissez votre prompt et obtenez une réponse en streaming.
La réponse s'affichera ici en streaming…
Cette aire de jeu utilise le grand modèle de langage DeepSeek : saisissez un prompt pour obtenir une réponse en streaming en temps réel.
Quatre capacités définissent la génération DeepSeek actuelle — scores rapportés officiellement, reproductibles depuis les poids ouverts sous MIT.
Contexte de 1M token + sortie maximale de 384K. Grâce à l'attention hybride, une charge de 1M ne consomme qu'environ 27% des FLOPs de V3.2 et 10% du cache KV — le long contexte ne rime plus avec facture salée.
V4.1-Flash-1017 entraîne de bout en bout ses capacités de développement de projets grâce au renforcement par auto-feedback (RLSF) : le modèle utilise sa propre confiance et son autocritique comme signal de récompense, atteignant 77.0% sur DeepSWE v1.1.
La série V4.1-Flash accepte nativement les images en entrée, sans module visuel externe — captures d'écran, interfaces et images de documents entrent directement dans le même contexte et la même boucle d'appels d'outils.
Les poids de V4-Pro et V4-Flash sont ouverts sous licence MIT sur Hugging Face (environ 160GB pour Flash), auto-hébergeables, utilisables commercialement, sans restriction géographique ; l'API est compatible OpenAI / Anthropic SDK.
Données issues des annonces officielles de DeepSeek et des évaluations publiques (en date d'octobre 2026).
| Benchmark | Modèles | Score | Description |
|---|---|---|---|
| DeepSWE v1.1 (Pass@1) | V4.1-Flash-1017 | 77.0% | Coût moyen d'environ $0.20 par tâche, niveau bas à $0.10 |
| SWE-Bench Verified | V4-Pro | 80.6% | Correction de problèmes à l'échelle de dépôts réels |
| LiveCodeBench | V4-Pro | 93.5% | Programmation de niveau compétition en temps réel |
| Terminal-Bench 2.0 | V4-Pro | 67.9% | Tâches d'agent terminal |
| Codeforces (Rating) | V4-Pro | 3,206 | Elo de programmation compétitive |
| Putnam-200 (Pass@8) | V4-Flash | 81.0% | Compétitions mathématiques |
Pour les 16 comparaisons croisées avec des modèles tels que GLM-5.3, GPT-5.6, Claude, voirBenchmarks / DeepSeek vs GLM。
Un MoE à deux niveaux + une attention clairsemée compressée, pour réduire au minimum la facture de calcul du contexte 1M.
V4-Pro : 1.6T de paramètres au total, 49B activés par token ; V4-Flash : 284B au total, 13B activés ; V4.1-Flash : 552B avec une toute nouvelle conception d'encodeur. Une même API, avec un coût qui varie selon le palier.
Combinaison d'attention clairsemée compressée (CSA) et d'attention fortement compressée (HCA) : avec un contexte de 1M, les FLOPs ne représentent qu'environ 27% de ceux de V3.2 et le cache KV environ 10%, optimisant à la fois la qualité de récupération sur de longs contextes et le coût.
Pré-entraînement sur 32T+ tokens mené en précision mixte FP4+FP8 ; V4.1-Flash-1017 ajoute en outre un post-entraînement RLSF : le signal de récompense repose sur la confiance/auto-critique du modèle lui-même, sans plus dépendre d'évaluateurs humains.
Un dépôt de code entier, des contrats de centaines de pages ou des trajectoires complètes d'agents tiennent d'un seul coup ; la sortie maximale de 384K suffit pour générer des projets complets et de longs rapports. Le mode de réflexion est activé par défaut.
Limite de concurrence de 2500 pour deepseek-flash et de 500 pour deepseek-v4-pro ; l'API est compatible avec les SDK OpenAI et Anthropic et prend en charge la sortie JSON ainsi que les appels d'outils. VoirLe contexte d'un million de tokens en détail。
Les modèles phares actuellement en vente via l'API — pour le catalogue complet, voirTous les modèles。
Nouveau · Recommandé
552B MoE · Vision native · RLSF · 1M/384K
Nom d'appel : deepseek-flash
$0.15 / $0.60 par million de tokens (hors heures de pointe)
Modèle phare 1.6T/49B · MIT · 1M/384K
Nom d'appel deepseek-v4-pro
$0.66 / $1.98 par million de tokens (hors pointe)
552B · vision native · sorti le 09-10
Prix de sortie en baisse d'environ 70% par rapport au V4-Flash
Entrée avec correspondance de cache $0.003
284B/13B · MIT · poids d'environ 160GB
Putnam-200 81.0% · SWE-Bench 79.0%
$0.14 / $0.28 par million de tokens
"Wish-Driven Programming" : à partir d'une simple phrase descriptive, le modèle produit des projets complets — les démos officielles incluent une modélisation 3D de la Cité interdite, un jeu de course web, une réplique de Portal 2 sous Godot et une scène 3D "Valley of Ages".
Un contexte de 1M accueille un dépôt de code entier ou des centaines de pages de documents ; les hits de cache coûtent $0.003/million de tokens, ce qui ramène presque à zéro le coût des pipelines RAG qui récupèrent plusieurs fois le même corpus.
Poids ouverts sous licence MIT + API compatible OpenAI/Anthropic : profitez de capacités de codage et de raisonnement de pointe sans que vos données quittent le réseau interne ; la migration tient en une seule ligne de base_url.
Pour le raisonnement intensif et le codage complexe multi-fichiers, choisissez V4-Pro ; pour la haute concurrence, les longs documents et les scénarios sensibles aux coûts, choisissez deepseek-flash (pointe actuellement vers V4.1-Flash-1017, avec prise en charge de la vision et une concurrence de 2500).
L'API est facturée à l'usage, sans quota gratuit ; les poids sont ouverts sous MIT et peuvent être déployés vous-même. Le playground de ce site propose gratuitement des démos en streaming.
Les appels à v4-pro sont routés vers V4.1-Flash depuis le 2026-09-14 ; il est officiellement recommandé d'utiliser directement deepseek-flash pour les nouveaux projets. Pour plus de détails, voirFAQ。
Remontez à l'espace d'essai en haut de la page : saisissez un prompt et obtenez aussitôt une réponse en streaming.