L’essentiel
- DeepSeek-V4.1-Flash-1017 est une mise à jour de DeepSeek-V4.1-Flash, sorti le 10 septembre 2026. Même architecture et même nom dans l’API, de meilleurs scores et des réponses plus courtes.
- Dans les tests de DeepSeek, c’est en programmation agentique qu’il progresse le plus : 42,3 sur Terminal-Bench 4.0, contre 31,2, et 77,0 sur DeepSWE v1.1.
- C’est un modèle à mélange d’experts (mixture of experts) de 552 milliards de paramètres, dont 16 milliards travaillent sur chaque token généré, avec un contexte allant jusqu’à 1 million de tokens. Les poids sont gratuits sous licence MIT.
- Les poids complets pèsent environ 510 GB. Sur Mac, il faut un Mac Studio avec 256 à 512 GB de mémoire, ou une lecture en streaming depuis le SSD avec 128 GB.
1Ce qu’est DeepSeek V4.1 Flash 1017
DeepSeek-V4.1-Flash est le plus petit modèle de la famille V4.1 de DeepSeek, avec compréhension d’images intégrée. Il est arrivé dans l’API de DeepSeek le 10 septembre 2026 ; le 17 octobre, DeepSeek l’a remplacé par DeepSeek-V4.1-Flash-1017, qu’il qualifie de mise à jour mineure (journal des modifications de l’API DeepSeek).
La mise à jour améliore les benchmarks de raisonnement, de code, d’agents et de vision, et le modèle termine les tâches avec des réponses plus courtes, en moins de temps. DeepSeek l’a optimisé pour son propre DeepSeek Harness, Tencent CodeBuddy et WorkBuddy, et recommande DeepSeek Harness 0.2.1-rc.1 ou ultérieur (Hugging Face).
Le nom suit l’habitude de DeepSeek de dater ses mises à jour : 1017 correspond au mois et au jour, le 17 octobre.
2Benchmarks : 1017 face à V4.1 Flash et aux autres
| Benchmark | V4.1 Flash 1017 | V4.1 Flash | Opus 5 | GPT-5.6 Sol | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|---|---|
| HLE, sans outils | 42,6 | 36,8 | 56,3 | 44,5 | 43,5 | 42,0 |
| Terminal-Bench 4.0 | 42,3 | 31,2 | 51,8 | 39,9 | 12,6 | 37,9 |
| DeepSWE v1.1 | 77,0 | 74,2 | 74,0 | 73,0 | 67,5 | 66,9 |
| ProgramBench | 29,1 | 20,3 | 37,0 | 23,0 | 17,5 | 19,0 |
| NL2Repo-Bench | 68,2 | 65,4 | 75,3 | 56,8 | 58,0 | 58,0 |
| Agents' Last Exam | 35,4 | 31,8 | 28,6 | 26,7 | 27,6 | 28,5 |
| Apex Bench v1.1 | 72,1 | 64,6 | 65,8 | 54,3 | 47,8 | 56,6 |
D’après ces chiffres, 1017 devance tous les modèles du tableau sur DeepSWE, Agents' Last Exam et Apex Bench, et reste derrière Opus 5 en raisonnement sans outils, en travail dans le terminal et en création de programmes complets. Il progresse aussi sur les tests de graphiques et d’images comme Chartography (83,0, contre 78,9) et BabyVision (92,5, contre 89,6).
Le coût par tâche baisse aussi. Selon les graphiques de DeepSeek relayés par The Decoder, une tâche DeepSWE coûte un peu moins de 0,20 $ au réglage le plus élevé, contre environ 0,50 $ pour la version précédente.
3Paramètres, contexte et taille
| DeepSeek-V4.1-Flash-1017 | |
|---|---|
| Paramètres au total | 552 milliards (mélange d’experts) |
| Actifs par token | 8 milliards pour lire le prompt, 16 milliards pour écrire |
| Experts | 384 routés et 1 partagé, 6 utilisés par token |
| Contexte | Jusqu’à 1 048 576 tokens |
| Mémoire par token de contexte | Environ 890 octets, un quart de V4 Flash |
| Poids | FP8, avec les experts en FP4 ; environ 510 GB |
| Entrée | Texte et images |
| Licence | MIT |
Environ 189 GiB du téléchargement correspondent à deux tables Engram : une grande mémoire que le modèle consulte au lieu de calculer, quelques lignes par token. Des moteurs comme DwarfStar les laissent sur le SSD et ne lisent que les lignes nécessaires, ce qui explique que le modèle puisse tourner avec bien moins de mémoire que la taille de son téléchargement (antirez sur Hugging Face).
4Nom dans l’API et prix
Dans l’API de DeepSeek, le modèle s’appelle deepseek-flash, qui pointe désormais vers 1017 ; les anciens noms deepseek-v4-flash et deepseek-v4-flash-vision-exp y sont redirigés pour l’instant. DeepSeek indique que la méthode d’appel et les prix restent inchangés avec 1017 (DeepSeek).
| Fournisseur | Entrée, par million de tokens | Sortie, par million de tokens |
|---|---|---|
| DeepSeek | 0,15 $ | 0,60 $ |
| Cloudflare | 0,10 $ | 0,60 $ |
| DeepInfra | 0,098 $ | 0,294 $ |
| Together, Fireworks, Baseten | 0,30 $ | 1,20 $ |
DeepSeek recommande une température de 1,0, un top_p de 1,0 et de la marge pour les longues réponses (max_tokens d’au moins 256K). Les poids sont livrés sans modèle de chat Jinja : les prompts se construisent avec le code d’encodage du dépôt du modèle.
5Peut-on le faire tourner sur son propre Mac ?
Oui, mais seulement sur les plus gros Mac. Un Mac Studio avec 512 GB de mémoire (M3 Ultra ou M5 Ultra) contient entièrement les versions 4 bits ; 256 GB suffisent pour une version 2 bits avec les tables Engram laissées sur le SSD ; un Mac de 128 GB peut lire en streaming depuis le SSD, lentement. Le premier essai publié, sur un M3 Ultra avec 512 GB, générait environ 6,5 tokens par seconde.
Quelle version télécharger, les commandes et les vitesses : tout est dans notre guide pas à pas, Faire tourner DeepSeek V4.1 Flash sur un Mac.
Pour tous les autres Mac, l’API coûte quelques cents par million de tokens, et des modèles ouverts plus petits tournent bien en local : voir le meilleur Mac pour les LLM en local.
6Mettez à profit les heures creuses d’un gros Mac
Un Mac Studio acheté pour faire tourner des modèles comme celui-ci passe l’essentiel de la journée à attendre. MLX Node prête ce temps libre à MLX Network, qui exécute des tâches d’IA sur des Mac avec le framework MLX d’Apple, et gagne des jetons MLX pour le travail vérifié : jusqu’à 1 MLX par jour sur une place gratuite, et jusqu’à 320 avec une place dédiée Ultra sur un Mac Ultra. Les MLX minés sont bloqués 30 jours, moins avec une place dédiée ; voir les risques.
7Questions
- Qu’est-ce que DeepSeek V4.1 Flash 1017 ?
- C’est la mise à jour du 17 octobre 2026 de DeepSeek-V4.1-Flash, le modèle à poids ouverts et à mélange d’experts de DeepSeek. Il garde l’architecture et le nom dans l’API, et obtient de meilleurs scores aux benchmarks de raisonnement, de code, d’agents et d’images.
- Quelle différence entre V4.1 Flash et 1017 ?
- Même taille de modèle et même API, entraînement plus récent. Dans les tests de DeepSeek, 1017 obtient 42,3 au lieu de 31,2 sur Terminal-Bench 4.0 et 77,0 au lieu de 74,2 sur DeepSWE v1.1, et il écrit des réponses plus courtes, donc les tâches coûtent moins cher.
- Combien de paramètres compte DeepSeek V4.1 Flash ?
- 552 milliards au total. Il en active 8 milliards par token pour lire le prompt et 16 milliards pour écrire, et y ajoute deux grandes tables de consultation Engram qui peuvent rester sur le disque.
- DeepSeek V4.1 Flash 1017 est-il gratuit ?
- Les poids sont téléchargeables et utilisables gratuitement sous licence MIT. L’utilisation via l’API de DeepSeek est payante : 0,15 $ par million de tokens en entrée et 0,60 $ par million de tokens en sortie, selon OpenRouter.
- Peut-on faire tourner DeepSeek V4.1 Flash 1017 en local ?
- Oui, avec beaucoup de mémoire. Sur Mac, un Mac Studio avec 512 GB fait tourner les versions 4 bits, et un modèle à 256 GB une version 2 bits avec les tables Engram sur le SSD. Pour les Mac plus modestes, mieux vaut l’API ou un modèle plus petit.
Sources
- journal des modifications de l’API DeepSeekapi-docs.deepseek.com
- Hugging Facehuggingface.co
- The Decoderthe-decoder.com
- V4.1 Flashhuggingface.co
- antirez sur Hugging Facehuggingface.co
- OpenRouteropenrouter.ai