DeepSeek V4 Flash : 284 milliards de paramètres, licence MIT et API à 0,28 $ le million de tokens
DeepSeek V4 Flash 0731 est un modèle Mixture of Experts de 284 milliards de paramètres, dont 13 milliards sont activés pour chaque token, publié sous licence MIT le 31 juillet 2026. Son architecture CSA/HCA et sa précision mixte FP4/FP8 lui permettent de gérer jusqu’à un million de tokens de contexte, avec trois niv...
Publié parModifié avec DeepSeek-V4-FlashImages générées avec GPT Image 1.5
DeepSeek V4 Flash 0731 est un modèle Mixture of Experts de 284 milliards de paramètres, dont 13 milliards sont activés pour chaque token, publié sous licence MIT le 31 juillet 2026.
Son architecture CSA/HCA et sa précision mixte FP4/FP8 lui permettent de gérer jusqu’à un million de tokens de contexte, avec trois niveaux d’effort de raisonnement.
DeepSeek recrute également des développeurs open source pour tester en bêta DeepSeek Harness, un framework destiné à transformer les modèles de langage en agents capables d’utiliser des outils et d’exécuter des tâches.
What are the key details of DeepSeek's recent developments, including the open-source release of its V4 Flash model under the MIT License —DeepSeek V4 Flash offers a 284B-parameter MoE model with a 1M-token context window, released under the MIT license at $0.14 per million input tokens.
Prompt IA
Create a landscape editorial hero image for this Studio Global article: What are the key details of DeepSeek's recent developments, including the open-source release of its V4 Flash model under the MIT License —. Article summary: I'll research each key area systematically to provide you with accurate, up-to-date details. Topic tags: general, documentation, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative vi
openai.com
DeepSeek accélère sur tous les fronts. Le 31 juillet 2026, l’entreprise a publié la version de production de DeepSeek-V4-Flash-0731 sous licence MIT : un modèle Mixture-of-Experts (MoE) de 284 milliards de paramètres, dont seulement 13 milliards sont activés pour chaque token. Selon les résultats communiqués, cette version atteint un niveau comparable à celui de son grand frère V4 Pro sur plusieurs tâches de programmation et d’IA agentique .
Dans le même temps, DeepSeek a commencé à recruter des développeurs open source pour tester en bêta DeepSeek Harness, un framework d’exécution conçu pour donner aux modèles de langage la capacité de gérer leur contexte, d’appeler des outils et de mener des tâches à bien de façon autonome .
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Quelle est la réponse courte à « DeepSeek V4 Flash : 284 milliards de paramètres, licence MIT et API à 0,28 $ le million de tokens » ?
DeepSeek V4 Flash 0731 est un modèle Mixture of Experts de 284 milliards de paramètres, dont 13 milliards sont activés pour chaque token, publié sous licence MIT le 31 juillet 2026.
Quels sont les points clés à valider en premier ?
DeepSeek V4 Flash 0731 est un modèle Mixture of Experts de 284 milliards de paramètres, dont 13 milliards sont activés pour chaque token, publié sous licence MIT le 31 juillet 2026. Son architecture CSA/HCA et sa précision mixte FP4/FP8 lui permettent de gérer jusqu’à un million de tokens de contexte, avec trois niveaux d’effort de raisonnement.
Que dois-je faire ensuite en pratique ?
DeepSeek recrute également des développeurs open source pour tester en bêta DeepSeek Harness, un framework destiné à transformer les modèles de langage en agents capables d’utiliser des outils et d’exécuter des tâches.
V4 Flash constitue le volet orienté efficacité de la famille DeepSeek V4. Il cible les usages à fort volume et sensibles à la latence : conversation, extraction, classification, assistance au code et agents logiciels.
Son architecture MoE donne au modèle accès à un vaste ensemble d’experts spécialisés, tout en limitant le calcul mobilisé à chaque étape. Sur les 284 milliards de paramètres du modèle, 13 milliards seulement sont actifs par token. Le dépôt peut atteindre 304 milliards de paramètres si l’on inclut le module DSpark de génération spéculative .
Caractéristique
Valeur
Paramètres totaux
284 milliards
Paramètres actifs
13 milliards par token
Architecture
Mixture-of-Experts (MoE)
Fenêtre de contexte
1 million de tokens
Sortie maximale
384 000 tokens
Précision
FP4 + FP8 mixte
Licence
MIT
Taille du téléchargement
Environ 160 Go
Sources :
Une licence MIT favorable aux entreprises
V4 Flash et V4 Pro sont distribués avec des poids ouverts sous licence MIT. Cette licence autorise l’utilisation commerciale, la modification et la redistribution sans redevances, sous réserve du respect des conditions habituelles de la licence .
Les poids sont disponibles sur Hugging Face et peuvent être hébergés sur une infrastructure privée. Pour les entreprises, cela ouvre plusieurs possibilités : déployer le modèle dans leur propre environnement, l’adapter à un domaine précis ou construire un produit commercial sans dépendre exclusivement d’une API externe.
La licence ne supprime toutefois pas les contraintes techniques. En FP8, les poids seuls représentent environ 284 Go. Pour exploiter pleinement le contexte d’un million de tokens, une configuration de quatre GPU NVIDIA H200 SXM5, soit 564 Go de mémoire vidéo au total, est recommandée .
Comment DeepSeek atteint un contexte d’un million de tokens
La fenêtre de contexte exceptionnelle de V4 Flash repose sur une architecture d’attention hybride qui combine deux mécanismes de compression.
CSA : une attention sparse et sélective
La Compressed Sparse Attention (CSA) compresse les entrées clé-valeur selon un ratio de 4:1 sur la longueur de la séquence, grâce à un regroupement piloté par softmax. Un indexeur baptisé « Lightning Indexer », exécuté en FP4, sélectionne ensuite les 512 blocs compressés les plus pertinents pour chaque requête .
L’objectif est de réduire fortement le nombre d’éléments examinés sans perdre les informations les plus utiles au raisonnement.
HCA : une compression plus agressive
La Heavily Compressed Attention (HCA) applique une compression de 128:1 pour les contextes extrêmement longs. Cette branche est dense : elle ne réalise pas de sélection sparse et prend en charge une grande partie de l’historique compressé .
Les couches CSA et HCA alternent dans le modèle. À partir de la deuxième couche, les couches paires utilisent la compression 4:1 de CSA ; à partir de la troisième, les couches impaires utilisent HCA et son ratio de 128:1. Une fenêtre glissante portant sur les 128 derniers tokens bruts reste toujours disponible afin de préserver les informations les plus récentes .
Une précision FP4/FP8 pour réduire l’empreinte mémoire
Le point de contrôle de V4 Flash combine plusieurs formats numériques :
les poids des experts MoE sont stockés en FP4, au format MXFP4, avec deux valeurs empaquetées dans un octet int8 ;
les autres paramètres — attention, normalisation, routeur et experts partagés — restent principalement en FP8 ;
une variante NVFP4 est également proposée par NVIDIA sous le nom nvidia/DeepSeek-V4-Flash-NVFP4.
Cette approche réduit le volume de données à transférer et à conserver en mémoire par rapport à un modèle entièrement stocké en FP8. Elle ne rend pas pour autant le modèle léger : même quantifié, V4 Flash reste destiné en priorité aux fournisseurs d’inférence et aux équipes disposant d’une infrastructure GPU conséquente.
Trois niveaux d’effort de raisonnement
DeepSeek V4 Flash expose le paramètre configurable reasoning_effort. Les développeurs peuvent ainsi ajuster le compromis entre rapidité, coût et profondeur d’analyse :
Non-think : réponses rapides et intuitives pour les tâches courantes ou les décisions à faible risque ;
Think High : raisonnement plus délibéré pour les problèmes complexes, la planification et l’analyse logique ;
Think Max : niveau d’effort maximal, avec un prompt système dédié et des pénalités de longueur réduites pendant l’entraînement par renforcement .
Pour une application, cette granularité peut permettre d’utiliser le mode rapide pour le tri ou la classification, puis de réserver les modes plus coûteux aux étapes qui exigent véritablement plusieurs cycles de raisonnement .
Des tarifs API particulièrement bas
L’API DeepSeek V4 Flash est facturée 0,14 $ par million de tokens d’entrée en cas de défaut de cache, et 0,28 $ par million de tokens de sortie. Lorsque l’entrée est déjà en cache — par exemple un prompt système ou un préambule fréquemment réutilisé — le tarif descend à 0,0028 $ par million de tokens, soit une réduction de 98 % .
À titre de comparaison, le coût de sortie annoncé pour V4 Flash est 54 fois inférieur à celui de Sonnet 4.6, à 15 $ par million de tokens, et 107 fois inférieur à celui de GPT-5.5, à 30 $ . Plusieurs analyses le décrivent ainsi comme l’API de niveau frontier la moins chère disponible .
Pour les développeurs, l’enjeu est moins le prix d’une requête isolée que la possibilité de multiplier les appels : vérification de code, routage entre modèles, extraction de données ou exécution de tâches agentiques peuvent devenir des opérations d’infrastructure plutôt que des fonctions premium.
Des progrès en programmation et en IA agentique
La version de production V4-Flash-0731 n’introduit pas une nouvelle architecture. Les gains annoncés proviennent principalement d’un post-entraînement supplémentaire . Le journal de mise à jour officiel indique notamment les résultats suivants :
Terminal Bench 2.1 : 82,7 ;
NL2Repo : 54,2 ;
autres benchmarks agentiques : 76,7 .
DeepSeek affirme que cette version atteint désormais un niveau comparable à celui de V4 Pro sur les benchmarks de programmation et d’agents . Le traditionnel classement « Pro plus puissant, Flash plus rapide » devient donc moins évident pour certaines tâches agentiques .
Les sources examinées ne permettent toutefois pas de confirmer un score précis sur SWE-bench pour V4-Flash-0731 . Les chiffres disponibles doivent donc être lus dans le contexte des benchmarks et des conditions de test concernés, plutôt que comme une preuve générale de supériorité sur tous les modèles concurrents.
DeepSeek Harness : le modèle ne suffit plus
Le lancement de DeepSeek Harness montre que l’entreprise cherche à aller au-delà du seul modèle de langage. Un harness est une couche logicielle qui orchestre l’exécution d’un agent : elle peut gérer le contexte, appeler des outils, suivre l’état d’une tâche et coordonner plusieurs étapes.
Le nom DeepSeek Harness est apparu dans le journal de modifications de V4-Flash-0731, accompagné de la mention « à paraître prochainement » . Le 1er août 2026, DeepSeek a invité des développeurs de projets open source liés aux frameworks d’agents à participer à une bêta fermée . Les candidats doivent fournir leur identifiant GitHub et des exemples de travaux représentatifs .
L’équipe d’ingénierie de Harness aurait été constituée en mars 2026, au moment de l’arrivée de Cui Tianyi chez DeepSeek . Les informations plus précises concernant ses fonctions antérieures, notamment chez TSY Capital et Jane Street, reposent toutefois sur une seule publication et n’ont pas été corroborées indépendamment dans les sources examinées.
Aucune date publique de lancement de DeepSeek Harness n’a été annoncée . Pour l’instant, il faut donc le considérer comme un projet en phase de test, et non comme un produit disponible au public.
Une stratégie fondée sur le rapport capacité-prix
La stratégie attribuée à Liang Wenfeng, PDG de DeepSeek, met l’accent sur des modèles à la fois abordables et performants, présentés comme une voie vers l’intelligence artificielle générale . Deux choix illustrent concrètement cette orientation :
réduire le coût d’utilisation, avec une tarification de 0,14 $ à l’entrée et 0,28 $ à la sortie par million de tokens ;
ouvrir les poids sous licence MIT, afin de permettre l’auto-hébergement et les usages commerciaux.
DeepSeek évolue face à Alibaba et sa famille Qwen, ByteDance et Doubao, Moonshot AI, MiniMax et Z.AI . La famille V4 se distingue, selon plusieurs sources, par la combinaison d’une fenêtre de contexte d’un million de tokens et de poids ouverts sous licence MIT .
Des informations font également état de préparatifs en vue d’une introduction en Bourse, mais ni le calendrier ni les éventuels établissements chargés de l’opération n’ont été confirmés .
Ce qui reste à vérifier
Les informations disponibles dessinent un tableau clair de V4 Flash, mais plusieurs éléments doivent être présentés avec prudence :
les scores exacts de V4-Flash-0731 sur SWE-bench n’ont pas été retrouvés dans les articles examinés ;
aucune citation directe de Liang Wenfeng sur sa stratégie liée à l’AGI n’a été recueillie ;
le calendrier et les banques conseil d’une éventuelle introduction en Bourse restent inconnus ;
les fonctions précédentes précises de Cui Tianyi chez TSY Capital et Jane Street ne sont pas confirmées par plusieurs sources .
Le signal le plus important est ailleurs : DeepSeek ne cherche pas seulement à proposer un modèle moins cher. Avec V4 Flash, la licence MIT, le contexte d’un million de tokens, les contrôles de raisonnement et le projet Harness, l’entreprise tente de rendre toute la chaîne de l’IA agentique — du modèle à l’exécution — plus ouverte et moins coûteuse.
build.nvidia.comdeepseek-v4-flash Model by Deepseek-ai | NVIDIA NIM
