L’annonce ne se résume donc pas à un changement d’étiquette. DeepSeek affirme avoir fortement amélioré les performances du modèle dans les usages en production liés aux agents IA — notamment le développement logiciel, l’utilisation d’outils et l’exécution de tâches en plusieurs étapes.
Les applications déjà intégrées à DeepSeek n’ont pas besoin de remplacer leur identifiant de modèle. D’après la documentation de l’entreprise, il suffit de définir le modèle sur deepseek-v4-pro pour utiliser automatiquement la dernière version générale.
Pour les équipes techniques, l’évolution est donc relativement transparente : le nom reste stable, tandis que le service sous-jacent fournit désormais la version 0813.
DeepSeek indique que son API prend désormais en charge le format OpenAI Responses API et qu’elle est optimisée pour les workflows Codex, notamment avec une configuration Codex en un clic. La documentation générale mentionne également la compatibilité avec les interfaces OpenAI Chat Completions et Anthropic.
L’intérêt pratique dépasse celui d’un simple service de génération de texte. Les interactions de type Responses et l’intégration Codex sont conçues pour des applications capables de combiner les réponses du modèle avec des outils, l’exécution de code et une succession d’actions.
Les résultats publiés par DeepSeek montrent une nette amélioration par rapport à la préversion de V4 Pro sur plusieurs évaluations consacrées au code et aux agents. Sur Terminal-Bench 2.1, V4 Pro-0813 obtient 87,9, contre 72,1 pour la préversion. Le modèle se situe ainsi juste derrière Fable 5, crédité d’un score de 88,0.
Parmi les autres résultats communiqués figurent :
Les articles consacrés à cette sortie indiquent que V4 Pro devance Fable 5 sur CyberGym et AutomationBench, tout en restant légèrement derrière sur Terminal-Bench. Ces comparaisons doivent toutefois être interprétées avec prudence : les chiffres proviennent principalement du tableau d’évaluation publié par DeepSeek et des articles qui ont relayé son lancement, plutôt que d’une étude indépendante menée selon une méthodologie unique.
Ils donnent néanmoins une indication claire de la direction prise par DeepSeek : les agents de développement logiciel, les tâches dans un terminal, la cybersécurité et les scénarios où un modèle doit enchaîner plusieurs actions plutôt que fournir une réponse isolée.
La référence tarifaire fournie indique les prix suivants pour 1 million de tokens :
La même source précise que les tarifs en période creuse correspondent à la moitié des tarifs de pointe. Les créneaux de pointe sont indiqués entre 01 h 00 et 04 h 00 UTC, puis entre 06 h 00 et 10 h 00 UTC.
Les sources fournies ne sont toutefois pas parfaitement cohérentes sur la devise et les montants. Un autre article, citant la documentation de l’API DeepSeek, mentionne 3 yuans par million de tokens d’entrée, 6 yuans par million de tokens de sortie et 0,025 yuan pour une entrée issue du cache. Avant de calculer le budget d’un déploiement, les développeurs ont donc intérêt à vérifier les tarifs actuellement affichés dans la documentation officielle de DeepSeek, ainsi que la devise applicable à leur compte.
La sortie intéressera surtout les équipes qui développent des agents de programmation ou des systèmes capables d’utiliser des outils. Les utilisateurs existants peuvent conserver l’identifiant deepseek-v4-pro, tandis que la compatibilité avec Responses API et Codex pourrait réduire le travail nécessaire pour connecter le modèle à des outils d’agents déjà établis.
Les scores annoncés rendent également V4 Pro plus compétitif sur les tâches propres aux workflows logiciels autonomes. Mais un résultat presque équivalent sur un test ne signifie pas que le modèle donnera les mêmes performances dans tous les projets de code, de raisonnement ou les environnements de production. Ces chiffres doivent être considérés comme les résultats revendiqués par DeepSeek tant qu’ils n’ont pas été reproduits indépendamment.
En résumé, le lancement de DeepSeek V4 Pro est autant une mise à niveau de l’API et de la plateforme d’agents qu’une nouvelle version de modèle : le nom d’appel ne change pas, les options d’intégration s’élargissent et les performances annoncées sur plusieurs tests d’agents progressent fortement par rapport à la préversion.
L’annonce ne se résume donc pas à un changement d’étiquette. DeepSeek affirme avoir fortement amélioré les performances du modèle dans les usages en production liés aux agents IA — notamment le développement logiciel, l’utilisation d’outils et l’exécution de tâches en plusieurs étapes.
Les applications déjà intégrées à DeepSeek n’ont pas besoin de remplacer leur identifiant de modèle. D’après la documentation de l’entreprise, il suffit de définir le modèle sur deepseek-v4-pro pour utiliser automatiquement la dernière version générale.
Pour les équipes techniques, l’évolution est donc relativement transparente : le nom reste stable, tandis que le service sous-jacent fournit désormais la version 0813.
DeepSeek indique que son API prend désormais en charge le format OpenAI Responses API et qu’elle est optimisée pour les workflows Codex, notamment avec une configuration Codex en un clic. La documentation générale mentionne également la compatibilité avec les interfaces OpenAI Chat Completions et Anthropic.
L’intérêt pratique dépasse celui d’un simple service de génération de texte. Les interactions de type Responses et l’intégration Codex sont conçues pour des applications capables de combiner les réponses du modèle avec des outils, l’exécution de code et une succession d’actions.
Les résultats publiés par DeepSeek montrent une nette amélioration par rapport à la préversion de V4 Pro sur plusieurs évaluations consacrées au code et aux agents. Sur Terminal-Bench 2.1, V4 Pro-0813 obtient 87,9, contre 72,1 pour la préversion. Le modèle se situe ainsi juste derrière Fable 5, crédité d’un score de 88,0.
Parmi les autres résultats communiqués figurent :
Les articles consacrés à cette sortie indiquent que V4 Pro devance Fable 5 sur CyberGym et AutomationBench, tout en restant légèrement derrière sur Terminal-Bench. Ces comparaisons doivent toutefois être interprétées avec prudence : les chiffres proviennent principalement du tableau d’évaluation publié par DeepSeek et des articles qui ont relayé son lancement, plutôt que d’une étude indépendante menée selon une méthodologie unique.
Ils donnent néanmoins une indication claire de la direction prise par DeepSeek : les agents de développement logiciel, les tâches dans un terminal, la cybersécurité et les scénarios où un modèle doit enchaîner plusieurs actions plutôt que fournir une réponse isolée.
La référence tarifaire fournie indique les prix suivants pour 1 million de tokens :
La même source précise que les tarifs en période creuse correspondent à la moitié des tarifs de pointe. Les créneaux de pointe sont indiqués entre 01 h 00 et 04 h 00 UTC, puis entre 06 h 00 et 10 h 00 UTC.
Les sources fournies ne sont toutefois pas parfaitement cohérentes sur la devise et les montants. Un autre article, citant la documentation de l’API DeepSeek, mentionne 3 yuans par million de tokens d’entrée, 6 yuans par million de tokens de sortie et 0,025 yuan pour une entrée issue du cache. Avant de calculer le budget d’un déploiement, les développeurs ont donc intérêt à vérifier les tarifs actuellement affichés dans la documentation officielle de DeepSeek, ainsi que la devise applicable à leur compte.
La sortie intéressera surtout les équipes qui développent des agents de programmation ou des systèmes capables d’utiliser des outils. Les utilisateurs existants peuvent conserver l’identifiant deepseek-v4-pro, tandis que la compatibilité avec Responses API et Codex pourrait réduire le travail nécessaire pour connecter le modèle à des outils d’agents déjà établis.
Les scores annoncés rendent également V4 Pro plus compétitif sur les tâches propres aux workflows logiciels autonomes. Mais un résultat presque équivalent sur un test ne signifie pas que le modèle donnera les mêmes performances dans tous les projets de code, de raisonnement ou les environnements de production. Ces chiffres doivent être considérés comme les résultats revendiqués par DeepSeek tant qu’ils n’ont pas été reproduits indépendamment.
En résumé, le lancement de DeepSeek V4 Pro est autant une mise à niveau de l’API et de la plateforme d’agents qu’une nouvelle version de modèle : le nom d’appel ne change pas, les options d’intégration s’élargissent et les performances annoncées sur plusieurs tests d’agents progressent fortement par rapport à la préversion.