DeepSeek a mis à jour son modèle Flash vers V4.1-Flash-1017, creusant encore l'écart de rentabilité sur les tâches d'agents. Selon les propres benchmarks de DeepSeek, le modèle est plus précis et moins cher sur les tâches de programmation agentique.
1. DeepSWE 77,0 %, devant Claude Opus 5. Sur le benchmark de programmation DeepSWE v1.1, la version 1017 atteint 77,0 %, contre 74,0 % pour Claude Opus 5 ; le réglage bas effort atteint encore 72 % pour environ 0,10 dollar par tâche.
2. Le secret, ce sont des sorties plus courtes. Le prédécesseur atteignait 74,2 % pour environ 0,50 dollar par tâche ; la nouvelle version coûte moins de 0,20 dollar tout en gagnant près de 3 points de précision. Pour des agents qui exécutent des centaines de tâches par jour, la différence s'accumule vite.
3. Poids ouverts et API de recherche. Les poids sont ouverts sur Hugging Face et ModelScope, et le modèle est disponible sur le site web, l'app et l'API. DeepSeek a aussi ouvert aux développeurs l'API de recherche de son propre moteur de recherche.
Une réserve : ce sont les chiffres des propres benchmarks de DeepSeek, et les tests indépendants ne sont pas encore sortis. Le modèle reste aussi derrière Opus 5 sur HLE, Terminal-Bench 4.0 et des benchmarks similaires. Mieux vaut attendre la vérification par des tiers avant de conclure.
Source : Lire l'original. Cet article est un résumé digest à titre de référence.
