DeepSeek publie le point de contrôle V4.1-Flash-1017 : DeepSWE 77,0, ouverture des API de recherche et de récupération
Selon MarkTechPost du 17 octobre 2026, DeepSeek a publié un point de contrôle de post-entraînement V4.1-Flash-1017, sous le nom de modèle deepseek-flash, affirmant dépasser la version de septembre sur 11 benchmarks, avec 77,0 à DeepSWE v1.1 ; l'API de recherche et de récupération est ouverte à tous les développeurs, avec facturation au millier d'appels.
Ce qui change
Selon MarkTechPost du 17 octobre 2026, DeepSeek a publié DeepSeek-V4.1-Flash-1017, un point de contrôle de post-entraînement mis à jour de V4.1-Flash, fourni sous le nom de modèle deepseek-flash sur le site, l'application et l'API, compatible avec les formats d'endpoint OpenAI et Anthropic. Le rapport indique 552B de paramètres principaux plus 196B de paramètres Engram, 8B activés par token en préremplissage et 16B en décodage, un contexte de 1M tokens et une limite de sortie de 384K tokens ; les détails d'architecture proviennent du rapport technique V4.1-Flash, notamment encodeur-décodeur causal, attention parcimonieuse compressée 2, cache KV principal FP4 et rejeu borné SWA. DeepSeek affirme que ce point de contrôle dépasse la version de septembre V4.1-Flash sur les 11 benchmarks, avec un gain de 2,0 à 11,1 points, dont 77,0 à DeepSWE v1.1 (contre 74,2) et 42,3 à Terminal-Bench 4.0 (contre 31,2) ; le rapport note aussi que Claude Opus 5 reste en tête sur Terminal-Bench 4.0, ProgramBench, NL2Repo et HLE sans outils. En parallèle de la publication du modèle, DeepSeek ouvre son API de recherche et de récupération à tous les développeurs.
Conséquences pour les développeurs
Pour les développeurs d'agents, le changement le plus direct est que le modèle et la couche d'outils web peuvent être pilotés par la même clé API, ce qui supprime une couche d'intégration et de gestion d'identifiants auprès d'un fournisseur de recherche externe. L'endpoint de recherche renvoie des résultats avec un score de rerangement de 0 à 3 et un niveau d'autorité de 0 à 4, et l'endpoint de récupération convertit une page unique en Markdown : les signaux de classement de la recherche peuvent donc alimenter la logique de rerangement ou de filtrage de l'application, au lieu de ne fournir que des liens bruts. Il faut distinguer plusieurs niveaux de faits : l'amélioration des capacités du modèle provient de données de benchmark auto-déclarées par DeepSeek et non d'une reproduction indépendante ; les poids FP8 à 763B paramètres de V4.1-Flash de septembre avaient été publiés sous licence MIT sur Hugging Face, mais le rapport indique explicitement que les poids et les prérequis matériels du 1017 ne sont pas divulgués : la licence MIT de la version de septembre ne peut donc pas être étendue au point de contrôle 1017, la disponibilité des poids et l'autorisation de licence étant deux choses distinctes. Les limites côté outils sont également publiques : 5 QPS par compte pour la recherche et la récupération, facturation par appel réussi selon l'endpoint, résultats vides et échecs gratuits, et appels côté serveur via le harness gratuits jusqu'au 1er novembre 2026 ; ces tarifs et fenêtres de gratuité peuvent changer et il convient de se fier aux tarifs du jour figurant dans la documentation et la page de tarification du fournisseur.
Intégration et évaluation
Ce qui suit relève de recommandations et d'analyses conditionnelles, non de faits rapportés. Première décision, sur le niveau d'intensité de raisonnement : le rapport indique que le modèle offre un scalaire d'intensité de raisonnement de 1 à 100, les valeurs low, high et max de l'API correspondant à 50, 75 et 100. Si la charge de travail consiste en modifications de code structurées ou en correctifs à l'échelle d'un dépôt, choisir high ou max et mesurer le taux d'achèvement des tâches et le nombre de tokens de sortie ; pour des tâches à sortie courte comme la classification, l'extraction ou le routage, commencer par low, en exigeant une baisse de précision n'excédant pas un seuil acceptable sur un échantillon fixe. Deuxième décision, sur le mode d'accès à la recherche : l'API de recherche ne renvoie que 1 à 50 résultats par appel, à 5 QPS par compte, donc l'usage de la recherche propriétaire dépend du volume de requêtes et des exigences de concurrence. Si le volume quotidien de requêtes dépasse largement ce que 5 QPS peuvent absorber, conserver la recherche externe comme voie principale et réserver la recherche propriétaire aux requêtes de longue traîne nécessitant niveau d'autorité et score de rerangement ; comme indicateurs d'évaluation, on peut retenir le taux de correspondance des citations de réponse et le coût par requête réussie, en testant les scénarios d'échec à la limite de la règle de facturation des résultats vides. Troisième décision, sur la version du harness : le rapport indique que ce point de contrôle est optimisé pour DeepSeek Harness, Tencent CodeBuddy et WorkBuddy, et recommande Harness v0.2.1-rc.1 ou supérieur ; dans un environnement ne satisfaisant pas ce prérequis de version, les gains de benchmark ne se transposent donc pas nécessairement à un framework d'agent propre. Il convient de retenir le taux d'achèvement des tâches sur son propre jeu d'évaluation comme critère d'admission, plutôt que de citer directement les scores DeepSWE du rapport.
Limites et points à confirmer
Tous les scores de benchmark du rapport sont des données auto-déclarées par DeepSeek ; le rapport ne fournit aucune reproduction par un tiers, et ses évaluations ont été menées dans des environnements spécifiques comme Claude Code et Mini-SWE-V2, de sorte que les conclusions peuvent différer avec un harness propre. Les descriptions des paramètres d'architecture, du contexte et des limites de sortie proviennent du rapport technique V4.1-Flash, et le rapport n'indique pas si le point de contrôle 1017 a changé quoi que ce soit sur ces points. Les poids du 1017 ne sont pas divulgués ; leur disponibilité sur Hugging Face et KimiSeek ne peut pas être déduite de la licence MIT de V4.1-Flash de septembre, et les prérequis matériels ne sont pas divulgués non plus, si bien qu'un déploiement local manque actuellement d'informations sur lesquelles s'appuyer. Il faut préciser que DeepSeek V4.1 Flash 1017 figure déjà dans le catalogue en direct de KimiSeek (le catalogue indique un contexte de 1024000 et un type chat), mais il s'agit seulement de l'état actuel du catalogue, et non d'une confirmation des benchmarks ou des capacités de déploiement rapportés ; les tarifs d'API, la limite de 5 QPS et la fenêtre de gratuité mentionnés renvoient aux canaux officiels de DeepSeek, les tarifs et périodes de gratuité pouvant changer, et il convient de se fier aux tarifs du jour figurant dans la page de tarification et la documentation du fournisseur.