Sortie de DeepSeek V4 : tout ce qu’il faut savoir (avril 2026)

Le 24 avril 2026, DeepSeek a publié les versions préliminaires de sa série V4 tant attendue, une famille open source de modèles « Mixture-of-Experts » comprenant deux modèles et dotée d’une fenêtre de contexte native d’un million de tokens. DeepSeek-V4-Pro compte 1,6 billion de paramètres au total, dont 49 milliards activés par token. DeepSeek-V4-Flash compte 284 milliards de paramètres au total, dont 13 milliards activés. Les deux modèles sont disponibles dès aujourd’hui sur Hugging Face avec des poids ouverts, via l’API DeepSeek et sur chat.deepseek.com.

Le principal argument mis en avant est l’efficacité avec des longueurs de contexte extrêmes. Avec un million de tokens, V4-Pro n’utilise que 27 % des FLOPs d’inférence par token et 10 % de la taille du cache KV de DeepSeek V3.2. V4-Flash va encore plus loin en ne consommant que 10 % des FLOPs et 7 % de la taille du cache. Sur Codeforces, V4-Pro atteint un score de 3 206, se classant 23e parmi les concurrents humains, et, sur les benchmarks standard de raisonnement et d’agentique, il se situe entre GPT-5.2 et GPT-5.4. Le GPT-5.5 d’OpenAI, sorti un jour avant V4, le 23 avril, repousse encore plus loin la frontière fermée.

DeepSeek V4 occupe la deuxième place dans notre guide des meilleurs modèles d’IA open source, juste derrière GLM 5.2 en termes de performance globale, mais devant en puissance brute et en gestion des contextes longs.

Pour tous ceux qui utilisent Fello AI sur Mac, iPhone ou iPad, DeepSeek V4 sera disponible aux côtés de GPT-5.5, Claude Opus 4.7, Gemini 3, Kimi-K2.6 et Perplexity dans une seule application pour 9,99 $ par mois, avec plus de 25 000 avis cinq étoiles et sans abonnement supplémentaire par modèle.

Qu’est-ce que DeepSeek V4 ?

DeepSeek V4 est la quatrième génération de la gamme phare de DeepSeek, le laboratoire d’IA basé à Hangzhou qui a bouleversé les marchés mondiaux en janvier 2025 avec le modèle de raisonnement R1 à bas coût. La V4 remplace DeepSeek V3 et V3.2, qui seront retirés après le 24 juillet 2026.

Cette version est encore qualifiée d’« aperçu ». DeepSeek décrit la V4 comme la première famille de modèles ouverts entièrement conçue dès le départ pour gérer par défaut des contextes d’un million de tokens, plutôt que comme une fonctionnalité ajoutée a posteriori. Le rapport technique présente cela comme une avancée permettant de « franchir la barrière d’efficacité du traitement des contextes ultra-longs » et positionne les contextes longs comme le prochain axe de scalabilité en temps de test, après la vague des modèles de raisonnement inaugurée par R1, o1 et leurs successeurs.

Les deux modèles V4 sont open source et publiés dans la collection DeepSeek sur Hugging Face. Les développeurs peuvent télécharger les poids, les exécuter localement et les affiner. L’API est disponible dès aujourd’hui à l’adresse api-docs.deepseek.com, et prend en charge à la fois les formats OpenAI ChatCompletions et Anthropic API.

Deux modèles de la série V4

DeepSeek V4 est disponible en deux tailles, toutes deux de type « Mixture-of-Experts ».

Chaque modèle dispose d’un expert partagé ainsi que des experts routés listés ci-dessus. Les trois premières couches MoE utilisent le routage par hachage, qui attribue les experts selon un hachage fixe de l’identifiant du jeton, tandis que les autres utilisent le routage appris standard de DeepSeekMoE. Les deux modèles ont la prédiction multi-jetons (MTP) activée avec une profondeur de 1, soit la même stratégie MTP que celle utilisée dans V3.

V4-Flash se positionne comme la solution par défaut économique pour la plupart des déploiements. V4-Pro est le modèle de pointe, destiné aux tâches où une intelligence maximale prime sur le coût par jeton. Les deux prennent en charge le même contexte de 1 million de jetons et les mêmes capacités d’agent, et proposent tous deux des modes « Thinking » et « Non-Thinking ».

Le grand pari architectural

Le changement le plus important dans V4 concerne la pile d’attention. L’équipe DeepSeek estime que le coût quadratique de l’attention standard constitue désormais la contrainte limitante pour toute avancée future, d’autant plus que les modèles exécutent des boucles d’agent plus longues et traitent des ensembles de documents plus volumineux. La version 4 repense l’attention pour s’attaquer à ce coût.

Trois changements architecturaux caractérisent cette version :

1. Un mécanisme d’attention hybride combinant l’attention compressée et clairsemée (CSA) et l’attention fortement compressée (HCA).
2. Hyper-connexions contraintes par une variété (mHC), une amélioration des connexions résiduelles conçue pour assurer la stabilité numérique dans les piles profondes.
3. Passage à l’ optimiseur Muon (à partir d’AdamW pour la plupart des paramètres), qui, selon DeepSeek, offre une convergence plus rapide et un apprentissage plus stable à l’échelle des trillions de paramètres.

Parmi les autres détails hérités de la version 3, on trouve DeepSeekMoE avec desroutage et des experts partagés, la précision FP8 pour la plupart des poids, la prédiction multi-tokens et le tokeniseur à vocabulaire de 128K. Les poids des experts routés sont désormais stockés en FP4, ce qui réduit de moitié l’espace mémoire par rapport à la précision FP8 et ouvre la voie à de nouveaux gains d’efficacité sur du matériel prenant en charge des calculs FP4 plus rapides.

Attention hybride CSA et HCA

L’attention standard du Transformer examine chaque token passé pour chaque nouveau token. À un million de tokens, cela devient intenable, tant en termes de FLOP que de taille de cache KV. La version 4 divise le problème en deux passes complémentaires.

Attention compressée et clairsemée (CSA) compresse d’abord les caches KV selon la dimension de la séquence (avec un taux de compression de 4 dans V4), puis applique l’attention clairsemée DeepSeek, introduite dans V3.2. Un indexeur ultra-rapide sélectionne les k entrées KV compressées les plus pertinentes pour chaque requête. V4-Pro sélectionne les 1 024 premières, V4-Flash les 512 premières. Une courte fenêtre glissante de 128 tokens est ajoutée en parallèle afin de ne jamais passer à côté du contexte local.

Attention fortement compressée (HCA) applique un taux de compression beaucoup plus agressif de 128, puis effectue une attention dense sur cette représentation compressée. Cela donne au modèle une vue globale et peu coûteuse des tokens distants dans chaque couche.

Les couches CSA et HCA sont entrelacées tout au long du réseau. Les deux premières couches de V4-Flash utilisent une attention à fenêtre glissante pure, tandis que V4-Pro commence par des couches HCA. Il en résulte que le modèle peut basculer entre des recherches précises et clairsemées (CSA) et un contexte compressé plus large (HCA) à chaque niveau de profondeur, plutôt que de choisir une stratégie dès le départ.

Données d’entraînement, puissance de calcul et optimiseur

V4-Flash a été pré-entraîné sur 32 000 milliards de tokens. V4-Pro a été pré-entraîné sur 33 billions de tokens. Les deux modèles ont utilisé un schéma de taille de lot qui augmente progressivement jusqu’à un maximum de 75,5 millions de tokens pour Flash et 94,4 millions de tokens pour Pro, puis reste à ce niveau pendant la majeure partie de l’entraînement.

La longueur des séquences d’entraînement a été étendue par étapes : 4K, puis 16K, 64K et enfin 1M. L’attention dense a été appliquée sur les 1T premiers tokens (plus longtemps pour Pro), après quoi l’attention clairsemée a été introduite à une longueur de séquence de 64K et conservée pour le reste de l’entraînement. L’indexeur Lightning a été préchauffé lors d’une brève étape intermédiaire avant le démarrage de l’entraînement CSA complet.

L’équipe est passée à Muon pour la plupart des paramètres, ne conservant AdamW que pour les plongements, la tête de prédiction et les poids RMSNorm. Le taux d’apprentissage maximal était de 2,7e-4 pour Flash et de 2,0e-4 pour Pro, diminuant selon un schéma cosinus dans la dernière ligne droite.

Un entraînement tenant compte de la quantification FP4 a été appliqué aux poids experts MoE et au chemin QK de l’indexeur. DeepSeek fait également état de deux nouvelles techniques de stabilité qui réduisent considérablement les pics de perte à l’échelle des trillions de paramètres :

• Routage anticipatif découple les mises à jour de la structure principale et du routeur, en utilisant les poids actuels pour les caractéristiques mais les poids historiques pour les indices de routage, activés automatiquement lorsqu’un pic est détecté.
• Limitation SwiGLU limite les composantes linéaires et de porte de SwiGLU afin de stabiliser les activations.

Post-entraînement avec distillation « on-policy »

C’est au niveau du pipeline de post-entraînement que la version V4 se distingue le plus clairement de la version V3. Au lieu d’exécuter une seule grande étape d’apprentissage par renforcement mixte sur un modèle généraliste, DeepSeek entraîne un expert spécialisé distinct pour chaque domaine (mathématiques, programmation, tâches d’agent, suivi d’instructions, etc.). Chaque expert est soumis à un affinage supervisé sur des données de domaine de haute qualité, suivi d’un apprentissage par renforcement de type « Group Relative Policy Optimization » (GRPO) avec des modèles de récompense spécifiques au domaine.

Le modèle final unifié est ensuite entraîné par distillation sur la politique (OPD), où il agit comme un « élève » optimisant la perte KL inverse par rapport à l’ensemble des « enseignants » spécialisés. C’est l’étape qui intègre toute l’expertise des domaines dans un modèle cohérent. C’est la même approche que celle adoptée par Kimi K2.6 et plusieurs autres modèles ouverts récents, et c’est l’une des raisons pour lesquelles les modèles ouverts ont réduit l’écart avec les systèmes de pointe propriétaires sur les benchmarks spécialisés.

DeepSeek a également mis en place une infrastructure de sandbox pour l’apprentissage par renforcement agentique, un service de rollout préemptible et tolérant aux pannes, ainsi qu’un cadre d’apprentissage par renforcement à grande échelle capable d’exécuter des épisodes sur des contextes de plusieurs millions de tokens. Ce sont là des investissements qui ne transparaissent pas dans les tableaux de benchmarks, mais qui déterminent si le travail des agents à long terme est réellement entraînable à grande échelle.

Résultats des benchmarks

Le rapport technique de DeepSeek publie les résultats comparatifs de DeepSeek-V4-Pro-Max face à Claude Opus 4.6-Max, GPT-5.4-xHigh, Gemini-3.1-Pro-High, ainsi que les principaux modèles open source Kimi K2.6-Thinking et GLM-5.1-Thinking, depuis mis à jour par GLM 5.2. Le tableau ci-dessous présente l’ensemble complet des lignes.

Quelques éléments sautent aux yeux.

V4-Pro-Max établit un nouveau record pour les modèles ouverts sur SimpleQA-Verified avec 57,9 %, soit une progression de 20 points par rapport au meilleur modèle ouvert précédent. Il s’impose haut la main sur LiveCodeBench (93,5 %), au classement Codeforces (3 206), sur l’Apex Shortlist (90,2 %) et sur Toolathlon (51,8 %). Sur Codeforces en particulier, ce score de 3 206 place le modèle à la 23e place parmi les concurrents humains ; c’est la première fois qu’un modèle ouvert égale un modèle fermé de pointe en programmation compétitive.

L’écart avec les modèles propriétaires de pointe s’est réduit, mais n’a pas disparu. Gemini 3.1 Pro reste en tête en matière de culture générale (MMLU-Pro, SimpleQA, GPQA Diamond, HLE, Chinese-SimpleQA), tandis que GPT-5.4 domine le codage agentique (Terminal Bench 2.0 à 75,1 % contre 67,9 % pour V4-Pro), tandis que Claude Opus 4.6 domine en matière de recherche dans des contextes longs (MRCR 1M à 92,9 % contre 83,5 %) et au classement Elo GDPval pour les travaux à valeur économique.

DeepSeek décrit directement ce positionnement dans son article : V4-Pro-Max est « légèrement en deçà de GPT-5.4 et de Gemini-3.1-Pro » en matière de raisonnement, ce qui le place environ trois à six mois derrière la pointe de la technologie. Pour un modèle à poids ouverts disponible en téléchargement gratuit, cela représente une avancée significative par rapport à la situation laissée par R1 il y a un an.

Comparaison entre V4-Pro-Max, Opus 4.6, GPT-5.4 et Gemini 3.1 Pro

À la lecture du tableau des résultats, trois tendances se dégagent.

Face à Claude Opus 4.6, V4-Pro-Max s’impose sur LiveCodeBench (93,5 contre 88,8), Codeforces (3 206 contre non testé), sur IMOAnswerBench (89,8 contre 75,3), Apex Shortlist (90,2 contre 85,9) et Toolathlon (51,8 contre 47,2). Opus l’emporte en matière de connaissances (MMLU-Pro, GPQA Diamond, HLE), de recherche dans des contextes longs sur MRCR et CorpusQA, de SWE multilingue et de GDPval-AA. En conclusion, V4 est le meilleur choix pour la programmation compétitive et l’ , tandis qu’Opus 4.6 reste le meilleur choix pour le travail sur les connaissances et les documents très longs. À noter qu’Anthropic a depuis publié Opus 4.7 et la version restreinte de Claude Mythos Preview, qui se classent tous deux au-dessus d’Opus 4.6 sur ces benchmarks.

Face à GPT-5.4, V4-Pro-Max prend légèrement l’avantage sur LiveCodeBench, Codeforces, Apex Shortlist, MCPAtlas et Toolathlon. GPT-5.4 l’emporte largement sur HMMT, Apex, GDPval-AA et Terminal Bench 2.0 (75,1 contre 67,9). OpenAI a depuis lancé GPT-5.5, qui affiche un score de 82,7 % sur Terminal Bench 2.0, ce qui-creuse l’écart en matière de programmation agentique.

Face à Gemini 3.1 Pro, V4-Pro-Max s’impose sur LiveCodeBench, Codeforces, IMOAnswerBench, Apex Shortlist, CorpusQA 1M et Toolathlon, et fait pratiquement jeu égal sur la plupart des autres tests. Gemini conserve ses avantages les plus marqués en matière de connaissances générales sur le monde (SimpleQA-Verified 75,6, MMLU-Pro 91,0, GPQA Diamond 94,3).

DeepSeek a fortement misé sur le codage par agents comme stratégie de déploiement. L’équipe souligne explicitement que la version V4 est « parfaitement intégrée aux principaux agents IA tels que Claude Code, OpenClaw et OpenCode », et précise que la version V4 alimente déjà son propre codage par agents en interne. Alibaba a suivi la même stratégie en mai avec Qwen3.7-Max, qui prend en charge nativement le protocole API d’Anthropic et a démontré une session de codage autonome de 35 heures lors de son lancement. Un exemple de fichier PDF présenté dans l’annonce a été généré de bout en bout par V4-Pro.

Sur les benchmarks agentiques, V4-Pro-Max affiche 80,6 % sur SWE-Bench Verified, 55,4 % sur SWE-Bench Pro, 76,2 % sur SWE Multilingual, 67,9 % sur Terminal Bench 2.0, 73,6 % sur MCPAtlas et 51,8 % sur Toolathlon. Les résultats obtenus sur MCPAtlas et Toolathlon sont significatifs, car ces benchmarks évaluent un large éventail d’outils externes et de services MCP ; de sorte qu’un bon score indique que le modèle généralise au-delà du harnais d’agent interne utilisé par DeepSeek pendant l’apprentissage par renforcement.

V4-Flash-Max est nettement moins performant sur les tâches d’agent, en particulier sur Terminal Bench 2.0 où son score passe de 67,9 % à 56,9 %. Pour une utilisation en tant qu’agent, Pro est le modèle qu’il faut. Pour les charges de travail liées au chat et au raisonnement, Flash est suffisamment proche de Pro pour que le rapport qualité-prix joue souvent en sa faveur.

DeepSeek indique que, lors d’évaluations internes, V4-Pro-Max « surpasse Claude Sonnet 4.5 et se rapproche du niveau d’Opus 4.5 » sur les tâches d’agent. Des écarts subsistent par rapport aux modèles fermés plus récents dans les benchmarks publics, mais les chiffres internes laissent entendre que l’écart sur les charges de travail réelles est plus faible que ne le suggèrent les scores officiels.

Raisonnement mathématique

Les mathématiques formelles constituent un domaine dans lequel V4 se démarque clairement de la concurrence. Sur le test Putnam-200 Pass@8 avec un minimum d’outils (configuration introduite par Seed-Prover), V4-Flash-Max obtient un score de 81,0, contre 35,5 pour Seed-2.0-Pro, 26,5 pour Gemini-3-Pro, et 26,5 pour Seed-1.5-Prover.

Dans la configuration de pointe Putnam-2025, qui combine raisonnement informel, vérification formelle et calculs plus intensifs, V4 atteint un score parfait de 120/120, à égalité avec Axiom et devant Aristotle (100/120) et Seed-1.5-Prover (110/120).

Sur les benchmarks mathématiques de compétition, avec un score de 95,2 au HMMT 2026 de février et de 89,8 à l’IMOAnswerBench, V4-Pro-Max se situe dans la fourchette de GPT-5.4 (97,7 et 91,4) et devance Gemini 3.1 Pro sur l’IMOAnswerBench.

Un contexte d’un million de tokens en pratique

Les deux modèles V4 prennent en charge nativement un contexte d’un million de tokens. Il s’agit du paramètre par défaut, et non d’un niveau spécial pour les contextes longs, et cela n’entraîne pas de surcoût lié au contexte long.

Sur MRCR, un benchmark de recherche contextuelle, V4-Pro affiche une précision de recherche de 94 % jusqu’à 128 000 tokens et de 82 % à 512 000 tokens, mais descend à 66 % à 1 million de tokens. DeepSeek indique que V4-Pro « surpasse Gemini-3.1-Pro sur la tâche MRCR » (83,5 contre 76,3) mais « reste derrière Claude Opus 4.6 » (92,9).

Sur CorpusQA, un benchmark plus proche de l’utilisation réelle de documents longs, V4-Pro atteint 62,0 % à 1 million de tokens, devançant Gemini 3.1 Pro qui affiche 53,8 %. Il en ressort que, pour les questions-réponses sur des documents longs, V4-Pro est véritablement compétitif face aux leaders des systèmes à contexte long fermé, et nettement en avance sur ce qui existait auparavant dans le domaine de l’open source.

Le rapport technique présente le contexte long comme le prochain axe de scalabilité, ouvrant la voie à des exécutions d’agents plus longues, à des analyses inter-documents plus approfondies et à des paradigmes exploratoires tels que l’apprentissage en ligne. Rien de tout cela n’est possible si l’inférence sur 1 million de tokens est trop coûteuse à exécuter, et c’est là que les gains d’efficacité architecturale entrent en jeu.

Efficacité et économies liées au cache KV

Les chiffres clés d’efficacité, tels que présentés dans le rapport technique, pour un contexte de 1 million de tokens :

Ce sont ces chiffres qui rendent économiquement viable la gestion d’un million de contextes. Un cache KV 10 fois plus petit signifie qu’un seul GPU peut prendre en charge environ 10 fois plus de sessions simultanées à long contexte, ce qui modifie directement la grille tarifaire des charges de travail liées aux agentset de recherche.

Ces gains proviennent de trois sources : l’attention clairsemée via CSA, la compression poussée via HCA et le stockage en FP4 pour les poids des experts MoE. Sur les futurs matériels offrant des calculs FP4 plus rapides, DeepSeek estime un gain d’efficacité supplémentaire d’un tiers par rapport aux chiffres actuels.

Modes d’effort de raisonnement

Chaque modèle V4 propose trois niveaux d’effort de raisonnement : « Non-Think », « High » et « Max ». Le mode « Max » utilise des contextes plus longs et réduit les pénalités de longueur en apprentissage par renforcement (RL) ; c’est le mode à privilégier pour les tâches de raisonnement les plus complexes.

Deux observations. Premièrement, les modes de raisonnement ont bien plus d’importance que la taille brute pour les tâches de raisonnement complexes : le score HLE passe de 7,7 (Pro Non-Think) à 37,7 (Pro Max), soit une multiplication par près de 5. Deuxièmement, Flash Max se rapproche étonnamment de Pro dans les tests de raisonnement lorsqu’on lui accorde un budget de réflexion suffisant, ce qui explique pourquoi DeepSeek qualifie Flash d’« architecture très rentable pour les tâches de raisonnement complexes ». Pour les tâches de connaissance où le nombre de paramètres est déterminant, Pro conserve un net avantage.

Prise en charge d’Ascend par Huawei et matériel chinois

Parallèlement à la sortie de la version V4, Huawei a annoncé que son supernœud Ascend, équipé des nouvelles puces d’IA Ascend 950, prendra entièrement en charge DeepSeek V4 dès sa sortie de l’emballage. Il s’agit là d’un signal important, car cela signifie que la version V4 est immédiatement déployable à grande échelle sur du matériel d’IA chinois, sans dépendre des GPU fabriqués aux États-Unis qui sont soumis à des restrictions à l’exportation.

Cette association s’inscrit dans une dynamique plus large de l’infrastructure chinoise d’IA visant à construire une pile autonome : poids chinois, puces chinoises, logiciels d’inférence chinois. Pour les entreprises et les groupes de recherche opérant en Chine continentale, cela revêt probablement plus d’importance que n’importe quel résultat de benchmark isolé.

Tarification et API

DeepSeek V4 est disponible via l’ API DeepSeek à compter du 24 avril 2026. Les utilisateurs de l’API n’ont pas besoin de modifier leur base_url, mais uniquement le model paramètre :

• deepseek-v4-pro pour V4-Pro
• deepseek-v4-flash pour V4-Flash

Les deux modèles prennent en charge le format OpenAI ChatCompletions et le format API Anthropic. Ils offrent tous deux un contexte de 1 million de caractères et deux modes (Thinking et Non-Thinking), configurables via le paramètre de mode de réflexion.

DeepSeek n’a pas publié les tarifs définitifs de l’API publique lors de la sortie de la version préliminaire. Les points de terminaison existants deepseek-chat et deepseek-reasoner continuent de prendre en charge V4-Flash respectivement en modes « Non-Thinking » et « Thinking », et seront définitivement retirés après le 24 juillet 2026, à 15 h 59 UTC. Les développeurs doivent migrer vers les identifiants de modèle explicites deepseek-v4-pro et deepseek-v4-flash avant cette date.

Compte tenu de l’historique de DeepSeek (la V3 était vendue à un prix bien inférieur à celui d’OpenAI et d’Anthropic), les tarifs de la V4 devraient se situer bien en dessous des 5 $/30 $ pour GPT-5.5 et des 5 $/25 $ pour Claude Opus 4.7 par million de tokens, ce qui a toujours constitué le principal argument commercial en faveur de l’utilisation de DeepSeek. Pour une ventilation complète des différents niveaux d’API, de l’accès gratuit, et l’application grand public, consultez notre guide des tarifs DeepSeek.

Disponibilité et compatibilité avec la V3

La V4 est aujourd’hui disponible de trois façons.

chat.deepseek.com. Le chatbot web propose la version V4 via deux options : le mode Expert et le mode Instant, correspondant respectivement aux réponses rapides de type V4-Pro-Max et V4-Flash. Aucun nouveau compte n’est nécessaire si vous utilisez déjà DeepSeek Chat.

API DeepSeek. Disponible via deepseek-v4-pro et deepseek-v4-flash. Les deux modèles utilisent par défaut un contexte de 1 Mo. Les modes « Thinking » et « Non-Thinking » sont sélectionnables à chaque requête.

Hugging Face. Les poids ouverts sont publiés à l’adresse huggingface.co/collections/deepseek-ai/deepseek-v4. Le rapport technique complet est disponible au format PDF dans le référentiel V4-Pro. L’inférence nécessite un matériel puissant pour V4-Pro (des dizaines de GPU pour un débit raisonnable), mais V4-Flash, avec ses 13 milliards de paramètres actifs, est tout à fait accessible sur un déploiement à serveur unique bien équipé.

La migration depuis la version V3 s’effectue en grande partie sans modification. Le tokeniseur est compatible (toujours un vocabulaire de 128K, les mêmes tokens spéciaux plus quelques nouveaux pour la construction du contexte). L’interface API du mode « thinking » reste inchangée. Le principal changement réside dans le nouveau contexte par défaut de 1M et les nouveaux identifiants de modèle.

Limites

Dans son rapport technique, DeepSeek fait preuve d’une franchise inhabituelle concernant les limites qui subsistent dans la version V4.

Complexité de l’architecture. Afin de minimiser les risques liés aux changements architecturaux les plus importants (mHC, CSA et HCA hybrides, Muon, FP4), la version 4 a conservé de nombreux composants de la version 3 déjà validés. DeepSeek décrit l’architecture qui en résulte comme « relativement complexe » et indique que les versions futures tenteront de « réduire l’architecture à ses éléments les plus essentiels ».

Stabilité de l’entraînement. Le routage anticipatif et le clamping SwiGLU ont fonctionné dans la pratique, mais l’équipe admet que leurs « principes sous-jacents restent insuffisamment compris » et souligne que la stabilité de l’entraînement constitue un domaine actif de recherche fondamentale.

Lacunes dans les connaissances. V4-Pro-Max se classe derrière Gemini 3.1 Pro sur la plupart des benchmarks exigeants en connaissances (MMLU-Pro, SimpleQA, GPQA Diamond, HLE). L’écart s’est considérablement réduit, mais n’a pas disparu.

Plafond de récupération dans les contextes longs. Au-delà de 128 000 tokens, la précision de récupération commence à se dégrader, tombant à 66 % sur le benchmark MRCR à 1 million de tokens. Ce résultat reste supérieur à celui de la plupart des modèles ouverts et de Gemini 3.1 Pro, mais il ne correspond pas au rappel quasi parfait rapporté par certains benchmarks pour Claude Opus 4.6.

Tâches d’agents à la frontière. Sur Terminal Bench 2.0 (67,9) et SWE Pro (55,4), V4-Pro-Max reste en retrait par rapport à la frontière fermée. Pour les tâches de codage purement agentique, GPT-5.5 et Claude Opus 4.7 restent les meilleurs choix.

Multimodal. V4 est exclusivement textuel. DeepSeek indique qu’il « travaille à l’intégration de capacités multimodales dans ses modèles », mais la version actuelle n’accepte ni images, ni fichiers audio, ni vidéos.

Ce que cela signifie pour vous

Pour les développeurs. V4-Flash s’impose comme la nouvelle référence pour les déploiements à haut volume, remplaçant deepseek-chat et deepseek-reasoner. Avec 13 milliards de paramètres actifs, un contexte de plusieurs millions de tokens et un raisonnement en mode Max proche de celui de GPT-5.2, c’est l’une des meilleures options open source en termes de rapport qualité-prix sur le marché. V4-Pro mérite d’être adopté directement à la place de Claude Opus pour le codage compétitif, aux workflows d’agents faisant largement appel à des outils, ainsi que pour toute tâche tirant parti d’un contexte long.

Pour les déploiements open source et auto-hébergés. V4 est aujourd’hui la famille de modèles open source la plus performante en programmation compétitive et en mathématiques formelles, et le premier modèle open source à rivaliser avec les systèmes fermés de pointe sur Codeforces. C’est également le premier modèle open source largement déployable, conçu nativement pour des contextes de plusieurs millions de tokens. Pour toute équipe mettant en place sa propre pile LLM, V4 redéfinit considérablement le calcul « construire ou acheter ».

Pour les développeurs d’agents. Les gains d’efficacité apportés par les algorithmes CSA/HCA transforment les boucles d’agents de 1 million de tokens, qui n’étaient jusqu’alors que des démonstrations de recherche, en charges de travail viables en production. L’efficacité en termes de tokens dans les contextes longs se traduit directement par un coût par tâche réduit et une durée d’exécution des agents plus longue par dollar investi.

Pour les utilisateurs lambda. Si vous souhaitez simplement utiliser tous les modèles de pointe sans avoir à jongler entre de nombreux abonnements, Fello AI regroupe DeepSeek avec ChatGPT, Claude, Gemini, Grok et Perplexity dans une seule application native pour Mac, iPhone et iPad au prix de 9,99 $ par mois, avec plus de 25 000 avis cinq étoiles.

La version V4 est la preuve la plus évidente à ce jour que les modèles ouverts ont comblé la majeure partie de l’écart qui les séparait de la pointe des modèles propriétaires, tout en prenant une véritable avance architecturale en matière d’efficacité sur les contextes longs. La question qui se pose désormais n’est plus de savoir si les modèles ouverts peuvent rivaliser à la pointe de la technologie. Il s’agit plutôt de déterminer ce qu’ils permettront de réaliser une fois que les contextes d’un million de tokens seront devenus courants, et V4 est la première version conçue pour répondre à cette question.