Actualités IA · Open-weights
DeepSeek V4.1 Flash-1017 : l’open-weights qui fait plus avec moins
Publiée le 17 octobre 2026, la version « 1017 » de DeepSeek V4.1 Flash progresse en code et en agents tout en produisant des réponses plus courtes, donc moins chères. Et ses poids restent téléchargeables sous licence MIT.

Le nom complet du modèle souvent appelé « DeepSeek 4 1017 » est DeepSeek-V4.1-Flash-1017. Le suffixe 1017 renvoie à sa date de sortie, le 17 octobre 2026. Il s’agit d’une mise à jour mineure de DeepSeek V4.1 Flash, lancé le 10 septembre 2026 comme le plus petit modèle de la nouvelle architecture de DeepSeek, avec une compréhension visuelle native.
Un mois après sa sortie, ce modèle reste une référence pour les entreprises qui s’intéressent à l’IA open-weights. Ses poids sont publiés sur Hugging Face et ModelScope sous licence MIT, l’une des plus permissives, y compris pour un usage commercial. Le dépôt Hugging Face affiche environ 763 milliards de paramètres au format FP8 et une fenêtre de contexte de 1 million de tokens.
Ce qui change avec la version 1017
Selon le journal des modifications de DeepSeek, la mise à jour apporte une « amélioration de Pareto » entre performance et coût : de meilleurs résultats, un temps d’exécution plus court et des réponses moins longues. DeepSeek l’a optimisée pour son propre outil DeepSeek Harness ainsi que pour Tencent CodeBuddy et WorkBuddy.
Pour entraîner le modèle à construire des projets logiciels complets, DeepSeek dit utiliser un apprentissage par renforcement avec auto-évaluation (RLSF) : le modèle se sert de ses propres scores de confiance ou de ses critiques comme signal de récompense, sans évaluateurs humains. L’éditeur cite des exemples allant de la programmation de jeux à la modélisation 3D.
Les benchmarks publiés par DeepSeek
Sur DeepSWE v1.1, un test de développement logiciel, la version 1017 obtient 77,0, contre 74,2 pour V4.1 Flash. Dans le tableau publié par DeepSeek, elle devance Claude Opus 5 (74,0), GPT-5.6 Sol (73,0), Kimi K3 (67,5) et GLM-5.3 (66,9). Attention : ces concurrents ne sont pas leurs versions les plus récentes. Claude Opus 5.5, par exemple, est sorti depuis.
DeepSWE v1.1 : développement logiciel
Score publié par DeepSeek (harness Mini-SWE-V2). Plus haut = meilleur.
Source : fiche Hugging Face de DeepSeek-V4.1-Flash-1017. Chiffres de l’éditeur.
Le modèle ne gagne pas partout. Sur Terminal-Bench 4.0, il progresse fortement (42,3 contre 31,2), mais reste derrière Claude Opus 5 (51,8). Sur Humanity’s Last Exam sans outils, il obtient 42,6, loin des 56,3 d’Opus 5. En revanche, il prend la tête sur Automation-Bench v1.0.6 (60,5) et Agents’ Last Exam (35,4).
Terminal-Bench 4.0 : agents en ligne de commande
Score publié par DeepSeek (harness Claude Code).
Source : DeepSeek API Docs, journal des modifications du 17 octobre 2026 et fiche Hugging Face.
Un coût par tâche divisé par plus de deux
Le gain le plus concret est économique. Selon The Decoder, qui s’appuie sur un graphique de DeepSeek, la version 1017 atteint 77 % sur DeepSWE pour un coût moyen d’un peu moins de 0,20 $ par tâche. En réglage bas, elle dépasse encore 72 % pour environ 0,10 $. La version précédente obtenait 74,2 % pour environ 0,50 $ par exécution. Comme l’API est facturée au token, des réponses plus courtes se traduisent directement en factures plus basses.
Ce que cela change pour une TPE ou une PME française
La possibilité d’une IA hébergée chez vous
La licence MIT autorise à télécharger, modifier et exploiter le modèle commercialement, y compris sur vos propres serveurs ou dans un cloud européen. C’est un vrai atout pour la confidentialité : aucune donnée ne part chez DeepSeek. Mais avec environ 763 milliards de paramètres, ce n’est pas un modèle qui tourne sur un PC de bureau. Il faut des serveurs GPU dimensionnés, ou un hébergeur européen qui le propose.
L’API : économique, mais à encadrer
L’API officielle reste la façon la plus simple de tester le modèle. Elle est opérée par une entreprise chinoise : comme pour tout fournisseur hors Union européenne, évitez d’y envoyer des données personnelles ou confidentielles sans analyse RGPD préalable. Pour des tâches de code sur des projets non sensibles ou du traitement de contenus publics, le rapport qualité-prix est difficile à battre.
Comparer avant de choisir
Entre Claude, Qwen, DeepSeek et les modèles européens, le bon choix dépend de vos données, de votre budget et du niveau de qualité attendu. Nos équipes réalisent ces comparatifs sur vos cas réels et peuvent déployer un modèle open-weights en local ou en hybride. Découvrez nos solutions IA pour TPE et PME ou contactez-nous.
Et pour votre entreprise ?
Cybernecs accompagne les TPE et PME françaises sur l’IA et la cybersécurité : choix des modèles, déploiement cloud, local ou hybride, sécurisation des agents.
Nos solutions IA pour TPE/PMEDemander un auditNous contacterSources
- DeepSeek API Docs, journal des modifications (17 octobre 2026)
- Hugging Face, deepseek-ai/DeepSeek-V4.1-Flash-1017
- The Decoder, « Deepseek V4.1 Flash 1017 beats larger rivals in agentic tasks… », 17 octobre 2026
- Reuters via Investing.com, « DeepSeek releases AI model update, opens search APIs to all users », 17 octobre 2026
