Aujourd'hui (24 avril), DeepSeek a publié V4.
Le titre de Bloomberg était « Un an plus tard, bouleversant à nouveau la Silicon Valley ». Exagéré ou non, force est de constater que deux produits ont été lancés simultanément :
- V4-Pro : 1,6 billion de paramètres totaux, 49B activés, prise en charge de 1 million de tokens de contexte
- V4-Flash : 284 milliards de paramètres totaux, 13B activés, également 1 million de tokens de contexte
Publié sous licence MIT, les poids sont disponibles sur HuggingFace.
Benchmarks
Au classement de programmation compétitive Codeforces, V4-Pro a obtenu 3206. GPT-5.4 a atteint 3168 – le modèle fermé phare qui vient d'être remplacé hier par GPT-5.5.
Les modèles open source ont rattrapé leur retard en programmation compétitive.
Autres chiffres :
| Benchmark | Résultat V4-Pro |
|---|---|
| LiveCodeBench | 93,5 % |
| HMMT 2026 Concours de mathématiques | 95,2 % |
| IMOAnswerBench | 89,8 % |
| MMLU-Pro | 87,5 % |
Cependant, un domaine n'a pas été remporté : SWE-bench Pro (tâches réelles de génie logiciel) a atteint 55,4 %, tandis que Kimi K2.6 a obtenu 58,6 %. Victoire en programmation compétitive, mais 3 points de retard sur les tâches pratiques.
DeepSeek a déclaré officiellement : « DeepSeek-V4-Pro-Max réalise une avancée significative dans les capacités de connaissance parmi les modèles open source, consolidant fermement sa position de modèle open source le plus puissant à ce jour. »
Tarification : des écarts d'ordre de grandeur
C'est le point qui retient vraiment l'attention.
| Version | Entrée standard | Entrée avec cache | Sortie |
|---|---|---|---|
| V4-Flash | 0,14 $/M | 0,028 $/M | 0,28 $/M |
| V4-Pro | 1,74 $/M | 0,145 $/M | 3,48 $/M |
GPT-5.5, lancé hier, coûte 30 $/M pour la sortie en version standard et 180 $/M en version Pro. Claude Opus 4.7 coûte 75 $/M pour la sortie.
La sortie de V4-Pro coûte 3,48 $/M.
C'est 8,6 fois moins cher que GPT-5.5 standard et 21 fois moins cher que Claude Opus 4.7.
Ce n'est pas une remise, c'est un écart d'ordre de grandeur. Pour les équipes ayant un volume d'appels élevé, cette différence peut déterminer directement si un produit est rentable.
Si peu cher grâce à l'architecture
V4 introduit un Mécanisme d'Attention Hybride (CSA + HCA) : Compressed Sparse Attention pour les dépendances globales, Heavily Compressed Attention pour les informations locales, utilisés en combinaison.
Dans les scénarios de contexte long de 1 million de tokens, V4-Pro nécessite seulement 27 % de la puissance de calcul d'inférence et 10 % du cache KV par rapport à V3.2.
Trois améliorations sont également utilisées :
- Entraînement en précision mixte FP4 + FP8 : couches d'experts en FP4, autres paramètres en FP8
- Hyperconnexions avec contrainte de variété, renforçant la propagation du signal résiduel
- Optimiseur Muon, améliorant la vitesse de convergence et la stabilité de l'entraînement
Les données de pré-entraînement dépassent 32 billions de tokens.
Cette efficacité ne provient pas d'un réglage de paramètres, mais d'une conception architecturale qui comprime la charge de calcul, permettant aux coûts de se répercuter sur le prix.
Le timing est intéressant
GPT-5.5 hier, DeepSeek V4 aujourd'hui.
Ces deux événements se chevauchent et forceront les clients professionnels à recalculer leurs coûts. L'écart de performance existe toujours, mais l'écart de prix est déjà trop important pour être ignoré. En particulier :
- Pour les équipes à volume d'appels élevé : 3,48 $ contre 30 $ en coût de sortie est un chiffre qui peut déterminer le choix de la solution
- Pour ceux qui ont besoin d'open source : licence MIT, poids ouverts, déploiement privé sans obstacles
- Pour les clients professionnels chinois : DeepSeek a moins de préoccupations concernant la conformité et la souveraineté des données
Le mois dernier, des informations ont fait état de négociations entre Tencent et Alibaba pour investir dans DeepSeek, avec une valorisation supérieure à 20 milliards de dollars. Une entreprise qui a refusé le capital-risque pendant trois ans commence à parler d'argent. Le lancement de V4 n'est probablement pas seulement un jalon produit, mais aussi une démonstration de capacité avant la levée de fonds.
Si l'avantage de prix peut être converti en échelle, la réponse viendra dans six mois.
Sources de référence : DeepSeek-V4-Pro Model Card (HuggingFace, deepseek-ai, 24 avril 2026) ; DeepSeek V4 Released: Open-Source 1.6T MoE, 1M Context (ofox.ai, 24 avril 2026) ; CocoLoop ; DeepSeek Unveils Newest Flagship AI Model a Year after Upending Silicon Valley (Bloomberg, 24 avril 2026)