GLM passe payant, DeepSeek reprend la tête du classement OpenCode
Dès le premier jour de facturation de GLM-5.3-Flash, DeepSeek a repris la première place de l'usage quotidien sur OpenCode, révélant la sensibilité au prix des développeurs.
41 articles vérifiés sur DeepSeek, les produits et le secteur.
Dès le premier jour de facturation de GLM-5.3-Flash, DeepSeek a repris la première place de l'usage quotidien sur OpenCode, révélant la sensibilité au prix des développeurs.
DeepSeek a enregistré 475 millions de yuans de revenus sur les sept premiers mois de 2026, mais ses pertes nettes ont grimpé à 715 millions, avec une marge brute API de 82,9 %.
DeepSeek lance deepseek-v4-flash-vision-exp, premier modèle V4 doté de vision, plafonné à 384 tokens par image, aux tarifs de V4-Flash.
Liquid AI lance les modèles brouillons LFM2.5-DSpark, qui accélèrent l'inférence locale jusqu'à 3,18 fois grâce au décodage spéculatif, une méthode issue de DeepSeek et de l'université de Pékin.
LMSYS montre, via des optimisations sur SGLang, comment DeepSeek-V4-Pro sur la H20 de Nvidia pour la Chine se rapproche de la B300, l'écart de décodage n'étant plus que de 1,42 fois.
L'API DeepSeek V4 Pro pointe désormais vers la version 0813, avec 1M de contexte, 384K en sortie et un avertissement de hausse des prix.
DeepSeek ouvre la bêta publique de l’API V4-Flash 0731, ajoute le format Responses pour Codex et annonce de forts gains sur les tests d’agents.
DeepSeek developperait sa propre puce d inference est repris pour des lecteurs tech francophones, avec les chiffres, les limites produit et les points de verification essentiels.
Check Point affirme qu’un échantillon généré par DeepSeek peut devenir un rançongiciel entièrement dans le navigateur en abusant de la File System Access API de Chrome.
DeepSeek ajoute des prix de pointe pour l’API V4. L’article résume les points clés, les chiffres importants, la position des entreprises et l’effet pour le marché ou la régulation.
DeepSeek et l’Université de Pékin ont ouvert DSpark, un framework d’inférence qui augmente la génération de 60% à 85% et peut porter le débit d’un GPU jusqu’à 6,6 fois.
Lindy remplace Claude par DeepSeek et dit réduire les coûts de 90 %
DeepSeek applique des tarifs heures pleines et creuses aux API de modèles
L'affaire montre comment les contrôles à l'export peuvent devenir des jetons de négociation commerciale.
La structure accepte le capital extérieur tout en privant les investisseurs commerciaux du vote.
DeepSeek boucle sa premiere levee externe avec une valorisation superieure a 50 milliards de dollars, mais les investisseurs commerciaux n ont pas de droit de vote.
Des estimations de workloads d'entreprise montrent près de 9x d'écart entre Claude, ChatGPT, DeepSeek, Kimi et GLM, mettant OpenAI et Anthropic sous pression.
Les données de Ramp et OpenRouter montrent DeepSeek accélérer alors que les agents de code et de données font du prix du token un coût majeur.
Les données de Ramp placent DeepSeek en tête de la croissance relative des fournisseurs SaaS utilisés par des entreprises américaines, alors que ses conditions mentionnent un stockage possible en Chine.
Selon Reuters, la première grande levée de DeepSeek valoriserait l’entreprise entre 350 et 400 milliards de yuans.
La Chine renforce le contrôle des voyages à l'étranger pour le personnel IA jugé « stratégiquement important » dans des entreprises privées comme Alibaba et DeepSeek, exigeant une approbation gouvernementale avant de quitter le pays.
DeepSeek a fixé de manière permanente les prix de l'API V4-Pro avec une réduction de 75%, à 0,87 $ par million de tokens de sortie, défiant ses concurrents.
DeepSeek discuterait d’un premier tour de financement mené par le fonds national chinois des semi-conducteurs, avec une valorisation qui pourrait approcher 45 milliards de dollars.
Le 24 avril, le Département d'État américain a envoyé un télégramme diplomatique à toutes les ambassades et consulats américains dans le monde, leur demandant d'informer les autorités locales que des entreprises chinoises d'IA "extraient et distillent" systématiquement des modèles des laboratoires américains. Trois entreprises ont été nommées : DeepSeek, Moonshot et MiniMax.
DeepSeek a publié le modèle V4 avec 1,6 billion de paramètres, mais le marché n'est pas surpris comme l'année dernière. Des prix plus bas que la concurrence, des performances améliorées, mais l'impact géopolitique de la compatibilité avec la puce Huawei est notable.
DeepSeek a réduit le prix de l'API de son modèle V4-Pro de 75 % moins de 72 heures après l'aperçu, et a abaissé le prix de hit de cache d'entrée de toute la gamme de produits API à un dixième du prix d'origine, exerçant une pression énorme sur le marché des grands modèles de langage.
DeepSeek a publié V4 Flash et V4 Pro en version preview ; la version finale n'arrivera qu'au second semestre 2026 car la puce Huawei Ascend 950PR n'est pas encore en production de masse. La migration complète du framework d'entraînement de NVIDIA vers Huawei Ascend en est la raison principale.
DeepSeek lance V4-Pro et V4-Flash avec architecture MoE, prix de sortie à 3,48 $/million de tokens, nettement inférieur à GPT-5.5 et Claude Opus 4.7, et score Codeforces de 3206 dépassant GPT-5.4.
DeepSeek cherche à réaliser son premier tour de financement externe, avec un objectif d'au moins 300 millions de dollars et une valorisation supérieure à 10 milliards de dollars, selon quatre sources anonymes.
DeepSeek a publié V3.2 avec une nouvelle architecture d'attention sparse qui réduit la complexité de O(L²) à O(Lk) et réduit considérablement les coûts d'inférence, avec un prix d'entrée de seulement 0,28 $/M token, tout en maintenant des performances globales similaires à la version précédente.
OpenAI, Anthropic et Google partagent des renseignements pour lutter contre les « attaques par distillation », accusant DeepSeek, Moonshot AI et MiniMax d'avoir utilisé environ 24 000 comptes frauduleux pour effectuer plus de 16 millions d'interactions avec le modèle Claude afin d'entraîner leurs propres modèles.
DeepSeek a discrètement lancé deux nouveaux modes de chat : Mode Instantané et Mode Expert. Le Mode Expert promet une qualité supérieure mais supprime la fonction de téléchargement de fichiers, tandis que le Mode Rapide conserve toutes les fonctionnalités. Cette décision vise à gérer la charge du serveur et à préparer le terrain pour le très attendu modèle V4.
DeepSeek s'apprête à lancer V4, mais cette fois, le point le plus remarquable n'est pas la taille des paramètres du modèle, mais la puce sur laquelle il tourne. Selon The Information, DeepSeek V4 fonctionnera sur la puce Ascend 950PR de Huawei, le premier modèle d'IA de pointe construit spécifiquement pour une architecture de puce nationale chinoise.
DeepSeek a lancé un modèle spécialisé appelé Prover-V2 dans le domaine de la démonstration de théorèmes mathématiques, visant à utiliser l'IA pour prouver automatiquement des théorèmes mathématiques dans le système de vérification formelle Lean 4.
L'article compare les principaux modèles de raisonnement d'OpenAI, DeepSeek, Google et Anthropic, analysant leurs stratégies, le compromis entre profondeur de raisonnement et vitesse de réponse, ainsi que la compétition entre open source et closed source.
DeepSeek V4 avec mille milliards de paramètres et Qwen 3.6-Plus sous licence Apache 2.0 redessinent le marché de l'IA open source, leur part de marché combinée passant de moins de 1 % à 15 % en un an.
DeepSeek V4 et Qwen 3.5 (ou Qwen 3.6-Plus) se disputent le même marché de l'IA open source, avec des coûts défiant ceux des géants fermés. L'article compare leurs paramètres, leurs atouts et ce que cela signifie pour les développeurs.
DeepSeek est devenu une légende du secteur en matière de contrôle des coûts, avec un coût d'entraînement du V3 d'environ 5,5 millions de dollars et des frais d'utilisation GPU du R1 d'environ 294 000 dollars, bien en deçà des budgets de 100 millions à 1 milliard de dollars des entreprises américaines pour des modèles similaires.
DeepSeek V3.1 est le premier modèle hybride de l'entreprise, combinant les capacités de V3 (général) et R1 (raisonnement) en un seul modèle, avec les modes Think et Non-Think interchangeables.
DeepSeek a publié le modèle de raisonnement R1 en open source en janvier 2026, surprenant la communauté en égalant les performances d'OpenAI o1, tandis que la version distillée de 32B dépasse o1-mini, brisant la barrière de prix des modèles fermés.
DeepSeek V3 utilise une architecture MoE avec 671B paramètres, n'en activant que 37B par token, et atteint des performances comparables à GPT-4o pour un coût d'entraînement de seulement 5,5 millions de dollars.