Dernière mise à jour : 14 octobre 2026 (ajout des premiers tests indépendants).

Ce qu’il faut retenir

• Mistral Large 4 est disponible en preview depuis le 6 octobre 2026.
• Le modèle compte environ 1 050 milliards de paramètres, dont 49 milliards actifs.
• Il repose sur une architecture Mixture-of-Experts et accepte du texte comme des images.
• Sa fenêtre de contexte atteint 1 million de tokens.
• Il a été entraîné en Europe pendant environ deux mois sur près de 4 000 GPU Nvidia Grace Blackwell.
• Mistral prévoit de publier ses poids le 27 octobre 2026.
• Large 4 vise particulièrement le code, la cybersécurité, la finance, l’industrie et l’analyse d’images.
• Les premiers benchmarks sont prometteurs, mais proviennent principalement de Mistral et devront être confirmés par des tests indépendants.

Mistral Large 4 : le retour du géant français

Dix mois après Mistral Large 3, la société française revient avec un modèle nettement plus ambitieux.

Mistral Large 4, également appelé ML4 et surnommé en interne « Le Chonk », adopte une architecture Mixture-of-Experts particulièrement massive.

La fiche technique officielle indique 1,05 trillion de paramètres au total, soit environ 1 050 milliards. Seuls 49 milliards sont néanmoins activés à chaque étape de traitement.

Cette approche permet d’augmenter considérablement la capacité globale du modèle sans avoir à mobiliser l’intégralité de ses paramètres pour chaque requête.

Un modèle entraîné en Europe sur environ 4 000 GPU

Mistral met également beaucoup en avant l’origine européenne de son nouveau modèle.

Large 4 aurait été entraîné depuis zéro pendant environ deux mois sur près de 4 000 GPU Nvidia Grace Blackwell installés dans les infrastructures européennes de Mistral.

C’est un chiffre important, mais qui reste relativement modeste face aux moyens disponibles chez certains géants américains.

Mistral affirme avoir compensé cette différence de puissance de calcul par un travail poussé sur les méthodes d’entraînement et l’apprentissage par renforcement.

Le modèle a notamment été confronté à de très nombreux environnements simulés dans lesquels il doit corriger du code, résoudre des problèmes ou accomplir des tâches complexes sur plusieurs étapes.

160 langues et un million de tokens de contexte

Large 4 aurait été entraîné sur plus de 160 langues, dont toutes les langues officielles de l’Union européenne.

La documentation officielle confirme également une fenêtre de contexte de 1 million de tokens.

Cette capacité permet théoriquement d’analyser de très gros volumes d’informations en une seule fois : bases de code importantes, documents techniques, contrats, dossiers financiers ou ensembles de documents.

Mistral positionne donc Large 4 moins comme un simple chatbot que comme un moteur destiné aux agents IA et aux environnements professionnels complexes.

Large 4 revient au niveau des meilleurs modèles ouverts chinois

C’est l’un des principaux enjeux du lancement.

Ces derniers mois, le marché des modèles à poids ouverts avait largement été dominé par des acteurs chinois comme DeepSeek, Moonshot AI, Alibaba et Z.ai.

Mistral reconnaît d’ailleurs lui-même que Large 3 avait pris du retard, notamment dans le domaine de la programmation.

Avec Large 4, l’entreprise estime être de nouveau au contact des meilleurs modèles ouverts disponibles.

Les premiers résultats communiqués sont notamment les suivants :

Sur DeepSWE v1.1, Mistral présente par exemple Large 4 à 62 %, contre 61 % pour GLM-5.3 dans la configuration retenue pour son comparatif.

Le modèle se montrerait également particulièrement performant dans l’analyse d’images satellites avec 73 % sur DIOR-RSVG, contre 68 % pour GPT-6 Astra dans les données présentées par Mistral.

Attention aux benchmarks annoncés par Mistral

Ces chiffres doivent cependant être interprétés avec prudence.

Large 4 vient tout juste d’être lancé et les résultats actuellement mis en avant sont principalement communiqués par Mistral.

La configuration d’un benchmark peut également modifier sensiblement les performances obtenues. Sur DeepSWE, par exemple, d’autres configurations publiques de GLM-5.3 ou Kimi obtiennent des résultats supérieurs à ceux retenus dans le graphique de Mistral.

Il faudra donc attendre que Large 4 soit largement testé par des organismes indépendants avant de déterminer précisément sa position face aux meilleurs modèles de Moonshot, Z.ai, DeepSeek, OpenAI ou Anthropic.

Mistral ne prétend d’ailleurs pas avoir déjà dépassé les meilleurs modèles fermés américains dans tous les domaines.

Ce que disent les premiers tests indépendants

Une semaine après son lancement, Mistral Large 4 a été évalué par Artificial Analysis, l’un des principaux comparateurs indépendants de modèles d’IA.

Le bond par rapport aux anciens modèles de Mistral est spectaculaire. Large 4 obtient 38 points sur l’indice d’intelligence d’Artificial Analysis, contre 9 pour Mistral Large 3 et 14 pour Mistral Medium 3.5. La médiane des modèles comparables se situe à 26.

Le modèle français reste en revanche nettement derrière les leaders :

Autre point faible relevé : Large 4 est très bavard. Pendant l’évaluation, il a généré environ 200 millions de tokens, contre une médiane de 81 millions. Résultat, son coût réel par tâche grimpe à environ 1,13 dollar, bien au-dessus des 0,32 dollar de GPT-6.1 Sol, malgré un tarif au token plus bas.

Côté vitesse, il produit environ 116 tokens par seconde, avec un délai d’environ 1,5 seconde avant le premier token.

En résumé : Mistral revient clairement dans la course des modèles ouverts, mais n’a pas encore rattrapé les meilleurs modèles fermés américains.

La cybersécurité est l’une des principales cibles

Mistral veut particulièrement séduire les entreprises, les administrations et les spécialistes de la cybersécurité.

L’intérêt d’un modèle à poids ouverts est de pouvoir à terme l’exécuter sur sa propre infrastructure, sans dépendre en permanence de l’API d’un fournisseur extérieur.

Une entreprise peut ainsi conserver davantage de contrôle sur ses données, ses règles d’utilisation et ses capacités d’analyse.

La cybersécurité étant également un domaine sensible, Mistral prévoit une période de tests supplémentaires avant la publication complète des poids du modèle.

Les poids de Large 4 seront publiés le 27 octobre

La preview accessible aujourd’hui n’est donc qu’une première étape.

Mistral prévoit de publier les poids de Large 4 le 27 octobre 2026, après environ trois semaines de tests supplémentaires avec des développeurs, des spécialistes de la sécurité et certaines institutions.

Cette publication doit permettre aux entreprises disposant de l’infrastructure nécessaire d’héberger elles-mêmes le modèle.

Il ne faudra cependant pas espérer faire tourner la version complète sur un PC gaming classique.

Même avec des versions compressées, Large 4 vise avant tout les serveurs équipés de plusieurs accélérateurs haut de gamme.

Combien coûte Mistral Large 4 ?

Mistral affiche désormais les premiers tarifs de son API.

Lors de notre dernière vérification, la documentation indiquait :

La page affiche également des montants plus élevés barrés, respectivement 1,36 $, 0,14 $ et 4,18 $, ce qui laisse penser que les prix actuellement proposés correspondent au lancement ou à la période de preview.

Comme toujours avec une API facturée aux tokens, la facture finale dépend fortement de la longueur des requêtes et surtout des réponses générées.

Comment tester Mistral Large 4 ?

Large 4 peut déjà être utilisé en preview via les services de Mistral.

Les développeurs peuvent notamment l’appeler via l’API sous le nom mistral-large-4 et l’utiliser dans Mistral Studio.

Le modèle prend en charge les sorties structurées, les appels de fonctions, les agents, les conversations ainsi que l’analyse de documents.

Mistral prévoit également d’en faire à terme l’un des modèles principaux de son environnement Vibe.

Un enjeu de souveraineté pour Mistral et l’Europe

Au-delà des performances brutes, Mistral insiste fortement sur la souveraineté technologique.

L’entreprise veut proposer une alternative européenne aux modèles américains fermés et aux modèles ouverts développés principalement en Chine.

L’objectif est notamment de permettre aux entreprises européennes d’utiliser un modèle avancé depuis une infrastructure européenne ou, lorsque les poids seront disponibles, sur leurs propres serveurs.

Cette indépendance reste néanmoins relative : les accélérateurs utilisés par Mistral sont toujours fournis par l’américain Nvidia.

Ce que Mistral Large 4 change pour les utilisateurs

Pour un utilisateur classique de chatbot, Large 4 ne bouleverse pas encore immédiatement l’expérience quotidienne.

Son intérêt est surtout important pour les développeurs et les entreprises qui souhaitent disposer d’un modèle puissant mais contrôlable et potentiellement auto-hébergeable.

Le véritable test arrivera donc le 27 octobre, lorsque les poids doivent être publiés et que les évaluations indépendantes pourront réellement commencer.

Si les performances annoncées se confirment, Mistral aura réussi à revenir au premier plan des modèles ouverts après plusieurs mois durant lesquels les laboratoires chinois avaient pris une avance importante.

FAQ sur Mistral Large 4

Quand Mistral Large 4 est-il sorti ?

Mistral Large 4 est disponible en preview depuis le 6 octobre 2026.

Combien de paramètres possède Mistral Large 4 ?

La documentation officielle indique environ 1 050 milliards de paramètres au total, dont 49 milliards actifs pendant l’inférence.

Large 4 est-il open source ?

Mistral le présente comme un modèle à poids ouverts. Les poids doivent être publiés le 27 octobre 2026. Les conditions précises de licence devront être vérifiées lors de leur publication.

Peut-on déjà tester Mistral Large 4 ?

Oui. La preview est disponible via l’API Mistral et Mistral Studio.

Large 4 est-il meilleur que GPT-6 Astra ?

Pas de manière générale. Mistral présente Large 4 devant GPT-6 Astra sur certains benchmarks visuels, mais cela ne signifie pas que le modèle français est globalement plus performant. Des évaluations indépendantes restent nécessaires.

Peut-on installer Mistral Large 4 sur son PC ?

La version complète vise des infrastructures équipées de plusieurs GPU de centre de données. Ce n’est donc pas un modèle destiné à être exécuté facilement sur un ordinateur personnel classique. Pour faire tourner une IA de Mistral sur votre machine, suivez plutôt notre guide pour installer Mistral AI en local.

Mistral Large 4 est-il meilleur que Claude ou GPT-6 ?

Non, pas selon les premiers tests indépendants. Artificial Analysis lui attribue 38 points, contre 58 pour Claude Opus 5.5 et 50 pour GPT-6.1 Sol. C’est en revanche un énorme progrès par rapport à Mistral Large 3 (9 points).

Sources

• Mistral AI — fiche officielle de Mistral Large 4
• BDM / Leptidigital — résultats Artificial Analysis de Mistral Large 4
• The Next Web — Mistral lance Large 4

À lire aussi sur TechPi

• IA en local : le guide complet pour faire tourner une IA sur son PC
• Gemini 4 Argon : le nouveau modèle de Google est disponible
• Les meilleurs modèles d’IA à installer en local en 2026

L’article Mistral Large 4 : la France revient dans la course avec une IA de 1 000 milliards de paramètres est apparu en premier sur TechPi.

Le mouvement est important parce qu’il déplace la compétition. Au printemps, DeepSeek s’était imposé par son rapport performance/prix. En août, le laboratoire chinois vise aussi l’infrastructure d’agent elle-même : outils, sessions, sandbox, fichiers, orchestration, workflows longs. C’est précisément la zone où des produits comme Claude Code et Codex ont pris de la valeur chez les développeurs.

DeepSeek Harness se pose en rival open source de Claude Code, mais pas en remplaçant clé en main

DeepSeek décrit Harness, ou dsh, comme un « agent harness » open source bâti sur Cordis, avec un principe simple : « Everything is a plugin ». Dans les faits, presque tout devient interchangeable : le modèle, les outils, les skills, les sessions, les sandboxes, le système de fichiers, les boucles d’orchestration ou encore l’interface utilisateur.

Cette approche le distingue d’environnements plus intégrés. Là où Claude Code et Codex proposent déjà une expérience plus polie, plus complète et plus étroitement connectée à leurs écosystèmes, Harness mise sur la liberté d’assemblage. Le modèle n’y est pas le centre intangible de la pile ; il n’est qu’un plugin parmi d’autres.

En l’état, DeepSeek ne vend d’ailleurs pas Harness comme une plateforme de production stabilisée. Le dépôt GitHub le présente comme une developer preview et prévient que des changements cassants sont à attendre. C’est un signal important pour les équipes entreprise : le projet est déjà utilisable, mais pas encore au stade d’un produit industrialisé prêt à remplacer, tel quel, les suites commerciales les plus matures.

Le socle fonctionnel est pourtant déjà solide. Harness sait :

• inspecter des dépôts et naviguer dans les fichiers ;
• modifier du code et appliquer des patchs ;
• exécuter des commandes shell dans un sandbox ;
• rechercher dans le projet et sur le Web ;
• maintenir des plans multi-étapes ;
• déclencher des skills et déléguer à des subagents ;
• imposer des politiques d’approbation et de permissions.

DeepSeek parle d’un « Standard mode » capable de couvrir l’essentiel d’un agent de développement moderne, avec interface web locale, choix d’un workspace et validation des opérations sensibles. Le lancement peut se faire via npm avec la commande npx @deepseek-ai/dsh web, et DeepSeek fournit aussi les instructions pour construire le projet depuis les sources.

Sur le terrain, la comparaison la plus juste avec Claude Code et Codex tient donc en une phrase : Harness est une alternative open source et modèle-agnostique à leur infrastructure d’agent, pas encore une réplique complète de leur expérience produit. Claude Code et Codex gardent l’avantage sur les interfaces, les intégrations GitHub ou les agents hébergés en tâche de fond. Harness répond avec une extensibilité rare et la possibilité d’utiliser DeepSeek, Anthropic, OpenAI ou des endpoints compatibles.

DeepSeek-V4-Pro-0813 passe en version officielle avec un focus clair sur les agents

L’autre annonce du jour concerne le modèle lui-même. DeepSeek-V4-Pro-0813 devient la build officielle derrière l’identifiant deepseek-v4-pro. Il ne s’agit donc pas d’une nouvelle famille, mais du passage de V4-Pro de la preview à la disponibilité générale, avec un accent mis sur les capacités d’agent en production.

La famille V4 avait été introduite en avril 2026. Elle comprend V4-Pro, un modèle de 1,6 trillion de paramètres avec 49 milliards activés par token, et V4-Flash, plus léger, à 284 milliards de paramètres avec 13 milliards activés. Les deux montent jusqu’à un million de tokens de contexte.

DeepSeek pousse aussi la standardisation de ses interfaces. V4-Pro prend en charge nativement l’OpenAI Responses API, le tool calling, la sortie JSON et un format d’API de style Anthropic. Autrement dit, l’intégration devient plus simple pour les équipes qui ont déjà bâti leurs applications autour de ces standards. Le modèle est en outre présenté comme optimisé pour Codex, avec une configuration « one-click » selon DeepSeek.

Pour les utilisateurs directs, V4-Pro est désormais accessible via un « Expert Mode » sur le site et l’application. Pour les développeurs, le point intéressant est ailleurs : DeepSeek introduit un réglage explicite de l’effort de raisonnement avec trois niveaux, Non-think, Think High et Think Max. Ce n’est pas un détail cosmétique. Dans un agent, lire un fichier, lancer un test et diagnostiquer un bug profond n’ont pas les mêmes besoins. Ce curseur devient un paramètre de déploiement à part entière, au même titre que le choix du modèle ou de la fenêtre de contexte.

Sur les benchmarks publiés par DeepSeek, V4-Pro-0813 atteint 87,9 sur Terminal Bench 2.1, 74,1 sur Toolathlon-Verified, 71,1 sur DSBench-FullStack et 67,2 sur DSBench-Hard. Ces chiffres sont fournis par le laboratoire lui-même et demandent donc de la prudence. Une nuance compte particulièrement : pour certaines tâches de « Code Agent », DeepSeek précise avoir testé V4-Pro-0813 dans son futur Harness, en mode minimal. Une partie de la performance mesurée reflète donc déjà le couple modèle + harness, et pas seulement le LLM isolé.

La tarification API bascule le 16 août, avec des hausses qui vont bien au-delà du discours sur l’off-peak

Le changement le plus sensible pour les équipes déjà en production sera sans doute financier. Jusqu’au 16 août 2026 à 16h00 UTC, V4-Pro coûte 0,435 dollar par million de tokens d’entrée en cache-miss et 0,87 dollar en sortie. V4-Flash est à 0,14 dollar en entrée et 0,28 dollar en sortie. DeepSeek abandonne cette grille plate au profit d’un système heures pleines / heures creuses.

Les heures de pointe seront 01h00–04h00 UTC et 06h00–10h00 UTC. Tout le reste passera en heures creuses, avec des tarifs off-peak exactement deux fois inférieurs aux tarifs peak. Le problème, pour les clients actuels, est que même ces tarifs « réduits » montent fortement par rapport à aujourd’hui.

Pour V4-Pro :

• off-peak : 0,66 dollar par million en entrée cache-miss et 1,98 dollar en sortie ;
• peak : 1,32 dollar en entrée et 3,96 dollars en sortie ;
• cache-hit : 0,022 dollar off-peak et 0,044 dollar peak, contre 0,003625 dollar aujourd’hui.

Pour V4-Flash :

• off-peak : 0,22 dollar en entrée et 0,66 dollar en sortie ;
• peak : 0,44 dollar en entrée et 1,32 dollar en sortie.

L’exemple le plus parlant reste un workload simple de 1 million de tokens d’entrée cache-miss et 1 million de sortie. Avec l’ancienne grille, V4-Pro revient à 1,305 dollar. Avec la nouvelle, il passera à 2,64 dollars en heures creuses et 5,28 dollars en heures pleines. On parle donc d’un coût environ doublé off-peak et de plus de quatre fois le tarif actuel en peak. Sur le cache-hit, la hausse est encore plus sévère, avec un multiplicateur d’environ x6 en heures creuses et x12 en heures pleines pour V4-Pro.

DeepSeek reste malgré tout moins cher que des modèles premium occidentaux comme Claude Opus 5, Claude Fable 5 ou GPT-5.6 Sol. En revanche, la marque sort du registre du « super bon marché » qui avait nourri son image au printemps. Pour des workloads intensifs, elle se rapproche davantage d’offres intermédiaires déjà présentes sur le marché.

DeepSeek monte dans la stack des agents, et c’est peut-être l’annonce la plus durable

La cohérence de l’ensemble saute aux yeux. En avril, DeepSeek frappait par l’efficacité de l’architecture V4 et ses prix cassés. En août, il ajoute un modèle officiellement recentré sur les agents, des interfaces compatibles avec les standards déjà utilisés par les développeurs, un curseur de raisonnement, puis un harness MIT capable d’orchestrer outils, fichiers, sandboxes et workflows.

C’est une bascule stratégique : la valeur ne se joue plus seulement dans l’intelligence brute du modèle ou le prix du million de tokens, mais dans la couche qui décide comment un agent planifie, exécute, demande des permissions et persiste dans le temps. C’est aussi ce que l’on observe depuis des mois dans l’écosystème, y compris du côté des suites plus fermées. Pour suivre ce déplacement de la concurrence vers l’infrastructure logicielle, on peut aussi relire nos analyses TechPi sur l’IA côté développeurs.

La prochaine échéance est déjà fixée : le 16 août à 16h00 UTC, quand la nouvelle grille API entrera en vigueur. C’est à ce moment-là que l’on verra si DeepSeek parvient à faire accepter simultanément deux messages difficiles à concilier : plus d’ouverture sur la couche agent, et des coûts d’usage nettement relevés sur son API hébergée.

L’article DeepSeek lance son rival open source de Claude Code et relève ses prix API est apparu en premier sur TechPi.

Ce qu’il faut retenir

• Les nouveaux prix entrent en vigueur le 16 août 2026 à 16 h UTC.
• DeepSeek introduit une tarification différente entre heures pleines et heures creuses.
• V4 Pro coûtera jusqu’à 3,96 dollars par million de tokens générés en heure pleine.
• Le million de tokens d’entrée non mis en cache passera à 1,32 dollar en heure pleine.
• Les heures creuses resteront facturées moitié moins cher.

DeepSeek abandonne son tarif unique

DeepSeek va modifier radicalement le fonctionnement de son API.

À compter du 16 août, l’entreprise adoptera une tarification peak/off-peak. Les appels réalisés pendant les périodes de forte demande coûteront deux fois plus cher que pendant les heures creuses.

DeepSeek fixe les heures pleines entre 01 h et 04 h UTC ainsi qu’entre 06 h et 10 h UTC.

Les nouveaux tarifs de DeepSeek V4 Pro

La hausse est donc loin d’être anecdotique. Pour les tokens de sortie, le tarif maximal est multiplié par environ 4,55. Sur les tokens d’entrée servis depuis le cache, le changement est encore plus spectaculaire en pourcentage en raison d’un ancien tarif extrêmement faible.

DeepSeek V4 Pro devient beaucoup plus cher à grande échelle

Pour un utilisateur occasionnel, quelques dollars supplémentaires ne changeront pas nécessairement grand-chose.

La situation est très différente pour les développeurs et les entreprises qui traitent des centaines de millions, voire des milliards de tokens chaque mois.

Une multiplication par trois ou quatre de certaines dépenses peut transformer profondément le coût d’exploitation d’un produit basé sur V4 Pro.

Pourquoi DeepSeek change ses prix

DeepSeek explique vouloir mieux répartir l’utilisation de ses infrastructures en encourageant les développeurs à déplacer les traitements non urgents vers les périodes creuses.

Cette stratégie rappelle les mécanismes déjà employés dans le cloud computing : faire payer davantage les ressources lorsqu’elles sont les plus sollicitées.

Elle marque surtout une nouvelle étape pour DeepSeek. Après avoir bâti une partie de sa réputation internationale sur des modèles extrêmement performants proposés à des tarifs agressifs, l’entreprise semble chercher un meilleur équilibre entre volume, capacité serveur et rentabilité.

Ce que cela change pour les développeurs

Les équipes utilisant massivement l’API auront intérêt à revoir leurs architectures avant l’entrée en vigueur des nouveaux tarifs.

Les tâches pouvant être différées pourront notamment être exécutées pendant les heures creuses, tandis que l’utilisation de V4 Flash pourrait devenir plus attractive pour les traitements qui ne nécessitent pas les performances maximales de V4 Pro.

DeepSeek reste très agressif sur certains usages, mais l’époque où le prix constituait systématiquement son argument le plus spectaculaire semble s’éloigner.

Sources

• DeepSeek — Models & Pricing
• DeepSeek — lancement de V4 Pro
• DeepSeek — historique des mises à jour API

L’article DeepSeek augmente très fortement les prix de son API est apparu en premier sur TechPi.

Article publié le 3 août 2026.

Ce qu’il faut retenir

• DeepSeek-V4-Flash-0731 est disponible depuis le 31 juillet 2026 sous la forme d’une API en bêta publique et de poids téléchargeables.
• Le modèle possède 284 milliards de paramètres, dont 13 milliards sont activés pour chaque token.
• Il accepte une fenêtre contextuelle maximale d’un million de tokens et une sortie pouvant atteindre 384 000 tokens.
• DeepSeek facture 0,14 dollar par million de tokens en entrée et 0,28 dollar en sortie, hors utilisation du cache.
• Artificial Analysis le présente comme l’un des modèles reconnus les moins coûteux à exécuter.
• V4-Flash reste limité au texte : il ne peut pas analyser directement une image, un fichier audio ou une vidéo.
• V4-Pro compte 1 600 milliards de paramètres, mais sa version définitive n’est pas encore disponible.
• Les deux modèles sont publiés avec des poids sous licence MIT, mais leur taille les rend difficiles à exécuter sur un ordinateur personnel.

DeepSeek V4 est une famille composée de deux modèles

DeepSeek avait dévoilé une première version de sa gamme V4 le 24 avril 2026. Cette préversion comprenait deux modèles fondés sur une architecture à mélange d’experts, ou MoE : DeepSeek-V4-Flash et DeepSeek-V4-Pro.

Dans une architecture MoE, tous les paramètres ne sont pas sollicités simultanément. Le système sélectionne une partie des « experts » selon la demande. Cette méthode permet de construire un modèle très volumineux tout en limitant la puissance nécessaire pour chaque token généré.

V4-Flash n’est donc pas simplement une version de démonstration. Il s’agit du modèle que DeepSeek destine aux tâches nécessitant de nombreuses requêtes, tandis que V4-Pro vise les problèmes plus complexes pour lesquels la qualité prime sur la vitesse et le coût.

Qu’apporte la version DeepSeek-V4-Flash-0731 ?

La mise à jour du 31 juillet ne modifie ni la taille ni l’architecture du modèle. DeepSeek indique avoir principalement retravaillé sa phase de post-entraînement afin d’améliorer son comportement dans les outils de programmation et les systèmes capables d’exécuter plusieurs actions.

Le modèle peut fonctionner en mode classique ou en mode raisonnement. Trois niveaux d’effort sont proposés : faible, élevé et maximal. Plus le niveau choisi est important, plus le modèle peut consacrer de tokens à son analyse avant de produire sa réponse finale.

V4-Flash prend également en charge les appels d’outils, les réponses structurées en JSON et le nouveau format Responses API. DeepSeek l’a notamment adapté aux assistants de programmation capables de consulter des fichiers, de lancer des commandes et de modifier un projet.

Cette version officielle ne remplace cependant pas encore le modèle utilisé dans toutes les interfaces. DeepSeek précise que la mise à jour du 31 juillet concerne l’API V4-Flash. Les modèles proposés dans l’application et sur le site Web n’ont pas été actualisés au même moment.

Des progrès importants pour le code et les agents

DeepSeek affirme que V4-Flash-0731 dépasse la préversion de V4-Pro sur plusieurs tests consacrés aux agents. Il obtient notamment 82,7 sur Terminal-Bench 2.1, contre 72,1 pour V4-Pro Preview, et 54,4 sur DeepSWE, contre 12,8 pour la préversion du modèle Pro.

Ces chiffres doivent être interprétés avec prudence. Ils ont été publiés par DeepSeek et certains tests ont été réalisés avec un outil interne baptisé DeepSeek Harness, dont la version utilisée n’était pas encore publique lors de l’annonce. Deux autres évaluations mises en avant par l’entreprise reposent sur des jeux de données internes.

Ces résultats montrent néanmoins que le post-entraînement a fortement amélioré l’utilisation des outils et la programmation. Ils ne signifient pas que V4-Flash surpasse V4-Pro dans tous les domaines. La préversion de V4-Pro conserve notamment un avantage sur certaines tâches de connaissances générales et de raisonnement complexe.

Un rapport performances-prix difficile à égaler

L’évaluation indépendante d’Artificial Analysis attribue à V4-Flash-0731 un score de 50 sur son Intelligence Index, soit dix points de plus que la première préversion de V4-Flash.

Ce score place le modèle au niveau de Gemini 3.6 Flash dans ce classement et un point derrière GLM-5.2 et Muse Spark 1.1. Kimi K3 atteint 57 points, tandis que les modèles les plus performants d’OpenAI et d’Anthropic conservent une avance d’au moins neuf points.

La principale différence concerne le coût. Artificial Analysis estime qu’un passage complet de ses tests revient en moyenne à environ trois centimes avec V4-Flash, contre 0,86 dollar avec Kimi K3, 1,86 dollar avec GPT-5.6 Sol et 3,15 dollars avec Claude Fable 5.

Cette comparaison tient compte du nombre de tokens réellement consommés. Elle est donc plus représentative qu’une simple lecture du prix affiché par million de tokens, puisqu’un modèle très bavard peut finalement coûter plus cher qu’un concurrent facturé à un tarif supérieur.

Quel est le prix de DeepSeek V4 ?

Lors de notre dernière vérification, le 3 août 2026, les tarifs officiels de l’API étaient les suivants. Les prix sont indiqués pour un million de tokens et peuvent évoluer.

Le cache permet de réutiliser des informations déjà traitées, par exemple les instructions communes ou une partie stable d’un document. Le prix extrêmement faible de 0,0028 dollar ne concerne donc pas toutes les entrées.

DeepSeek prévoit également d’instaurer une tarification différenciée selon les horaires. Pendant les futures heures de pointe, comprises entre 9 h et 12 h puis entre 14 h et 18 h à Pékin, les prix pourraient être doublés. La date d’entrée en vigueur n’avait pas encore été annoncée lors de notre vérification.

Un contexte d’un million de tokens

DeepSeek V4 accepte jusqu’à un million de tokens dans une seule requête. Cette capacité permet théoriquement de fournir un dépôt de code volumineux, une importante collection de documents ou l’historique d’un long projet.

Pour réduire le coût de cette fenêtre contextuelle, DeepSeek utilise une architecture d’attention hybride combinant plusieurs formes de compression et d’attention sélective. Selon le rapport technique de l’entreprise, V4-Pro n’utiliserait, avec un contexte d’un million de tokens, que 27 % des opérations nécessaires à V3.2 pour générer un token. La mémoire consacrée au cache KV serait réduite à 10 % de celle de la génération précédente.

Ces chiffres proviennent de DeepSeek et dépendent de sa propre infrastructure. Une fenêtre d’un million de tokens ne garantit pas non plus que le modèle retrouvera parfaitement chaque information. Les développeurs devront vérifier sa précision sur leurs documents et leurs dépôts réels avant un déploiement en production.

DeepSeek V4 peut-il encore halluciner ?

Oui, et les performances en programmation ne doivent pas masquer cette limite. Artificial Analysis constate une amélioration sur son test AA-Omniscience, mais mesure encore un taux d’hallucination de 84 % dans ce protocole particulier.

Ce chiffre ne signifie pas que 84 % de toutes les réponses produites par DeepSeek sont fausses. Il correspond à une évaluation conçue pour pousser les modèles à répondre à des questions factuelles difficiles ou potentiellement insolubles. Il montre néanmoins que V4-Flash peut encore inventer une information au lieu de reconnaître son incertitude.

Les réponses portant sur la santé, le droit, les finances, la sécurité informatique ou des données récentes doivent donc être contrôlées avec des sources externes. Le faible prix de l’API ne réduit pas la nécessité d’une validation humaine.

Des poids ouverts, mais pas pour un PC classique

DeepSeek publie les poids de V4-Flash et de la préversion V4-Pro sous licence MIT. Les entreprises et les chercheurs peuvent donc les télécharger, les modifier et les déployer sur leur propre infrastructure, sous réserve de respecter les conditions de la licence.

Cette ouverture ne rend toutefois pas les modèles accessibles à tous les ordinateurs. V4-Flash comporte 284 milliards de paramètres et son déploiement officiel avec vLLM est illustré sur un serveur équipé de quatre accélérateurs NVIDIA GB300. V4-Pro atteint pour sa part 1 600 milliards de paramètres.

Des versions quantifiées peuvent réduire la mémoire nécessaire, au prix d’une éventuelle baisse de qualité ou de vitesse. Même ainsi, la version complète de V4-Flash reste très éloignée des modèles destinés à un ordinateur disposant de 16 ou 32 Go de mémoire.

Pour une utilisation personnelle, il reste plus raisonnable de consulter notre comparatif des meilleures IA locales en 2026 ou de suivre notre guide pour installer une IA avec Ollama.

Huawei joue un rôle stratégique dans le déploiement de V4

La famille V4 a également été optimisée pour les accélérateurs chinois de Huawei. Le constructeur a annoncé que ses supernœuds fondés sur les puces Ascend 950 prendraient entièrement en charge les modèles DeepSeek V4.

Cette compatibilité possède une dimension stratégique. Les restrictions américaines limitent l’accès des entreprises chinoises aux puces NVIDIA les plus avancées. En adaptant son modèle à une infrastructure Huawei, DeepSeek cherche à réduire sa dépendance à l’égard des technologies américaines.

Cela ne signifie pas que V4 fonctionne exclusivement sur du matériel Huawei. DeepSeek fournit aussi des instructions de déploiement pour des infrastructures NVIDIA. L’optimisation réalisée avec Huawei concerne principalement les centres de données chinois et la montée en charge du service.

Cette évolution prolonge la progression des modèles chinois analysée dans notre article consacré à l’essor des IA chinoises.

Quelles conséquences pour les utilisateurs ?

Pour le grand public, le changement immédiat reste limité. La mise à jour officielle concerne d’abord l’API. DeepSeek n’a pas encore déployé V4-Flash-0731 dans toutes les versions de son application et de son interface Web.

Pour les développeurs, l’intérêt est plus évident. Le prix très bas permet de lancer davantage de tâches automatisées, d’analyser de grands dépôts et d’expérimenter avec des agents sans faire exploser la facture. La compatibilité avec plusieurs formats d’API facilite également la migration depuis d’autres fournisseurs.

Les entreprises peuvent télécharger les poids et conserver le modèle sur leur propre infrastructure. Cette possibilité peut améliorer le contrôle des données, mais elle nécessite des serveurs coûteux et des compétences techniques importantes.

V4-Flash ne doit enfin pas être considéré comme le meilleur modèle dans toutes les situations. Les évaluations indépendantes le placent derrière plusieurs modèles concurrents sur la qualité générale. Son principal avantage réside dans son équilibre entre coût, contexte et capacités agentiques.

Faut-il utiliser V4-Flash ou attendre V4-Pro ?

V4-Flash constitue le choix le plus logique pour les tâches répétitives, la programmation et les agents sensibles au coût. Sa version officielle est disponible, ses poids sont téléchargeables et son API prend déjà en charge le format Responses.

V4-Pro reste plus adapté aux organisations qui recherchent un niveau supérieur de connaissances générales et disposent d’un budget plus élevé. Sa préversion peut être utilisée avec les interfaces Chat Completions et Anthropic, mais l’intégration complète au format Responses et la version définitive sont encore attendues.

Pour une application en production, il peut donc être prudent de commencer avec V4-Flash, puis de comparer V4-Pro lorsque sa version officielle sera publiée. Le choix doit reposer sur les tâches réelles de l’entreprise plutôt que sur un score de benchmark isolé.

FAQ sur DeepSeek V4

DeepSeek V4 est-il déjà disponible ?

Oui, mais avec une nuance. V4-Flash-0731 est disponible officiellement en bêta publique depuis le 31 juillet 2026. V4-Pro reste proposé en préversion et sa version définitive n’a pas encore de date précise.

DeepSeek V4 est-il gratuit ?

Les poids peuvent être téléchargés gratuitement sous licence MIT. L’utilisation de l’API est payante selon le nombre de tokens consommés. L’auto-hébergement entraîne également des coûts importants en matériel et en électricité.

Quelle est la différence entre V4-Flash et V4-Pro ?

V4-Flash active 13 milliards de paramètres et privilégie la vitesse ainsi que le coût. V4-Pro en active 49 milliards et vise les tâches plus complexes, mais demande davantage de puissance de calcul.

DeepSeek V4 peut-il analyser des images ?

Non. Les modèles V4-Flash et V4-Pro actuellement documentés acceptent uniquement du texte en entrée et produisent du texte en sortie. Ils ne sont pas multimodaux.

Peut-on installer DeepSeek V4 sur un PC ?

Les poids sont disponibles, mais les modèles complets sont trop volumineux pour un ordinateur classique. V4-Flash demande une infrastructure multi-GPU importante, tandis que V4-Pro est encore beaucoup plus lourd.

DeepSeek V4 est-il meilleur que ChatGPT ou Claude ?

Pas dans tous les domaines. V4-Flash se distingue par son prix et ses performances agentiques, mais les évaluations indépendantes placent encore les meilleurs modèles d’OpenAI et d’Anthropic devant lui sur la qualité générale.

Quand sortira la version officielle de V4-Pro ?

DeepSeek indique seulement qu’elle arrivera prochainement. La prise en charge de V4-Pro dans la Responses API était annoncée pour le début du mois d’août 2026, mais cela ne constitue pas nécessairement la date de sortie définitive du modèle.

Conclusion

DeepSeek V4-Flash ne reprend pas exactement le rôle de R1, dont le lancement avait bouleversé le marché par son effet de surprise. La concurrence s’est renforcée et plusieurs modèles chinois rivalisent désormais avec les laboratoires américains.

La nouvelle version conserve néanmoins la spécialité de DeepSeek : proposer beaucoup de capacités pour un prix extrêmement faible. Son contexte d’un million de tokens, sa licence MIT et ses progrès dans la programmation en font une option sérieuse pour les développeurs et les entreprises.

Il reste toutefois nécessaire de contrôler ses réponses, de tenir compte de son importante consommation matérielle en local et d’attendre la version définitive de V4-Pro avant de juger l’ensemble de la génération.

Sources

• DeepSeek — annonce officielle de V4-Flash-0731
• DeepSeek — présentation de la famille V4
• DeepSeek — modèles et tarifs de l’API
• DeepSeek sur Hugging Face — V4-Flash-0731
• DeepSeek sur Hugging Face — V4-Pro et rapport technique
• Artificial Analysis — évaluation indépendante de V4-Flash-0731
• Reuters — performances et coût de DeepSeek V4-Flash
• Reuters — compatibilité de DeepSeek V4 avec Huawei Ascend

L’article DeepSeek V4 : V4-Flash devient officiel avec un prix imbattable est apparu en premier sur TechPi.