DeepSeek V4.1 Flash : un modèle sous licence MIT, déjà mis à jour

DeepSeek a mis en ligne sur Hugging Face les poids de DeepSeek-V4.1-Flash, puis ceux d'une révision nommée DeepSeek-V4.1-Flash-1017. Les deux fiches ne donnent pas de date de sortie précise. Elles affichent en revanche la même licence, et c'est le premier point à retenir.

Une licence MIT, sans condition ajoutée

Les deux fiches indiquent que le dépôt et les poids du modèle sont sous licence MIT. C'est l'une des licences les plus permissives : usage commercial, modification et redistribution sont autorisés, à condition de conserver la mention de droit d'auteur. Les fiches ne mentionnent ni seuil de chiffre d'affaires ni restriction pour les hébergeurs, contrairement aux licences maison de plusieurs concurrents.

Ce que contient le modèle

D'après la fiche, V4.1 Flash est un modèle à « mélange d'experts » :

• 552 milliards de paramètres pour le cœur du modèle, auxquels s'ajoute une mémoire de 196 milliards de paramètres consultée de façon ponctuelle ;
• une petite partie seulement est sollicitée à chaque token : 8 milliards de paramètres à la lecture de la demande, 16 milliards à la génération ;
• texte et image en entrée, texte en sortie ;
• un contexte allant jusqu'à un million de tokens ;
• un niveau de raisonnement réglable de 1 à 100.

DeepSeek insiste sur un point technique qui a un effet direct sur les coûts : la mémoire nécessaire pour conserver une longue conversation serait environ quatre fois plus faible qu'avec V4 Flash. Pour un hébergeur, cela veut dire plus d'utilisateurs servis avec le même matériel.

Les chiffres annoncés

Tous viennent de DeepSeek et sont obtenus avec le niveau de raisonnement maximal :

• Terminal-Bench 2.1 : 90,6, contre 82,7 pour V4 Flash ;
• DeepSWE v1.1 : 74,2, contre 54,4 ;
• Terminal-Bench 4.0, plus difficile : 31,2.

La révision 1017 est décrite comme une mise à jour mineure. Sa fiche annonce pourtant 42,3 sur Terminal-Bench 4.0 et 77,0 sur DeepSWE v1.1, avec des tâches exécutées plus vite et des réponses plus courtes, donc moins coûteuses.

Un détail qui compte : l'outillage

La fiche publie les scores obtenus avec différents outils d'agent. Sur DeepSWE v1.1, le même modèle obtient 74,2 avec l'outil le plus favorable et 65,5 avec le moins favorable. Près de neuf points d'écart sans changer de modèle. Le score mis en avant est le meilleur des deux.

C'est une transparence utile, et une mise en garde : le résultat que vous obtiendrez dépendra autant de l'outil de développement que du modèle.

Les limites

• Aucune indication de matériel. Les fiches ne disent pas combien de cartes graphiques il faut. Avec plusieurs centaines de milliards de paramètres, il s'agit d'un modèle de centre de données.
• Pas de gabarit de conversation standard. La fiche précise que le format habituel n'est pas fourni : il faut passer par le code de référence de DeepSeek pour mettre en forme les messages. Une intégration « maison » demandera donc un peu de travail.
• Deux versions coexistent. Les deux dépôts sont en ligne. Un prestataire peut servir l'une ou l'autre sous un nom proche.

Notre lecture

Pour une petite entreprise, ce modèle se consomme chez un hébergeur, pas sur un serveur interne. Son atout est juridique autant que technique : la licence MIT permet à n'importe quel prestataire, y compris européen, de le proposer sans accord particulier. Demandez à votre fournisseur quelle version exacte il sert, et testez-la sur vos propres tâches avec votre propre outil avant de vous fier aux tableaux.