DeepSeek Advanced Poids ouverts Disponible dans FlowHunt

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash est un modèle d’IA multimodal de niveau Avancé développé par DeepSeek et publié en septembre 2026. En tant que modèle à poids ouverts sous licence MIT, ses poids entraînés sont disponibles publiquement : vous pouvez l’héberger vous-même, l’affiner sur des données propriétaires ou l’exécuter sur site sans dépendances API. La fenêtre de contexte de 1 million de tokens est suffisamment grande pour contenir des bases de code entières, de longs documents techniques ou des sessions agentiques étendues sans troncature.

Lire la suite
DeepSeek V4.1 Flash est un modèle Mixture-of-Experts de 552B paramètres de base, qui traite nativement les images et le texte et génère du texte. Seuls 8B paramètres sont actifs par token pendant le prefill et 16B pendant le decode, ce qui, selon DeepSeek, améliore l’efficacité des coûts pour les flux de travail agentiques à forte charge d’entrée. Son cache KV est beaucoup plus petit que celui de DeepSeek V4-Flash, ce qui réduit la mémoire nécessaire pour les longs contextes. Il prend aussi en charge un réglage de l’effort de raisonnement, ajustable en continu.

Benchmarks

Chaque score n'apparaît qu'une fois, avec son rang parmi les modèles suivis et l'indication de qui l'a mesuré.

Comparé aux modèles de niveau Advanced sur la même échelle
  • DeepSeek V4.1 Flashce modèle
  • Mistral Large 4ce modèle est en tête sur 3 sur 4
  • Claude Sonnet 5.5ce modèle est en tête sur 1 sur 4
Vérifié évaluateur indépendant, compte pour le classement Autodéclaré publié par DeepSeek, affiché mais non classé
Général

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Source ↗

DeepSeek V4.1 Flash 39,5 Mistral Large 4 38,4 Claude Sonnet 5.5 56,0
#19sur 45 Vérifié
Programmation

DeepSWE

113 long-horizon software tasks written from scratch, graded by hidden tests.

Source ↗

DeepSeek V4.1 Flash 74,2% Mistral Large 4 61,7% Claude Sonnet 5.5 71,0%
Non classé Autodéclaré
Agents

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Source ↗Aussi : Autodéclaré 31,2%

DeepSeek V4.1 Flash 26,8% Mistral Large 4 26,8% Claude Sonnet 5.5 63,6%
#14sur 36 Vérifié
Raisonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Source ↗Aussi : Autodéclaré 36,8% (full set; 39.1 text-only subset)

DeepSeek V4.1 Flash 39,2% Mistral Large 4 35,0% Claude Sonnet 5.5 55,0%
#26sur 44 Vérifié

GPQA Diamond

Graduate-level science questions that search cannot answer.

Source ↗

DeepSeek V4.1 Flash 90,9% Mistral Large 4 Aucun score Claude Sonnet 5.5 Aucun score
Non classé Autodéclaré

ARC-AGI-2

Novel visual puzzles that cannot be memorised.

Source ↗

DeepSeek V4.1 Flash 72,9% Mistral Large 4 Aucun score Claude Sonnet 5.5 Aucun score
#13sur 27 Vérifié

À quoi utiliser DeepSeek V4.1 Flash

Déploiements auto-hébergés et privés

DeepSeek V4.1 Flash est à poids ouverts sous licence MIT. Exécutez-le sur votre propre matériel GPU ou dans votre cloud privé pour garder les données dans votre environnement, éviter les coûts d'API par token à grande échelle ou l'affiner sur des jeux de données propriétaires.

Flux de travail agentiques à forte charge d'entrée

Sa conception active moins de paramètres pendant le prefill, ce qui, selon DeepSeek, améliore l'efficacité des coûts pour les agents qui lisent beaucoup de contexte à chaque étape.

Analyse de longs documents et de bases de code

Avec une fenêtre de contexte de 1 million de tokens et un cache KV compact, DeepSeek V4.1 Flash peut ingérer des dépôts entiers, de longs contrats ou de vastes historiques de travail en une seule requête.

Entrées image et texte

Le modèle traite nativement les images en plus du texte : un même déploiement peut donc gérer des documents, des captures d'écran et des schémas.

Points forts et limites

Points forts

  • Flux de travail agentiques
  • Déploiements auto-hébergés et respectueux de la confidentialité des données (poids ouverts, licence MIT)
  • Entrées image et texte
  • Effort de raisonnement ajustable
  • Très longs documents et grandes bases de code (1M de contexte)

Limites

  • L'auto-hébergement d'un modèle de 552B paramètres nécessite une infrastructure GPU importante

Utilisez-le dans FlowHunt

Utilisez DeepSeek V4.1 Flash dans n'importe quel flow, aux côtés de vos propres outils et sources de connaissances.

  1. 1Ouvrez un flow ou créez-en un à partir d'un modèle
  2. 2Ajoutez un composant AI Agent ou Generator
  3. 3Choisissez DeepSeek V4.1 Flash dans le sélecteur de modèle

Modèles d'IA associés

À propos de DeepSeek Hangzhou, China · Fondé 2023 · deepseek.com

DeepSeek est un laboratoire de recherche en IA chinois fondé en 2023 en tant que filiale de High-Flyer, l'un des plus grands fonds spéculatifs quantitatifs de Chine. Le laboratoire est devenu largement connu au début de l'année 2025 lorsque la publication de DeepSeek V3 et R1 a provoqué la plus forte baisse en un seul jour de la capitalisation boursière de NVIDIA à ce jour, les investisseurs réévaluant l'intensité capitalistique du développement de modèles de pointe à la lumière des coûts d'entraînement inférieurs annoncés par DeepSeek. DeepSeek est inhabituel parmi les laboratoires de pointe par son engagement à publier des modèles à poids ouverts parallèlement à ses recherches propriétaires, et par sa présence active sur les réseaux sociaux critiquant la tarification des modèles fermés. Ses modèles de la série V (V3 à V4-Pro) sont largement utilisés comme modèles de codage et de raisonnement auto-hébergeables en Occident, malgré un examen réglementaire et de sécurité constant des modèles d'IA d'origine chinoise dans plusieurs juridictions.

deepseek.com ↗

Parcourir le classement complet des modèles d'IA

Questions fréquemment posées