Fireworks AI a annoncé la semaine dernière le modèle DeepSeek‑V4.1‑Flash. Selon ses propres tests, celui-ci atteint la même précision de codage que GPT‑6 Astra, pour un coût par tâche environ 15 fois inférieur. Le prix indiqué est de 0,43 $ pour une tâche de codage DeepSWE classique. L’entreprise explique cette baisse de coût par une nouvelle architecture qui sépare le traitement des entrées et des sorties, ainsi que par un cache KV amélioré qui nécessite moins de mémoire.
Comment le modèle réduit les coûts
DeepSeek‑V4.1‑Flash est un modèle à mélange d’experts (MoE) de 552 milliards de paramètres. Il en active 8 milliards pour les entrées et 16 milliards pour les sorties, ce qui correspond au profil des agents de codage : ils lisent beaucoup de code, mais produisent des modifications relativement courtes. Lors du test DeepSWE, le modèle a traité 36,9 millions de tokens en entrée et 211 000 en sortie, soit un rapport de 174 pour 1. Le nouveau cache KV utilise un quart de la mémoire à haute bande passante (HBM) et un huitième du stockage SSD par rapport au précédent DeepSeek V4. Il maintient le taux de réussite du cache à 99,6 % et ramène à 60 % la part de la facture liée aux accès au cache.
Ses points forts et ses limites
Sur les tests axés sur le codage (DeepSWE), le modèle offre une qualité comparable à celle d’Astra, de Gemini 3.8 Flash et de Claude Opus 5 : tous se situent à moins de 0,7 point les uns des autres pour le score pass@1, mais DeepSeek‑V4.1‑Flash coûte bien moins cher. Il est 5,5 fois moins cher que Gemini 3.8 Flash, 15 fois moins cher qu’Astra et 28 fois moins cher qu’Opus 5. Pour une autre charge de travail (Terminal‑Bench 2.1), le modèle utilise quatre fois plus de tokens en sortie qu’Astra, mais revient tout de même environ 12 fois moins cher au total. En revanche, sur un test de raisonnement multimodal (Humanity’s Last Exam), il obtient 34,52 %, contre 50,40 % pour Astra, ce qui indique des performances plus faibles en raisonnement académique pur. Un « routeur oracle », qui sélectionne la meilleure réponse des deux modèles, ferait mieux qu’Astra seul de 4,4 points de pourcentage, signe qu’un système combinant plusieurs modèles pourrait être avantageux.
Comment y accéder
Fireworks propose DeepSeek‑V4.1‑Flash via une API sans serveur, ainsi qu’une option de capacité dédiée pour les charges de travail en production. Des points d’accès hébergés aux États-Unis pour les secteurs réglementés sont annoncés prochainement, et l’entreprise prévoit d’offrir une assistance à l’entraînement aux premiers utilisateurs.
Pourquoi c'est important
Pour les développeurs qui créent des outils de programmation assistée par l’IA, ce nouveau modèle rend abordables les workflows d’agents continus et à nombreuses itérations : des appels coûteux ponctuels peuvent ainsi devenir des processus d’arrière-plan peu coûteux. Les équipes qui ont besoin de solides capacités de raisonnement dans des matières universitaires devront peut-être encore combiner plusieurs modèles, car DeepSeek‑V4.1‑Flash est moins performant sur ce type de tâche.
