Cet article contient des liens affiliés. En savoir plus.
DeepSeek V4 : 80,6 % sur SWE-bench pour 0,87 $ le million
En résumé
DeepSeek finalise en juillet 2026 le passage en version stable de V4, décliné en Pro (1,6 T de paramètres, 49 B actifs) et Flash (284 B, 13 B actifs), tous deux avec une fenêtre d'un million de tokens. Le modèle atteint 80,6 % sur SWE-bench Verified — meilleur score en poids ouverts — pour un coût par token de sortie 28 fois inférieur à celui de Claude Opus 4.8.
Points forts
- 80,6 % sur SWE-bench Verified, meilleur score en poids ouverts
- 0,435 $ / 0,87 $ le million de tokens sur V4-Pro
- Fenêtre de contexte d'un million de tokens sur les deux versions
- 28 à 34 fois moins cher que les modèles propriétaires haut de gamme
- Poids ouverts : hébergement souverain possible
Points faibles
- Anciens points d'accès mis hors service le 24 juillet 2026
- Auto-hébergement réservé à qui a l'infrastructure GPU
- Avantage souveraineté perdu si l'on passe par l'API officielle
- SWE-bench ne mesure qu'une partie des capacités
- Moins fin que les modèles occidentaux en français conversationnel
DeepSeek coche toutes les cases ? Lisez notre fiche complète.
| Outil | Prix | Note | Points forts | Points faibles | Verdict |
|---|---|---|---|---|---|
| 0,435 $ / 0,87 $ par M tokens | 9/10 | 80,6 % SWE-bench, poids ouverts, contexte 1M | Auto-hébergement exigeant en GPU | ||
|
DeepSeek V4-Flash
|
0,14 $ / 0,28 $ par M tokens | 8.5/10 | Trois fois moins cher, déployable en interne | En retrait sur le raisonnement complexe | Parfait pour l'extraction et la classification |
Deux modèles, une architecture
DeepSeek V4, sorti en préversion en avril 2026, finalise son passage en version officielle mi-juillet, avec la mise hors service programmée des anciens points d'accès deepseek-chat et deepseek-reasoner au 24 juillet 2026.
Deux déclinaisons :
- V4-Pro — 1,6 trillion de paramètres au total, 49 milliards activés par requête.
- V4-Flash — 284 milliards de paramètres, 13 milliards activés.
Les deux disposent d'une fenêtre de contexte d'un million de tokens. L'architecture est de type MoE (mixture of experts) : seule une fraction des paramètres s'active à chaque requête, ce qui explique un coût d'inférence sans commune mesure avec la taille annoncée.
Les tarifs
- V4-Pro — 0,435 $ en entrée / 0,87 $ en sortie par million de tokens.
- V4-Flash — 0,14 $ en entrée / 0,28 $ en sortie par million de tokens.
Ces prix sont à replacer dans le contexte de la guerre des prix de juillet 2026, où les modèles frontier occidentaux sont descendus à 1-2 $ le million de tokens en entrée. DeepSeek reste en dessous d'un facteur 2 à 7.
Rapporté au token de sortie, V4-Pro est annoncé 28,7 fois moins cher que Claude Opus 4.8 et 34,5 fois moins cher que GPT-5.5. Sur un usage à fort volume — traitement documentaire, agents en boucle, génération de masse — l'écart devient structurant.
Les performances
DeepSeek-V4-Pro-Max atteint 80,6 % sur SWE-bench Verified, le benchmark de référence pour la résolution de vrais tickets de développement logiciel. C'est le meilleur score parmi les modèles à poids ouverts, à égalité avec Gemini 3.1 Pro.
Il faut lire ce chiffre avec la prudence d'usage : SWE-bench mesure la capacité à corriger des bugs dans des dépôts Python publics, pas la qualité générale d'un modèle. Sur du raisonnement long, de la rédaction en français ou de l'usage d'outils, les classements diffèrent. Notre comparatif des meilleures IA pour coder détaille ces nuances.
Le vrai sujet : les poids ouverts
L'atout de DeepSeek dépasse le tarif. Un modèle à poids ouverts peut être hébergé où l'on veut — sur ses propres serveurs, chez un hébergeur européen, dans un environnement isolé. Pour les données de santé, les dossiers juridiques ou les données bancaires, c'est souvent la seule configuration acceptable.
Ce point prend une résonance particulière alors que Washington envisage, avec l'AI Kill Switch Act, de pouvoir suspendre un modèle déployé. Un modèle qu'on héberge soi-même ne s'éteint pas à distance.
La contrepartie est connue : l'hébergement d'un modèle de cette taille suppose une infrastructure GPU sérieuse et des compétences d'exploitation. Pour la majorité des entreprises, l'API reste la voie réaliste — et l'argument souveraineté disparaît alors en grande partie.
Notre lecture
DeepSeek V4 confirme que l'écart entre modèles propriétaires et poids ouverts s'est réduit à une poignée de points sur les benchmarks, pour un coût dix à trente fois inférieur. Sur les tâches de développement, de traitement de masse et d'agents en boucle, c'est aujourd'hui l'un des meilleurs rapports capacité/prix du marché.
Pour un usage grand public conversationnel en français, les modèles occidentaux gardent l'avantage sur la finesse de la langue et l'intégration produit. Voyez notre comparatif des alternatives à ChatGPT.