DeepSeek V4.1 Flash : le test complet qui change tout — 81,25 % au KingBench 3 et ~221 tokens/s
Une configuration oubliée, un retest honnête et un verdict retourné : avec le mode « thinking » réglé au maximum, DeepSeek V4.1 Flash passe de 53,75 % à 81,25 % sur les 8 tâches de codage d’AICodeKing. Architecture inédite, vitesse record, prix plancher… on fait le tour complet. 🚀
🧭 Sommaire de l’article
Un clic pour sauter directement à la section qui vous intéresse.
- Un lancement qui bouscule le marché
- Une architecture vraiment nouvelle
- Le détail qui change tout : le thinking
- Le parcours des 8 tâches KingBench 3
- Scores finaux & comparatif
- Vitesse : ~221 tokens/s, reasoning inclus
- Tarifs API & calendrier de routage
- Verdict final
- Vérification des informations
- 🎬 La vidéo originale & ses chapitres
🚀 Un lancement qui bouscule le marché
DeepSeek V4.1 Flash est officiellement sorti le 10 septembre 2026, accompagné d’un rapport technique détaillant ses gains d’efficacité.
DeepSeek V4.1 Flash est désormais officiellement disponible — et après un test mené avec les bons réglages de réflexion, le youtubeur AICodeKing est formel : ce modèle est « incroyablement bon ». Sur son banc d’essai maison KingBench 3 (8 tâches pratiques de codage notées sur 10 chacune), le modèle atteint 81,25 %, tandis que les journaux de l’agent OpenCode laissent apparaître une vitesse estimée d’environ 221 tokens générés par seconde, reasoning inclus.
Au programme de ce lancement : une nouvelle architecture, une compréhension visuelle native (envoi d’images avec le texte) et des prix API revus à la baisse. Un rapport technique explique comment DeepSeek rend ce modèle plus efficient en serving.
🏗️ Une architecture vraiment nouvelle
DeepSeek présente Flash comme le plus petit modèle de sa nouvelle famille d’architecture… mais ne vous fiez pas à l’étiquette.
Le rapport technique décrit un backbone Mixture-of-Experts de 552 milliards de paramètres, auquel s’ajoutent 196 milliards de paramètres de modules mémoire « Engram ». C’est donc toujours un très gros modèle. La subtilité tient dans la part réellement activée : environ 8 milliards de paramètres actifs en traitement d’entrée et 16 milliards en génération de sortie.
Paramètres totaux du squelette Mixture-of-Experts, + 196 B de mémoire Engram (lookup sparse par tokens).
~8 B activés à la lecture de l’input, ~16 B à la génération de l’output : l’essentiel du modèle reste dormant.
~25 % de la mémoire GPU du cache d’attention global et ~12,5 % du stockage du cache persistant vs génération précédente (contexte caché).
Compréhension visuelle native : images + texte en entrée, réponses texte en sortie (non benchmarkée dans la vidéo).
🧩 L’encodeur-décodeur causal, atout des agents de codage
La nouvelle conception causal encoder-decoder permet à la plupart des tokens d’entrée d’éviter le calcul complet du décodeur. Or, un agent de codage passe l’essentiel de son temps à lire : fichiers, résultats d’outils, historique de conversation. Ces économies sur le contexte mis en cache expliquent en partie les coûts de serving réduits — sans signifier que le modèle entier est devenu plus petit.
📊 Les chiffres officiels publiés
DeepSeek annonce 74,2 sur DeepSWE v1.1 (benchmark de génie logiciel), contre 62,7 pour V4 Pro, à effort maximal. Le rapport rappelle toutefois que le logiciel agent autour du modèle influence le score — d’où l’idée de tester le modèle dans OpenCode, en conditions réelles.
🧠 Le détail qui change tout : activer le thinking
Un premier test faussé, une correction honnête, et un score qui s’envole.
Lors de son premier test, AICodeKing avait laissé le mode réflexion désactivé dans sa configuration OpenCode : score de 53,75 % et suspicion de régression. Après correction — thinking activé, effort réglé sur « max » — le score grimpe à 81,25 %. Les sessions sauvegardées contiennent d’ailleurs une quantité substantielle de raisonnement, et les générations sont spectaculairement meilleures.
🎯 Méthodologie KingBench 3
Huit tâches, 10 points chacune (soit 80 points), notées de manière pratique : les interfaces générées sont ouvertes, testées dans le navigateur, et leur code est relu — le tout en conservant les sorties originales, sans retouche.
🧪 Le parcours des 8 tâches KingBench 3
Pour chaque tâche : le nouveau score, l’ancien, et ce qui a fait la différence.
1. Simulation d’ascenseurs
Trois cabines d’une personne, files d’attente par étage, survol affichant la destination. Vérification navigateur : 2 lots de 24 personnes générés, 48 passagers arrivés, jamais plus d’une personne par cabine, compteurs « attente / course / arrivé » cohérents. Le code nettoie même les éléments terminés.
2. Boîtier de lentilles 3D
Objet 3D avec marquages L et R bien lisibles et couvercles cliquables : boîtier blanc propre, capuchons menthe, lettres grandes et nettes. Les couvercles s’ouvrent indépendamment, le bouton « ouvrir les deux » fait ce qu’il promet, et la géométrie est organisée autour des charnières.
3. Table pliante
Au premier run, le plateau flottait et les pieds étaient sous le sol. Cette fois, la table dépliée tient sur quatre pieds visibles, le rendu bois est réussi et le slider de pliage répond fluidement : les pieds sont attachés aux bonnes pièces mobiles.
4. Panda mangeant un burger (SVG)
Composition plus propre, visage expressif, burger aux couches reconnaissables, pattes et miettes pleines de caractère : un SVG compact, autonome, qui se rend correctement.
5. Jeu de tir à l’arc
Coucher de soleil, montagnes, archer, quatre cibles et un timer clair : viser-glisser-relâcher ressemble enfin à un vrai jeu. Test navigateur : 4 cibles touchées avec 4 flèches, cibles qui tombent, chrono in-game de 6,10 s sur le run.
6. Problème mathématique
Comptage de permutations de paires ordonnées à coups restreints : réponse attendue 20 460, réponse obtenue 20 460, avec un solveur ré-exécutable qui reproduit le résultat et colle aux comptes brute-force sur les petits cas. Le modèle a même détecté et corrigé une erreur dans sa logique de transition initiale.
7. Fine-tuning local (Gemma 2B + LoRA)
Créer un dataset, fine-tuner un Gemma 2B en LoRA 700 itérations, puis servir une appli web locale affichant un fait de panda au refresh : tout fonctionne. Dataset de 151 faits (vs 127), serving simplifié via MLX et le chat template du tokenizer, ~0,5 s par requête locale, layout mobile OK.
8. Montre-bracelet
La plus belle progression du retest : cadran détaillé, index visibles, bracelet métal, fenêtres jour/date lisibles, aiguilles mobiles et sous-cadran seconde timezone. Les contrôles passent partout : alignement à minuit, décalage demi-horaire de Mumbai, heure d’été de New York, bascule du second fuseau au jour suivant. Le code réutilise ses formateurs de temps.
📈 Scores finaux & comparatif
65 points sur 80, soit 81,25 % : +22 points bruts (+27,5 points de pourcentage) par rapport au run sans réflexion.
| Tâche KingBench 3 | Score (thinking max) | Score précédent | Progression |
|---|---|---|---|
| 🛗 Simulation d’ascenseurs | 8/10 | 3/10 | +5 |
| 👓 Boîtier de lentilles | 7/10 | 5/10 | +2 |
| 🪑 Table pliante | 6/10 | — | — |
| 🐼 SVG panda burger | 6/10 | 5/10 | +1 |
| 🏹 Jeu de tir à l’arc | 8/10 | 5/10 | +3 |
| 🧮 Problème mathématique | 10/10 | — | — |
| 🤖 Fine-tuning local | 10/10 | 6/10 | +4 |
| ⌚ Montre-bracelet | 10/10 | 4/10 | +6 |
| Total | 65/80 (81,25 %) | 43/80 (53,75 %) | +27,5 pts |
🏆 Où se situe V4.1 Flash sur le classement KingBench 3 ?
⚡ Vitesse : ~221 tokens/s, reasoning inclus
Des estimations reconstruites à partir des horodatages OpenCode — pas des mesures serveur exactes, mais un ordre de grandeur impressionnant.
Sur les journaux OpenCode du dossier de test : 64 réponses complètes exploitables (appels d’arrière-plan et une réponse montre inachevée exclus), pour 364 574 tokens générés — dont environ 294 000 tokens de raisonnement et ~70 000 tokens d’autres sorties (code, arguments d’appels d’outils, réponses). L’essentiel de la génération est donc parti… dans la réflexion. 🧠
⏳ Durées réelles des tâches
| Tâche | Durée totale |
|---|---|
| 🐼 SVG panda burger | ~11 s |
| 🛗 Simulation d’ascenseurs | ~4 min 20 s |
| 🤖 Workflow de fine-tuning local | ~11 min 38 s |
Méthodo honnête : les durées individuelles sont sommées (pas de gonflement artificiel par le parallélisme), et le temps d’exécution des outils est exclu. Conclusion : le thinking maximal allonge l’attente, mais ici l’attente supplémentaire a acheté un bond énorme en qualité — un trade-off assumé.
💸 Tarifs API & calendrier de routage
Des prix officiels en ligne, avec facturation peak / off-peak — et le raisonnement compté en tokens de sortie.
| Tarif (par million de tokens) | Heures creuses | Heures pleines |
|---|---|---|
| Input non caché (cache miss) | 0,15 $ | 0,30 $ |
| Input caché (cache hit) | 0,003 $ | 0,006 $ |
| Output (raisonnement inclus) | 0,60 $ | 1,20 $ |
🗓️ Ce qui change côté noms de modèles
- 10 septembre 2026
Lancement officiel de DeepSeek V4.1 Flash. Les anciens modèles V4 Flash sont retirés ; leurs noms d’API sont temporairement routés vers V4.1 Flash.
- 14 septembre 2026, 04:00 UTC (12:00 heure de Pékin)
Les requêtes
deepseek-v4-proseront routées vers V4.1 Flash au tarif Flash, et ce jusqu’au lancement de V4.1 Pro. Une date critique si vos pipelines dépendent du nom « Pro ». - En continu
DeepSeek partage son rapport technique et le dépôt du modèle, et travaille avec la communauté open source sur le support d’inférence et les options de déploiement.
🏁 Verdict final
Un avis retourné par une simple case à cocher — et un retest qui remet les pendules à l’heure.
Avec le thinking activé au maximum, le verdict d’AICodeKing a changé du tout au tout : la montre-bracelet et le workflow de modèle local sont « incroyablement bons », et la simulation d’ascenseurs prouve que le progrès dépasse le simple vernis stylistique. Des bugs subsistent (écran de résultats du jeu d’archery, position pliée de la table, action du SVG panda) — la preuve qu’il faut toujours vérifier au-delà du premier écran.
Mais au final : rapide, abordable et très compétitif pour le codage, à condition d’être configuré correctement. La première impression injuste (thinking désactivé) est effacée : ce retest donne une image bien plus fidèle du modèle. Verdict maison : « pretty cool », et même un solide candidat à vos workflows de dev. 👍
🔍 Vérification des informations de la retranscription
La transcription automatique de la vidéo contenait plusieurs approximations : voici les corrections appliquées dans cet article, croisées avec des sources externes.
✏️ Corrections de transcription appliquées
| Transcription audio | Correction | Pourquoi |
|---|---|---|
| « Laura training run » | LoRA | Low-Rank Adaptation, méthode de fine-tuning |
| « open code / Open Codes » | OpenCode | Nom de l’agent de codage utilisé |
| « AIC King » | AISeeKing | Nom de la seconde chaîne (description de la vidéo) |
| « uncashed / cashed input » | uncached / cached | Termes de facturation cache miss / cache hit |
| « $120 for output » (peak) | 1,20 $ / M | Confirmé par les grilles tarifaires publiques |
| « 3/10en of a cent » | 0,003 $ / M | 3/10 de centime off-peak, doublé en peak (0,006 $) |
| « waiting, rioting, arrived » | riding | Compteurs attente / course / arrivé de la simulation |
| « DeepSWE version 1.1 » | DeepSWE v1.1 ✔ | Benchmark réel : 74,2 vs 62,7 (V4 Pro) confirmé |
| « Sept. 14th, 4 a.m. UTC » | ✔ confirmé | 12:00 heure de Pékin = 04:00 UTC (changelog DeepSeek) |
| « 552B + 196B Engram, 8B/16B actifs » | ✔ confirmé | Fiche officielle du modèle (Hugging Face / ModelScope) |
| « Beats Astra » (titre) | GPT-6 Astra | Modèle vedette d’OpenAI présent sur les classements codage |
ℹ️ Les scores KingBench 3, durées et estimations de vitesse proviennent des tests d’AICodeKing lui-même (runs sur modèle API temporaire pré-lancement) : ils sont présentés comme des résultats « hands-on », complémentaires des chiffres officiels DeepSeek.
🎬 La vidéo originale & son sommaire cliquable
Cliquez sur la miniature pour ouvrir la vidéo sur YouTube, ou sur un chapitre pour y sauter directement.
▶
14:52
DeepSeek V4.1 Flash (Fully Tested): 200 TPS & Beats Astra!? (+ New Architecture Overview)
Par AICodeKing · Science & Technology · publiée le 10 septembre 2026
▶ Regarder sur YouTube📑 Sommaire cliquable de la vidéo
- 00:00 Introduction & nouveautés DeepSeek
- 00:58 Architecture du modèle
- 01:46 Efficacité & compréhension visuelle native
- 02:40 Tests de performance & impact du mode thinking
- 03:33 Tâche 1 — Simulation d’ascenseurs
- 04:30 Tâche 2 — Boîtier de lentilles de contact
- 05:18 Tâche 3 — Table pliante
- 06:12 Tâche 5 — Jeu de tir à l’arc
- 07:06 Tâche 6 — Problème mathématique
- 07:58 Projets complémentaires, tarifs & verdict
* Chapitres officiels relevés ; les tâches 4 (SVG panda), 7 (fine-tuning) et 8 (montre-bracelet) sont détaillées dans la section « Parcours des 8 tâches » ci-dessus.