DeepSeek V4 Pro officiellement lancé : benchmarks des agents, tarifs API et nouveau focus sur le codage
DeepSeek a officiellement fait passer son modèle V4 Pro de la version aperçu à une version de production mise à jour, permettant aux développeurs d'accéder au dernier modèle DeepSeek-V4-Pro-0813 via l'API.
DeepSeek V4 Pro officiellement lancé : benchmarks Agent, tarification API et nouveau focus sur le codage
Introduction
DeepSeek a officiellement fait passer son modèle V4 Pro de la version preview à une version de production mise à jour, permettant aux développeurs d'utiliser le modèle DeepSeek-V4-Pro-0813 via l'API.
L'article source considère ce lancement comme une avancée majeure de DeepSeek dans les capacités Agent et de codage. Les premiers résultats de benchmark rapportés dans l'article montrent que V4 Pro s'approche des modèles de pointe, en particulier sur des tâches impliquant le codage, les interactions terminal, les agents de cybersécurité et l'utilisation d'outils à long terme.
Parallèlement, les premiers utilisateurs ont remarqué un changement inhabituel dans les sorties de raisonnement du modèle. Le texte de raisonnement peut sembler hautement compressé et difficile à lire, ce qui indique que le modèle est de plus en plus optimisé pour un raisonnement efficace côté machine plutôt que pour une explication fluide en langage naturel.
La documentation officielle de DeepSeek confirme que l'identifiant API actuel deepseek-v4-pro fournit désormais le modèle DeepSeek-V4-Pro-0813, avec un mode d'appel inchangé.
DeepSeek V4 Pro est enfin là
L'article source commence par une information concise : DeepSeek V4 Pro est officiellement publié.
Les premiers résultats de benchmark mis en avant incluent HLE, Terminal-Bench, CyberGym et DeepSWE. Selon l'article source, V4 Pro a déjà dépassé Opus 4.8 sur ces évaluations orientées Agent, et se rapproche — voire dépasse dans certains cas — des résultats rapportés pour Fable 5.
L'article attribue une grande partie des améliorations au post-entraînement, considérant que la nouvelle version n'est pas simplement un modèle de base plus grand, mais un modèle profondément optimisé pour les types de tâches réellement exécutées par les agents IA modernes.
Le message global est clair : DeepSeek ne positionne plus V4 Pro uniquement sur le faible coût. Le modèle Pro vise directement le haut de gamme du marché des modèles.
DeepSeek V4 Pro-0813 disponible via l'API
Au moment de la publication de l'article source, DeepSeek n'avait pas encore publié d'article de blog officiel correspondant, mais la plateforme API avait déjà été mise à jour.
Les développeurs peuvent utiliser l'API V4 Pro et accéder au modèle mis à jour, identifié comme :
DeepSeek-V4-Pro-0813
La documentation officielle actuelle de DeepSeek confirme que l'identifiant public du modèle reste inchangé :
deepseek-v4-pro
Le service route désormais cet identifiant vers DeepSeek-V4-Pro-0813, de sorte que les développeurs n'ont pas besoin de modifier le nom du modèle dans leurs intégrations API existantes.
La documentation officielle de l'API confirme également la prise en charge des formats d'API compatibles OpenAI et compatibles Anthropic. V4 Pro prend en charge une fenêtre de contexte de 1 million de jetons, les appels d'outils, la sortie JSON, ainsi que les modes penser et réflexion approfondie.
Une tarification toujours agressive
L'article source rapporte la tarification suivante pour DeepSeek V4 Pro :
| Élément | Prix par million de jetons |
|---|---|
| Entrée | ¥3 |
| Entrée en cache | ¥0,025 |
| Sortie | ¥6 |
Ces données correspondent aux prix actuels du deepseek-v4-pro dans la documentation tarifaire officielle chinoise de DeepSeek. La page officielle indique ¥0,025 par million de jetons d'entrée en cache, ¥3 par million de jetons d'entrée non mis en cache et ¥6 par million de jetons de sortie.
Jetons de sortie.
Ce prix reste l'un des plus grands avantages concurrentiels de DeepSeek.
Le changement intéressant réside dans le fait que DeepSeek tente désormais de combiner cet avantage tarifaire avec de meilleures performances agents. Les premières versions rendaient l'avantage de coût facile à comprendre ; V4 Pro tente de rendre l'avantage de performance tout aussi convaincant.
Bonne nouvelle : améliorations significatives en programmation et agents
D'après l'article source, ce sont les capacités de programmation qui se démarquent le plus dans le lancement de V4 Pro.
Les résultats de benchmark mis en avant couvrent des tâches bien plus proches des flux de travail réels en génie logiciel que les simples benchmarks de questions-réponses.
HLE
L'article source classe « l'Examen final de l'humanité » (Humanity's Last Exam) comme une évaluation où V4 Pro rivalise avec les modèles de pointe.
HLE est conçu pour tester des connaissances et capacités de raisonnement de haut niveau. L'article utilise ce résultat pour prouver que les améliorations de V4 Pro ne se limitent pas à la simple complétion de code.
Terminal-Bench
Terminal-Bench évalue les modèles via des tâches exécutées dans un environnement terminal.
C'est particulièrement important pour les agents de programmation, car le modèle doit interagir avec un environnement d'outils réel, plutôt que de simplement renvoyer un morceau de code.
L'article source rapporte que V4 Pro se rapproche du sommet de ce benchmark et devance Opus 4.8.
CyberGym
CyberGym est une autre évaluation orientée agent mise en avant dans l'article.
L'article source indique que V4 Pro est particulièrement performant ici, ce qui suggère que le modèle devient plus compétent pour traiter des tâches techniques complexes et multi-étapes impliquant des outils et des environnements.
DeepSWE
DeepSWE est peut-être le résultat d'évaluation le plus directement pertinent pour les développeurs.
L'article source indique que V4 Pro a considérablement progressé sur cette évaluation par rapport à la version précédente, atteignant un niveau proche des modèles de pointe.
Dans l'ensemble, ces résultats soutiennent le point central de l'article source : DeepSeek V4 Pro a été fortement optimisé pour les agents de programmation et les flux de travail basés sur des outils.
Mais un changement étrange dans la chaîne de pensée
L'article source rapporte également certaines observations moins positives faites par les premiers utilisateurs.
En testant V4 Pro, certains utilisateurs ont remarqué que le texte de leur chaîne de pensée était devenu extrêmement compressé et difficile à lire.
Un exemple reproduit dans l'article source contient un langage fragmentaire et mécanique, plutôt qu'un langage humain normal.
Le modèle peut toujours transmettre des informations utiles via la sortie de raisonnement, mais le texte n'est plus nécessairement agréable ou intuitif à lire pour les humains.
Ce comportement s'aligne avec la direction générale du développement des modèles de raisonnement.
La documentation officielle de DeepSeek décrit actuellement un mode de pensée dédié et expose les sorties de raisonnement via reasoning_content dans l'API. Elle propose également des options de contrôle du mode de pensée et de l'intensité du raisonnement.
L'article source suppose que réduire la lisibilité humaine du contenu de raisonnement pourrait aider à diminuer la consommation de jetons tout en conservant des informations utiles pour le modèle lui-même. Cette interprétation doit être considérée comme une observation, et non comme une explication officielle de DeepSeek.
Le compromis : agents plus puissants, moins conviviaux pour l'humain
Raisonnement
Il existe ici un compromis naturel.
Si le modèle utilise son budget de raisonnement pour générer des phrases soignées, le processus intermédiaire peut être plus compréhensible pour les humains, mais l'efficacité des jetons diminue.
Si le modèle est optimisé pour accomplir les tâches aussi efficacement que possible, sa représentation de raisonnement interne peut devenir beaucoup plus difficile à lire.
Pour les agents de programmation IA, la deuxième approche est parfaitement logique.
Un agent qui exécute une certaine commande n'a pas nécessairement besoin de rédiger un long discours. Il doit agir correctement de manière efficace, vérifier le résultat, puis continuer.
C'est pourquoi l'article source associe le changement de style de raisonnement à l'essor plus large de la programmation agentique.
Les modèles sont de plus en plus optimisés pour « faire les choses », sans nécessairement expliquer chaque étape intermédiaire en langage naturel.
Ce que cela signifie pour l'écriture et les tâches de contenu générales
Le revers de la médaille est que l'optimisation pour la programmation et les agents peut ne pas se traduire directement par de meilleures capacités d'écriture de longue durée.
L'article source estime que le style de raisonnement de V4 Pro pourrait être moins attrayant pour les flux de travail centrés sur l'écriture, en particulier lorsque les utilisateurs attendent un langage soigné et des explications transparentes.
Cela ne signifie pas que le modèle ne sait pas écrire.
Cela reflète plutôt un changement de priorités. Si une grande partie du travail de post-entraînement du modèle est concentrée sur le codage, l'utilisation d'outils et la fiabilité des agents, d'autres capacités risquent de ne pas progresser au même rythme.
Pour les développeurs, cette distinction est importante.
Un modèle peut exceller dans le codage à l'échelle d'un dépôt, sans être pour autant le meilleur choix pour les tâches de génération de contenu.
Le virage plus large de DeepSeek : du leader des coûts au concurrent de pointe
L'article replace V4 Pro dans le contexte des nombreuses publications récentes de l'écosystème des modèles open source chinois.
L'article source décrit une série de nouveaux modèles en progression rapide, visant de plus en plus le niveau de performance des modèles propriétaires de pointe.
L'article mentionne GLM 5.2, Kimi K3 et d'autres publications récentes comme appartenant à cette même tendance plus large.
La première version de DeepSeek, V4 Flash, mettait l'accent sur la rentabilité. L'article source décrit cette stratégie comme ayant contribué à faire baisser les prix des API sur l'ensemble du marché.
V4 Pro adopte un positionnement différent.
L’objectif n’est plus simplement :
« Pouvons-nous offrir des capacités similaires à moindre coût ? »
mais plutôt :
« Pouvons-nous rivaliser dans le haut du spectre des performances tout en conservant un avantage de coût ? »
C’est un positionnement nettement plus ambitieux.
V4 Pro est également conçu pour l’intégration d’agents
La documentation officielle de DeepSeek indique que le modèle V4 est conçu pour fonctionner avec les outils d’IA agentiques et d’assistance à la programmation les plus populaires, notamment Claude Code, GitHub Copilot et OpenCode. Les développeurs peuvent utiliser DeepSeek comme modèle backend pour ces outils.
C’est important, car les capacités des modèles dépendent de plus en plus de leur performance dans les boucles d’agents.
Un modèle de programmation puissant ne nécessite pas seulement des capacités de génération de code. Il lui faut :
- Comprendre de grandes bases de code.
- Planifier des modifications en plusieurs étapes.
- Appeler des outils de manière fiable.
- Inspecter les sorties de commandes.
- Se remettre des erreurs.
- Travailler en continu sur plusieurs tours de conversation.
- Produire des implémentations finales réellement exécutables.
La sortie de V4 Pro vise clairement cet objectif.
Workflows.
Autre chose
L’article original se termine sur une note plus émotionnelle.
Il compare cette sortie au moment DeepSeek de début 2025 et estime que le positionnement du modèle a changé.
Auparavant, l’arme la plus évidente de DeepSeek était le rapport qualité-prix.
Désormais, l’entreprise tente d’inscrire directement V4 Pro dans la discussion sur les modèles les plus performants disponibles.
Cela rend cette sortie plus significative que le modèle lui-même.
Si un modèle open source peut atteindre un niveau de pointe en codage agentique tout en maintenant des prix API relativement bas, la pression exercée sur les fournisseurs de modèles propriétaires s’en trouvera considérablement accrue.
FAQ
Qu’est-ce que DeepSeek V4 Pro-0813 ?
DeepSeek-V4-Pro-0813 est la version actuelle mise à jour servie via l’identifiant de modèle deepseek-v4-pro. La documentation officielle de l’API DeepSeek confirme que les développeurs peuvent continuer à utiliser deepseek-v4-pro sans modifier leur intégration.
Combien coûte DeepSeek V4 Pro ?
La page de tarification chinoise actuelle de DeepSeek indique que V4 Pro facture 3 yuans par million de tokens d’entrée non mis en cache, 0,025 yuan par million de tokens d’entrée mis en cache et 6 yuans par million de tokens de sortie. Les prix peuvent évoluer ; il convient donc de consulter la page de tarification officielle avant tout déploiement.
Pour quoi DeepSeek V4 Pro est-il principalement optimisé ?
Cette version met l’accent sur le codage, les workflows agentiques, l’utilisation d’outils et les capacités de raisonnement. La documentation officielle de DeepSeek mentionne également l’appel d’outils, un contexte de 1M, le mode réflexion et l’intégration avec les principaux outils d’agents de codage.
DeepSeek V4 Pro dispose-t-il d’une fenêtre de contexte de 1M de tokens ?
Oui. La documentation officielle actuelle du modèle DeepSeek indique que V4 Pro possède une longueur de contexte de 1M. Elle mentionne également une longueur maximale de sortie de 384K tokens.
Pourquoi le raisonnement de DeepSeek V4 Pro semble-t-il inhabituel ?
L’article original rapporte que les premiers utilisateurs ont observé des textes de raisonnement hautement compressés, semblables à des sorties générées par machine. L’article suggère que cela pourrait être lié à l’efficacité, mais la documentation officielle de DeepSeek ne précise pas que ce style inhabituel a été introduit spécifiquement à cette fin.
DeepSeek V4 Pro peut-il être utilisé pour des agents de codage ?
Oui. La documentation officielle de DeepSeek documente l’intégration avec des outils tels que Claude Code, GitHub Copilot et OpenCode. Il prend également en charge les formats d’API compatibles OpenAI et compatibles Anthropic.
DeepSeek V4 Pro est-il open source ?
La sortie de l’aperçu V4 de DeepSeek a été annoncée comme open source, y compris les poids ouverts et le rapport technique. L’API et la version du modèle actuellement servies sont documentées séparément des éléments de la sortie ; les développeurs doivent donc distinguer l’artefact du modèle open source du service API hébergé.
Outils associés
- API DeepSeek : point d’accès officiel à l’API des modèles DeepSeek.
- Documentation API DeepSeek : documentation officielle sur l’accès aux modèles, la tarification, les outils et les intégrations.
- Claude Code : agent de codage IA pouvant utiliser DeepSeek comme backend via une intégration prise en charge.
- OpenCode : agent de codage open source pris en charge par les intégrations d’agents documentées dans DeepSeek.
- GitHub Copilot : assistant de codage IA que DeepSeek liste parmi les agents pris en charge.
Intégrations.
Liens associés
- Modèles et tarification DeepSeek : spécifications actuelles officielles des modèles et tarification API.
- Premier appel API DeepSeek : guide officiel pour appeler
deepseek-v4-proetdeepseek-v4-flash. - Mode réflexion DeepSeek : documentation officielle pour activer et contrôler le mode raisonnement.
- Intégrations d’agents DeepSeek : documentation officielle pour utiliser DeepSeek avec les outils de codage et d’agents.
- Sortie de l’aperçu DeepSeek V4 : annonce officielle de la sortie de V4 et aperçu technique.
- GitHub DeepSeek : organisation GitHub officielle de DeepSeek.
Résumé
DeepSeek V4 Pro marque un tournant stratégique pour l’entreprise. Le nouveau modèle Pro n’est plus seulement positionné comme une alternative à bas coût ; ses arguments de vente centraux se déplacent de plus en plus vers une concurrence à la pointe des performances en codage et en agents.
La version API actuelle deepseek-v4-pro sert DeepSeek-V4-Pro-0813, avec un contexte de 1M, l’appel d’outils, le mode réflexion et une tarification très compétitive.
Selon les rapports, l’évolution du style de raisonnement révèle également un changement de priorités du modèle : moins d’accent sur un texte intermédiaire lisible, davantage sur un raisonnement efficace et une exécution agentique.