DeepSeek a mis à jour V4-Flash : 82,7 points en tâches terminal au lieu de 61,8
DeepSeek a mis à jour le modèle ouvert V4-Flash (304 milliards de paramètres), et ses performances en agent de terminal progressent nettement. Sur Terminal-Bench 2.1, où le modèle installe des paquets, modifie des fichiers de configuration et lance des programmes, le score passe de 61,8 à 82,7 points par rapport à la version preview. Sur Agents' Last Exam, il obtient 25,2 points, contre 25,7 pour le modèle fermé Opus-4.8. Les équipes qui utilisent des agents de code ont intérêt à tester leurs propres tâches sur ce modèle.
Traité par IA depuis X: @victormustar ; édité par Hamidun News
Imaginez un agent qui reçoit la consigne « déploie le service et répare les tests qui échouent ». Il ouvre un terminal, installe les dépendances, modifie les configurations et lance les programmes jusqu'à ce que tout fonctionne. Jusqu'à présent, ce type d'agent était surtout construit sur des API fermées, car les modèles ouverts étaient en retrait sur ce terrain. La mise à jour DeepSeek-V4-Flash-0731 réduit cet écart : sur Terminal-Bench 2.1 (test de travail en ligne de commande), le modèle passe de 61,8 à 82,7 points par rapport à la version preview. Ces chiffres ont été communiqués par Victor Mustar de Hugging Face, dans un message sur l'« été ouvert » de l'IA.
Ce qui a changé
DeepSeek-V4-Flash-0731 est une version mise à jour de V4-Flash, dotée d'une architecture MoE (mixture of experts) et d'une taille totale de 304 milliards de paramètres. Dans un MoE, seule une partie des « experts » du réseau traite chaque mot, ce qui rend le modèle moins coûteux à faire tourner qu'un modèle dense de même taille. Le nombre de paramètres actifs dans cette version n'est pas précisé dans la source.
Sur le plan pratique, la licence MIT compte davantage. C'est l'une des licences les plus permissives : les poids peuvent être téléchargés, déployés sur des serveurs propres, affinés et intégrés à un produit commercial sans autorisation particulière. Pour les entreprises qui ne souhaitent pas envoyer leur code et leurs journaux à une API cloud externe, c'est un argument de poids.
Ce que signifient les chiffres
La comparaison porte sur la version preview du même modèle, et l'écart est notable.
- Terminal-Bench 2.1 évalue la capacité du modèle à accomplir des tâches en ligne de commande : installation de paquets, modification de configurations, lancement de programmes. Le score passe de 61,8 à 82,7 points.
- DeepSWE regroupe des tâches complexes de développement logiciel, qui exigent de comprendre du code existant et de le corriger. Le bond y est plus marqué : de 7,3 à 54,4 points, soit environ 7,5 fois plus.
- Agents' Last Exam est un examen exigeant pour les agents d'IA. DeepSeek-V4-Flash-0731 obtient 25,2 points, contre 25,7 pour le modèle fermé Opus-4.8. L'écart est de 0,5 point.
Une telle progression en une seule mise à jour indique que l'équipe a renforcé de manière ciblée le comportement agentique : la capacité à mener une tâche en plusieurs étapes jusqu'à son terme, plutôt que de simplement bien répondre dans un chat. Pour un agent de terminal, c'est l'essentiel.
Ce qu'il faut en faire, et les réserves
Si vous disposez d'un agent de code, d'un bot CI ou d'un assistant DevOps interne, constituez un petit jeu de vos tâches réelles et faites tourner V4-Flash-0731 en parallèle de votre modèle actuel. Si l'écart reste faible sur vos tâches, les économies sur l'API et le contrôle des données peuvent l'emporter.
Les réserves sont les suivantes :
- Tous les chiffres proviennent d'un message publié sur X, et non d'un audit indépendant. Les résultats dépendent fortement des conditions d'exécution : jeu d'outils, nombre de tentatives, limites de temps.
- Un score presque identique sur Agents' Last Exam ne signifie pas une égalité sur toutes les tâches. Sur votre propre pile technique et vos dépôts, le tableau peut être différent.
- 304 milliards de paramètres représentent beaucoup, même pour un MoE. Pour l'exécuter en local, il faut un cluster GPU sérieux, et non un simple ordinateur portable.
Le fait reste néanmoins révélateur. L'écart entre les modèles agentiques ouverts et fermés s'est réduit au point que le choix se joue désormais sur le prix, la confidentialité et la facilité de déploiement, bien plus que sur la seule qualité. Pour ceux qui développent des agents, c'est l'occasion de revoir leur budget et de vérifier si chaque tâche nécessite vraiment une API fermée payante.
- 22 nov. 2026Les agents écrivent du code fonctionnel dans 95 % des tâches, mais laissent une faille dans la plupart d'entre elles
- 21 nov. 2026GigaChat — 7e au monde au classement aveugle en russe, mais 78 points Elo derrière le leader
- 21 nov. 2026Les géants technologiques chinois ont doublé leurs dépenses en IA à 139 milliards de dollars, mais leurs laboratoires couvrent moins de 8 % de ces coûts
- 21 nov. 2026L'agent Skein efface les étapes passées du contexte : 97 % de réussite, mais plus cher qu'OpenCode
Questions clés sur cet article
Que sait-on sur Ce qui a changé ?
DeepSeek-V4-Flash-0731 est une version mise à jour de V4-Flash, dotée d'une architecture MoE (mixture of experts) et d'une taille totale de 304 milliards de paramètres. Dans un MoE, seule une partie des « experts » du réseau traite chaque mot, ce qui rend le modèle moins coûteux à faire tourner qu'un modèle dense de même taille. Le nombre de paramètres actifs dans cette version n'est pas précisé dans la source. Sur le plan pratique, la licence MIT compte davantage.
Que sait-on sur Ce que signifient les chiffres ?
La comparaison porte sur la version preview du même modèle, et l'écart est notable. Terminal-Bench 2.1 évalue la capacité du modèle à accomplir des tâches en ligne de commande : installation de paquets, modification de configurations, lancement de programmes. Le score passe de 61,8 à 82,7 points. DeepSWE regroupe des tâches complexes de développement logiciel, qui exigent de comprendre du code existant et de le corriger. Le bond y est plus marqué : de 7,3 à 54,4 points, soit environ 7,5 fois plus.
Que sait-on sur Ce qu'il faut en faire, et les réserves ?
Si vous disposez d'un agent de code, d'un bot CI ou d'un assistant DevOps interne, constituez un petit jeu de vos tâches réelles et faites tourner V4-Flash-0731 en parallèle de votre modèle actuel. Si l'écart reste faible sur vos tâches, les économies sur l'API et le contrôle des données peuvent l'emporter. Les réserves sont les suivantes : Tous les chiffres proviennent d'un message publié sur X, et non d'un audit indépendant.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.