DeepSeek V4-Flash officiel (août 2026) : benchmarks, prix et compétition des modèles chinois ouverts

V4-Flash-0731 n'est pas une refonte paramétrique : c'est le même MoE 284B / 13B actifs qu'en avril, avec un post-entraînement refait. DeepSeek affirme que les benchmarks agent dépassent la preview V4-Pro 1,6T — remettant en cause l'équation « plus gros = meilleur ».

• Pression prix : output 0,28 $/M contre 25 $/M pour Opus 4.8 — jusqu'à 89× moins cher selon la presse chinoise ; input cache-hit 0,0028 $/M.
• Dépendance Harness : Terminal Bench 2.0 82,7 vs preview V4-Pro 67,9 — mesuré avec un framework agent non public.
• Concurrence ouverte : Kimi K3 (27 juillet), Qwen3.8-Max (3 août) et GLM-5.2 poussent DeepSeek dans la logique « kill line ».
• Pro en attente : V4-Pro officiel et Harness toujours « bientôt » — fenêtre GA 10–20 août non confirmée.
• Friction terrain : retours développeurs sur faible taux de cache-hit et timeouts du classificateur de sécurité.

Le rapport technique DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence conserve trois piliers de l'aperçu :

• CSA + HCA : attention hybride réduisant FLOPs et KV cache à 1M tokens.
• mHC : hyper-connexions contraintes stabilisant les résidus profonds.
• Optimiseur Muon : convergence accélérée.

Le changelog du 31 juillet nomme pour la première fois DeepSeek Harness — framework interne pour I/O fichiers, appels d'outils et tâches d'ingénierie multi-étapes, positionné face à Claude Code. Jusqu'ici DeepSeek s'appuyait surtout sur des harness tiers.

Tous les scores agent publiés (Terminal Bench 2.0, Toolathlon) proviennent du mode minimal de Harness (reasoning max, top_p 0,95, temperature 1,0). DeepSeek prévient : « les benchmarks sont extrêmement sensibles au choix de harness. » Tant que Harness n'est pas public et reproduit indépendamment, lisez ces chiffres comme éditeur + framework spécifique, pas capacité générale portable.

La tension : sur l'index indépendant, Flash trail Kimi K3 et GLM-5.2, mais domine le coût par tâche — environ 1/29 de K3, 1/62 de GPT-5.6 Sol, 1/105 de Fable 5. Cela explique sept semaines en tête sur OpenRouter : agents à volume, pas chasse au leaderboard. La baisse Luna (−80 %) d'OpenAI répond à la même dynamique « kill line ».

• Dépendance Harness : 82,7 vs 67,9 lié au framework ; reproduction Claude Code / Cursor en attente.
• Cache et stabilité : faible taux de cache-hit input et timeouts classificateur (21st Century Business Herald).
• Date V4-Pro : « 10–20 août » via sources non confirmées ; officiellement « dès que possible ».
• Financement : rumeurs ~7,4 Md$ (Tencent, NetEase) et IPO sans dossier réglementaire.
• Kill line (斩杀线) : métaphore développeurs chinois — « intelligence suffisante + prix plancher » fixe une barre de survie.
• Sentiment communautaire : surnom « Liang Baikai » (promesse vide) avant le release ; retour à « Liang Sheng » après 0731.

Le 31 juillet, Nvidia, Broadcom et AMD ont peu bougé — contraste avec le choc R1 début 2025. Le marché traite l'efficacité DeepSeek comme une normalité de l'ingénierie chinoise.

1. 01
   Audit legacy : chercher deepseek-chat / deepseek-reasoner ; ne garder que deepseek-v4-flash ou deepseek-v4-pro.
2. 02
   Vérifier le build 0731 : en staging, confirmer que l'API et le changelog pointent vers la version officielle.
3. 03
   Définir le routage : FAQ, classification et bulk sur Flash (0,28 $/M output) ; raisonnement lourd vers preview V4-Pro ou modèles frontier.
4. 04
   Stratégie cache : activer le prompt cache ; viser 80 %+ de hits — sinon le miss input (0,14 $/M) grignote l'économie.
5. 05
   Tester avec votre harness : mesurer avec Cursor, Claude Code ou pipeline maison — ne pas copier les chiffres éditeur.
6. 06
   Déployer l'hôte CI : sessions agent longues exigent SSH stable et I/O dédiée. Sur la page Tarifs, évaluer les nœuds Mac bare metal NUKCLOUD ; les pools partagés peuvent annuler les économies API par latence de queue.

V4-Flash-0731 prouve que post-entraînement et tarification comptent autant que le scaling en 2026. Pour pipelines agent à volume, Flash est le choix rationnel ; pour profondeur de raisonnement maximale, les modèles frontier restent devant — à prix multiple.

Les équipes qui font tourner des agents V4 sur de gros dépôts ont besoin d'une couche dev/CI stable. Pools partagés, Mac de bureau et VPS surchargés créent jitter réseau, concurrence CPU voisin et coupures de connexion longue durée — friction qui grignote vite les centimes économisés par token. Pour des hôtes agent production, les nœuds Mac bare metal / cloud multi-région NUKCLOUD offrent une capacité Apple Silicon dédiée avec limites locataire claires. Comparez sur la page Tarifs et testez via Commander — voir aussi le runbook ds4 pour self-hosting MIT.

Données au 2026-08-05. Sources : docs API DeepSeek, changelog, rapport arXiv V4, Hugging Face, Artificial Analysis, 21st Century Business Herald, OpenRouter.