DeepSeek V4 Flash, pourtant en tête des classements, échoue sur des tâches d'agent réelles et voit ses prix grimper
Le modèle DeepSeek V4 Flash, propulsé en tête des classements et salué par les développeurs comme un "monstre" depuis sa mise en bêta publique le 31 juillet 2026, n'a réussi que 53,8% d'une série de tâches d'agents complexes lors de tests en conditions réelles menés par la société Composio. Celle-ci a fait passer le modèle par huit environnements d'agents différents, dont Claude Code, Codex et OpenCode, sur 30 tâches délibérément difficiles et multi-étapes impliquant des outils réels comme Gmail, GitHub, Slack et Google Sheets. Sur 240 exécutions au total, 129 ont réussi, et seuls six des 30 scénarios ont été menés à bien par tous les environnements testés. Parallèlement, DeepSeek a annoncé une hausse de prix pouvant atteindre 1100% pour V4 Flash (284 milliards de paramètres) et V4 Pro (1600 milliards de paramètres, disponible depuis le 13 août). Hors pointe, Flash passera à 22 cents par million de tokens en entrée et 66 cents en sortie, contre 44 cents et 1,32 dollar en pointe, soit une hausse de 57% à 371%. Pro passera à 66 cents et 1,98 dollar hors pointe, contre 1,32 dollar et 3,96 dollars en pointe, une augmentation de 51% à 355%. Les tarifs de cache grimpent eux de 52% à 1100%.
Résumé et traduction réalisés par Le Fil IA à partir de VentureBeat AI. Lire l'article original →
Cet écart entre performance annoncée et résultats réels illustre un point crucial pour les entreprises : c'est l'orchestration, plus que la capacité brute du modèle, qui détermine le succès en environnement professionnel. Un même modèle produit des résultats très différents selon l'environnement d'agent utilisé, la configuration des outils, la gestion du cache et la pile technique du fournisseur. La hausse tarifaire, elle, menace l'argument central de DeepSeek : proposer des modèles capables à des prix que les fournisseurs occidentaux ne peuvent égaler. Le chercheur Nathan Lambert avait pourtant qualifié l'adoption de V4 Flash d'"insensée", notant que le modèle obtenait des scores comparables à GLM 5.2 et dominait le classement d'usage de la plateforme OpenRouter par volume hebdomadaire de tokens. En relevant ses tarifs aussi nettement, DeepSeek risque d'éroder cet avantage au moment même où les entreprises commencent à peine à identifier où positionner ces modèles dans leurs infrastructures.
Flash et Pro, dotés de modes de raisonnement ajustables et de capacités de chaîne de pensée, visent des usages distincts, le premier pour le volume et la vitesse, le second pour les flux complexes. DeepSeek justifie sa nouvelle grille tarifaire par la volonté d'encourager une planification plus flexible des charges de travail, avec 17 des 24 heures facturées à moitié prix, une structure qui place paradoxalement le marché chinois parmi les plus chers. Pour l'analyste Sanchit vir Gogia, du cabinet Greyhound Research, il ne s'agit pas d'une simple hausse mais d'une architecture tarifaire qui transforme le moment de l'inférence en variable économique : les tâches différables, comme l'évaluation par lots ou les traitements de nuit, migrent vers les heures creuses, tandis que les agents interactifs restent à prix fort. Gogia note que l'agacement des développeurs est réel, tout en rappelant que les prix bas passés de DeepSeek ne l'obligent pas à le rester indéfiniment. L'analyste Carmi Levy s'est montré plus sévère, qualifiant la manœuvre de potentiellement suicidaire pour une plateforme encore en quête de crédibilité face aux fournisseurs établis.
Pas d'impact direct sur la France/UE