DeepSeek-V4.1-Flash-1017 : une version mineure aux bonds agentiques, poids sous MIT, et pas de gabarit Jinja
DeepSeek a publié V4.1-Flash-1017 sur Hugging Face le 17 octobre : 763 milliards de paramètres, contexte d'un million de tokens, entrée texte-image, licence MIT sur le dépôt et les poids. Son propre tableau montre DeepSWE passant de 74.2 à 77.0 et Terminal-Bench de 31.2 à 42.3, tandis qu'Opus 5 reste devant sur plusieurs colonnes. Le gabarit de chat arrive comme référence Python et boîte Rust, pas comme chaîne Jinja.
Faits vérifiés le 18 octobre 2026
Le 17 octobre, DeepSeek a publié DeepSeek-V4.1-Flash-1017 sur Hugging Face en le présentant comme une mise à jour mineure de V4.1-Flash. La fiche indique 763 milliards de paramètres, une fenêtre de contexte d'un million de tokens et une entrée texte-image. Le dépôt et les poids sont sous licence MIT, que j'ai lue dans le dépôt lui-même. Le tableau de DeepSeek montre de forts gains sur les suites agentiques, tandis qu'Opus 5 d'Anthropic reste devant sur plusieurs colonnes. Je n'ai rien installé ni exécuté. Fiche du modèle
Ce qui a réellement été publié
Des poids et une fiche modèle, pas un serveur ni une application. DeepSeek décrit 1017 comme une mise à jour mineure de V4.1-Flash avec des améliorations substantielles en raisonnement, code, tâches agentiques et benchmarks visuels, plus une réduction du temps d'exécution et de la longueur des sorties, présentée comme une meilleure frontière de Pareto performance-coût sur plusieurs harnais agentiques. La fiche indique Safetensors, 763 milliards de paramètres, l'étiquette Image-Text-to-Text, une fenêtre d'un million de tokens et des max_tokens recommandés d'au moins 256K à temperature 1.0 et top_p 1.0.
Le signal de popularité est précoce et mince : la fiche affichait 10 233 téléchargements le mois dernier quand j'ai vérifié le 18 octobre, un jour après la sortie. À traiter comme un premier pouls, pas comme une adoption.
Le tableau des benchmarks se lit dans les deux sens
Le tableau de DeepSeek rapporte DeepSWE v1.1 passant de 74.2 à 77.0, Terminal-Bench 4.0 de 31.2 à 42.3, ProgramBench de 20.3 à 29.1, Automation-Bench v1.0.6 de 54.8 à 60.5 et Agents' Last Exam de 31.8 à 35.4. Les harnais sont nommés : Claude Code pour Terminal-Bench 4.0 et Mini-SWE-V2 pour DeepSWE v1.1.
Le même tableau laisse l'Opus 5 d'Anthropic devant sur HLE sans outils (56.3 contre 42.6), Terminal-Bench (51.8 contre 42.3), ProgramBench (37.0 contre 29.1) et NL2Repo-Bench (75.3 contre 68.2). Chaque chiffre de la fiche est une mesure de DeepSeek, donc la lecture honnête est directionnelle : l'écart avec la frontière payante s'est réduit sur certaines suites agentiques, il ne s'est pas refermé. Ce qui rend ces affirmations vérifiables en principe, c'est que les poids sont téléchargeables. En pratique, 763 milliards de paramètres font que presque personne ne peut vérifier.
Le gabarit est le vrai signal
Cette version n'inclut pas de gabarit de chat au format Jinja. À la place, le dépôt porte un dossier encoding avec une implémentation de référence Python autonome et des cas de test pour les conversations multi-tours, l'appel d'outils, le mode réflexion, le niveau d'effort numérique, les messages système en cours de conversation et le contenu d'images intercalé. Pour la production, DeepSeek renvoie vers deepseek-recipe, des bibliothèques Rust avec liaisons Python qui convertissent les requêtes Messages, Chat Completions et Responses API vers le format Conversation et re-analysent la sortie du modèle, laissant l'inférence, l'exécution des outils et le transport HTTP à l'appelant.
C'est un vrai changement dans la façon dont une version de modèle traite sa propre interface. Une chaîne Jinja est une suggestion qui dérive ; un encodeur de référence testé et une boîte à outils maintenue consciente du protocole forment un contrat. Si vous faites tourner des agents sur ce modèle, le format de prompt devient du code que vous embarquez, pas une chaîne que vous copiez.
Deux idées à emporter
Les poids ouverts comme offre de vérification, pas la vérification elle-même. Une licence MIT sur les poids signifie que quiconque a assez de matériel peut auditer les chiffres annoncés. À 763 milliards de paramètres, le cercle de ceux qui peuvent vraiment faire la vérification est petit : l'ouverture est réelle, mais l'audit est délégué à une poignée de laboratoires et de fournisseurs d'inférence.
Les numéros de version comme communication. Une mise à jour mineure estampillée d'une date qui déplace Terminal-Bench de onze points dit que la cérémonie des versions majeures est terminée : la capacité arrive désormais par lots, et le diff qu'on lit vraiment est le tableau des benchmarks et le dossier encoding, pas l'annonce.
Exemple détaillé : budget de prompt face à une fenêtre d'un million de tokens
# Planning a prompt budget against a 1M-token window (illustrative; not from the repo)
CONTEXT = 1_000_000 # advertised window, tokens
MAX_OUT = 256_000 # card recommends max_tokens >= 256K
sys_tools = 12_000 # system prompt + tool schemas, your estimate
per_file = 1_500 # rough tokens per source file you paste in
headroom = CONTEXT - MAX_OUT - sys_tools
print(f"input headroom: {headroom:,} tokens = about {headroom // per_file:,} files of ~{per_file} tokens")
for files in (100, 300, 480):
need = sys_tools + files * per_file
left = CONTEXT - need
verdict = "fits with full output budget" if left >= MAX_OUT else "output budget gets squeezed"
print(f"{files:>3} files -> {need:,} in, {left:,} left ({verdict})")