DeepSeek V4 GA :
tarifs, architecture et écart de performance face à GPT-5.6

Trois mois d'attente ont pris fin : DeepSeek V4 en version complète (GA) est en ligne depuis le 20 juillet 2026. Cette analyse s'adresse aux développeurs IA, créateurs indépendants, ingénieurs d'agents long contexte et équipes produit sensibles au budget qui doivent arbitrer entre performance, coût et souveraineté. Vous y trouverez l'architecture (CSA/HCA, mHC, Muon), les benchmarks face à GPT-5.6 et Claude Fable 5, la nouvelle grille heures creuses / heures pleines, et le calendrier de migration API — échéance 24 juillet 2026.

01 DeepSeek V4 GA : trois urgences pour les environnements de production

Par rapport à la preview d'avril, la GA apporte des gains mesurables sur les agents, le raisonnement mathématique et la génération de code — et introduit pour la première fois une tarification différenciée dans le temps. DeepSeek franchit le pas d'une offre « quasi gratuite » vers une plateforme commerciale structurée. Quatre points à traiter immédiatement :

• Compte à rebours API : deepseek-chat et deepseek-reasoner seront définitivement coupés le 24 juillet 2026 à 23 h 59 (heure de Pékin). Les services non migrés s'arrêteront net.
• Complexité heures pleines : en semaine, 09 h 00–12 h 00 et 14 h 00–18 h 00 (Pékin), les tarifs doublent. Les pipelines d'agents 24 h/24 doivent être repensés.
• Les modèles fermés restent devant sur les tâches les plus dures : Claude Fable 5 mène SWE-bench Pro à 80,3 %. Suivre le classement sans calculer le coût par tâche conduit à surpayer.
• Open source ne signifie pas zéro exploitation : licence MIT oui, mais un MoE 1,6T en production exige un cluster GPU ; la majorité reste sur l'API — latence et quotas inclus.

En une phrase : la preview était déjà solide ; la GA consolide agents, maths et code, avec un cadre tarifaire formel.

02 De la preview à la GA : chronologie et architecture CSA/HCA/mHC/Muon

Famille de modèles

Architecture : tenir 1M tokens sans explosion KV

Les Transformers classiques font croître le KV cache linéairement. DeepSeek V4 y répond par trois innovations — à la différence de la voie KDA de Kimi K3, V4 adopte CSA + HCA :

① Attention hybride (CSA + HCA) — fin du MLA des versions V2/V3 :

• Compressed Sparse Attention (CSA) : séquence KV compressée 4× par gating Softmax ; indexeur FP4 « lightning » en top-k (Pro : top-1024, Flash : top-512) ; fenêtre glissante des 128 derniers tokens. À 1M tokens : FLOPs d'inférence à 27 % de V3.2.
• Heavily Compressed Attention (HCA) : compression 128× puis attention dense globale ; Flash utilise HCA sur les 2 premières couches, puis alternance CSA/HCA.
• Effet global : mémoire KV à 1M = 10 % de V3.2 (Flash : 7 %).

② Manifold-Constrained Hyper-Connections (mHC) : flux résiduel à 4 canaux, matrice de mélange sous contrainte Birkhoff (doublement stochastique) — propagation stable sur 61 couches.

③ Optimiseur Muon : entraînement avec Muon plutôt qu'AdamW ; orthogonalisation Newton-Schulz des gradients — convergence plus rapide.

Modes d'inférence

Paramètres d'échantillonnage officiels : temperature=1.0, top_p=1.0 (tous modes).

03 Benchmarks : record open source vs GPT-5.6 et Claude Fable 5

SWE-bench Verified évalue la correction de bugs sur de vrais dépôts GitHub — 80,6 % est le meilleur score open source actuel, à égalité avec Gemini 3.1 Pro. SWE-bench Pro est plus exigeant ; Fable 5 mène à 80,3 %.

Rapport coût-performance (Artificial Analysis)

Claude Fable 5 : tâches Strategy & Ops — 3,48 $/tâche (score 50). DeepSeek V4-Pro : 0,03 $/tâche (score 38). V4-Flash : moins de 0,04 $ sur les six indices. Fable 5 coûte 116× plus pour ~12 points d'écart (31 %).

• Budget / appels fréquents / déploiement privé : V4-Pro ou V4-Flash
• Code maximal, coût acceptable : Claude Fable 5 (sommet SWE-bench Pro)
• Algorithmes + raisonnement mathématique : GPT-5.6 Sol / Ultra
• Traitement massif de logs/documents : entrée cache V4-Flash à 0,0028 $/M

04 Tarification heures creuses/pleines : grille complète et leviers d'économie

Changement le plus commenté de la GA : en semaine, 09 h 00–12 h 00 et 14 h 00–18 h 00 (Pékin), les tarifs doublent — comme l'électricité heure pleine.

Quatre leviers pour réduire la facture :

• Tâches non temps réel en heures creuses : traitement batch, annotation, revue de code après 18 h ou avant 9 h
• Prompt cache : system prompts répétés ; cache Flash à 0,0028 $/M
• Flash en routeur : intention/routage avec Flash, raisonnement lourd vers Pro
• Préavis tarifaire : DeepSeek annonce les changements 24 h à l'avance par e-mail

Même en heures pleines, la sortie V4-Pro (1,74 $/M) reste 8,6× moins chère que Claude Opus 4.8 (15 $/M) et GPT-5.6 Sol (~15 $/M).

05 Fin de deepseek-chat : migration API en 6 étapes (échéance 24 juillet)

Attention : deepseek-chat et deepseek-reasoner cessent le 24 juillet 2026 à 15 h 59 UTC (23 h 59 Pékin).

1. Audit du dépôt : rechercher deepseek-chat et deepseek-reasoner dans le code, la CI et les variables d'environnement.
2. Choisir le modèle cible : dialogues légers → deepseek-v4-flash (Non-think) ; anciens scénarios reasoner → Flash Think ou deepseek-v4-pro.
3. Mettre à jour le SDK OpenAI : modifier le paramètre model ; activer le thinking via extra_body.
4. Vérifier le SDK Anthropic : base_url reste https://api.deepseek.com, seul model change.
5. Tests de charge en staging : valider facturation heures creuses/pleines et taux de cache avant le 24 juillet.
6. Déploiement production : rollout progressif, surveillance erreurs et coût tokens ; fenêtre de rollback jusqu'à l'échéance.

# Ancien (invalide après le 24.07.)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

# Nouveau — SDK OpenAI
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    # extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

# SDK Anthropic compatible
client = anthropic.Anthropic(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)
message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Hello, DeepSeek V4!"}]
)

06 Données citables, sources et recommandation d'ingénierie

• SWE-bench Verified : 80,6 % — record open source, égal Gemini 3.1 Pro
• KV cache 1M : 10 % de V3.2 (Flash 7 %) ; FLOPs d'inférence 27 % de V3.2
• Sortie V4-Pro : heures creuses 0,87 $/M, pleines 1,74 $/M — environ 1/10 à 1/100 des tarifs frontier
• Coût par tâche (Artificial Analysis) : V4-Pro 0,03 $ vs Fable 5 3,48 $ (116×)
• Échéance migration API : 24 juillet 2026, 23 h 59 Pékin
• Licence : MIT — auto-hébergement et résidence des données possibles

DeepSeek V4 GA marque l'un des jalons open source les plus importants de 2026. Sa valeur n'est pas de battre Fable 5 ou GPT-5.6 aujourd'hui, mais d'offrir la meilleure performance open source à une fraction du coût frontier. Les heures pleines ajoutent de la complexité — le rapport qualité-prix reste convaincant.

Tarifs, capacités et politique de migration peuvent évoluer — revérifiez les liens après publication :

Sources officielles :

Documentation API DeepSeek

arXiv:2606.19348 — article technique DeepSeek V4

Analyses tierces :

Artificial Analysis — comparaison coût des modèles

HuggingFace — hub modèles DeepSeek

Pour les équipes qui couplent des agents DeepSeek V4 à Xcode, Metal et des workflows créatifs sur Mac, l'API seule impose latence et quotas ; les VM cloud partagées ajoutent l'overhead de l'hyperviseur et des incompatibilités CI iOS. Quand la production exige Apple Silicon natif, disponibilité 7 j/7 et CI/CD iOS stable avec routage multi-modèles (Claude Code / Codex sur bare metal), les nœuds cloud Mac mini bare metal ZUKCLOUD offrent la base maîtrisée : machine physique dédiée, zéro perte de virtualisation, réservation flexible. Tarifs, commande, manifeste bare metal et écosystème compute DeepSeek.

Si vous utilisez encore deepseek-chat, finalisez la migration avant le 24 juillet — sinon interruption de service.