L'agent à 0,017 $ : le snapshot 1017 de DeepSeek réduit le coût par tâche sans toucher aux prix

Points clés

• Le 17 octobre 2026, DeepSeek a remis à niveau vers V4.1-Flash-1017 le modèle derrière le nom deepseek-flash, méthode d'appel et chaque prix de liste inchangés — une release sous forme de snapshot sous le nom même (changelog de DeepSeek). Le modèle derrière l'alias stable a bougé ; la table des prix de la facture, non.
• Terminal-Bench 4.0 bondit de 31.2 à 42.3 (+11.1) en cinq semaines, et DeepSWE v1.1 atteint 77.0, Automation-Bench 60.5 et Agents' Last Exam 35.4 — chacun au-dessus de Claude Opus 5 sur la carte de comparaison Hugging Face (Hugging Face).
• Opus 5 reste en tête sur Terminal-Bench 4.0 (51.8 vs 42.3), HLE sans outils (56.3 vs 42.6), NL2Repo-Bench (75.3 vs 68.2) et ProgramBench (37.0 vs 29.1) — la lecture honnête est une avance de palier d'exécution agentique, pas un titre de frontière générale.
• Un taux de succès de cache de 91,5 % sur l'endpoint officiel place le prix d'entrée réellement payé près de 0,017 $ par million de tokens (moyenne pondérée OpenRouter, compilé par agrégateurs) — à la grille de DeepSeek, un succès de cache coûte 2 % d'un échec (tarifs DeepSeek ; Local AI Zone).
• La même release a ouvert Search & Fetch à 0,75 $ par 1 000 appels et révélé que le moteur de recherche de DeepSeek filtre « le spam SEO, la manipulation GEO et l'AIGC de basse qualité » — une déclaration de politique de plateforme, publiée dans le seul changelog du produit (changelog de DeepSeek).

Le 17 octobre 2026, DeepSeek a changé le modèle derrière le nom deepseek-flash sans toucher un seul prix de liste. Cette combinaison — poids nouveaux, prix identiques — est en train de devenir discrètement le levier de coût le plus fort de l'inférence d'agent. Sur la carte de benchmarks Hugging Face, DeepSeek-V4.1-Flash-1017 porte Terminal-Bench 4.0 de 31.2 à 42.3 (+11.1), marque 77.0 en DeepSWE et 60.5 en Automation-Bench — chacun au-dessus de Claude Opus 5 — et achève les tâches plus vite avec des sorties plus courtes. Le changelog de DeepSeek parle d'un « nouveau pareto performance–coût sur plusieurs harnesses ». La partie sans table de benchmarks porte l'argent : l'endpoint officiel rapporte un taux de succès de cache de 91,5 %, ce qui place le prix d'entrée réellement payé près de 0,017 $ par million de tokens pour les charges riches en cache. Cet article décrit ce qui a été livré, ce que le calcul du cache fait à la facture d'un agent toujours allumé, et quels leviers votre équipe contrôle.

Cet article s'appuie sur deux rapports antérieurs. Inference Economics: pourquoi les agents de production toujours allumés sont maintenant abordables a documenté l'effondrement du coût par token et le ratio 10:1 entre intégration et dépense modèle. DeepSeek V4.1-Flash et le remplacement silencieux de modèle a documenté l'épisode de septembre de l'auto-routage — une substitution forcée V4-Pro→Flash annoncée puis annulée en environ 45 heures. Le snapshot 1017 est le troisième acte, et différent en nature : pas de baisse de prix, pas de routage forcé — juste le même nom d'endpoint qui sert discrètement un checkpoint meilleur et moins cher à exploiter. Nous traitons ici de la mécanique de ce type de release et de l'économie du cache qui décide si votre facture descend.

Le nom inchangé, le modèle remplacé : comment un snapshot se déploie

Le changelog du 17 octobre de DeepSeek est un événement de deux paragraphes. « DeepSeek V4.1 Flash a été mis à niveau vers DeepSeek-V4.1-Flash-1017… La méthode d'appel API et la tarification resteront inchangées — utilisez simplement deepseek-flash pour accéder au dernier modèle. » Les alias hérités restent routés, le site web et l'application ont été mis à jour sur place, et le suffixe à quatre chiffres enregistre la date. Rien n'a changé dans l'intégration ; le modèle derrière, si.

C'est la troisième convention de release en six semaines. Le 10 septembre, un nouveau palier nommé est apparu avec ses propres prix et un projet (annoncé puis annulé) d'auto-router tout le trafic deepseek-v4-pro vers lui — le risque de production, c'était le consentement. L'annulation en environ 45 heures n'a suivi que la pression des utilisateurs : le propre changelog de DeepSeek indique que le service V4-Pro continue au-delà du 14 septembre « le mode de facturation demeurant inchangé ». Le 17 octobre est au contraire un snapshot : pas de changement de prix, pas de changement de routage, une amélioration qui atterrit par défaut sous un alias stable.

Le consentement n'est pas le sujet ici — le snapshot est une amélioration univoque à prix inchangés, et Hugging Face a publié les poids MIT le jour même, avec un contexte de 1M de tokens à 2 500 requêtes concurrentes. Mais une dérive de comportement reste une dérive : le checkpoint derrière le nom a changé. La réponse est celle que l'article sur l'auto-routage prescrivait, sans l'alarme — journalisez le modèle servi à chaque réponse, et soumettez les mises à niveau de snapshot à un test de régression sur votre propre jeu d'évaluation avant la production. Une amélioration que vous avez demandée et vérifiée est une amélioration ; celle qui arrive sous un nom stable pendant que vous ne regardiez pas est un événement de changement, même quand c'est un mieux de Pareto.

La carte de benchmarks, lue honnêtement

La carte Hugging Face compare le build 1017 à la release de septembre, Kimi K3, GLM-5.3, GPT-5.6 Sol et Claude Opus 5. Le motif des lignes officielles se scinde proprement :

Benchmark	V4.1-Flash (10 sept)	1017	Variation	Opus 5	1017 vs Opus 5
DeepSWE v1.1	74.2	77.0	+2.8	74.0	Au-dessus
Automation-Bench v1.0.6	54.8	60.5	+5.7	50.3	Au-dessus
Agents' Last Exam	31.8	35.4	+3.6	28.6	Au-dessus
Apex Bench v1.1	64.6	72.1	+7.5	65.8	Au-dessus
Terminal-Bench 4.0	31.2	42.3	+11.1	51.8	En dessous
HLE sans outils	36.8	42.6	+5.8	56.3	En dessous
NL2Repo-Bench	65.4	68.2	+2.8	75.3	En dessous
ProgramBench	20.3	29.1	+8.8	37.0	En dessous

Le modèle 1017 domine la carte sur les benchmarks d'exécution agentique : DeepSWE à 77,0 contre 74,0 pour Opus 5 (GPT-5.6 Sol 73.0, K3 67.5, GLM-5.3 66.9), Automation-Bench, Agents' Last Exam et Apex Bench. Il reste derrière Opus 5 sur Terminal-Bench 4.0, HLE sans outils, NL2Repo-Bench et ProgramBench — l'histoire de la frontière générale n'a donc pas bougé. Lisez la carte, pas les titres des fils : les posts de la communauté ont encadré la release comme « mène maintenant les modèles open-weight », ce qui aplatit un résultat par paliers en un résultat plat. Les notes de bas de la carte comptent aussi — Terminal-Bench 4.0 a tourné sur le framework Claude Code, DeepSWE sur Mini-SWE-V2 ; le choix du harness fait partie de chaque nombre de cette page.

Le changement qui compte le plus pour le coût n'est pas un score de benchmark. Le changelog de DeepSeek note que la longueur de sortie et le temps de tâche ont diminué avec les améliorations — « permettant aux utilisateurs d'accomplir les tâches à moindre coût et plus vite ». Moins de tokens de sortie par tâche et moins de tentatives par tâche sont des baisses directes de la facture, à prix inchangés. Le graphique coût par tâche de DeepSWE du post le dit visuellement : le score pass@1 est tracé contre le coût par tâche, pas contre le prix par token.

Un succès de cache de 91,5 % est la vraie grille tarifaire

La grille du palier Flash de DeepSeek n'a pas bougé : l'entrée sans cache coûte 0,15 $ par million de tokens hors pointe et 0,30 $ en pointe ; l'entrée avec succès de cache 0,003 $ hors pointe et 0,006 $ en pointe ; la sortie 0,60/1,20 $. Un token d'entrée caché coûte 2 % d'un token non caché — 89,7 % sous le prix d'échec dans les deux fenêtres. Le hors pointe est partout la moitié de la pointe, et chaque heure de week-end et jour férié chinois compte comme hors pointe — un levier d'ordonnancement que la plupart des équipes ne tirent jamais.

Ce qui a changé, c'est la fréquence d'atteinte. Une compilation des données OpenRouter sur l'endpoint officiel rapporte un taux de succès de cache de 91,5 %, plaçant le prix d'entrée pondéré réellement payé près de 0,017 $ par million de tokens (Local AI Zone, compilé par agrégateurs — considérez le chiffre comme l'observation d'un endpoint, pas une garantie). L'arithmétique se vérifie contre la grille : à 91,5 %, l'entrée effective tombe à 0,0155 $ hors pointe et 0,031 $ en pointe (0,915 × succès + 0,085 × échec), et le chiffre pondéré toutes-heures de l'agrégateur se loge dans cette bande. À ce taux effectif, un agent de production qui diffuse un milliard de tokens d'entrée par mois — de longs contextes relus à chaque tour, c'est ce que font les boucles d'agent — paie environ 15,49 $ hors pointe là où le prix tout-échec serait de 150,00 $ : une réduction de 10× qui n'apparaît nulle part comme une baisse de prix.

Trois réserves honnêtes bornent l'affirmation. Le taux de 91,5 % est propre à l'endpoint officiel et à son mix de trafic — les taux de succès de cache varient selon le fournisseur et la manière dont une charge réutilise le contexte. Il est dépendant de la charge : un workflow qui réécrit son préfixe de prompt à chaque pas gagne peu d'atteintes, quelle que soit la moyenne de l'endpoint. Et c'est une observation, pas un SLA — DeepSeek documente les prix, pas le taux d'atteinte. La conclusion survit aux trois : pour du trafic d'agent riche en cache, le prix d'entrée effectif est une fonction de la façon dont vous structurez le contexte, pas seulement du modèle choisi.

C'est pourquoi cette release se lit comme un événement d'économie du cache, pas comme une baisse de prix. Le palier subagent de Claude Haiku 5.5 a fait s'effondrer les coûts par token avec un prix à 0,10 $ (7 octobre) ; la sortie de Sonnet 5.5 a montré qu'un token bon marché peut toujours signifier une tâche chère quand le compte de tokens gonfle de 7× (le piège d'efficacité). Le snapshot 1017 de DeepSeek attaque l'autre moitié : mêmes prix de token, sorties plus courtes, achèvement plus rapide — et une couche de service qui transforme la réutilisation naturelle de contexte du trafic d'agent en une remise d'entrée d'un ordre de grandeur. Les équipes qui ne font que scruter la grille tarifaire passeront à côté du second mécanisme.

L'explication d'une minute ci-dessous tient la release sur une page :

Search and Fetch : la même release donne un prix à l'accès web de l'agent

L'autre moitié du snapshot est de l'infrastructure. Le changelog de DeepSeek a ouvert ses APIs maison Search and Fetch à tous pour 0,75 $ par 1 000 appels réussis par endpoint — des résultats de recherche avec scoring d'autorité et de fraîcheur, le fetch renvoyant le contenu de la page en Markdown. Les appels via les outils côté serveur dans DeepSeek Harness, Claude Code et Codex sont gratuits jusqu'au début de la facturation à 16:00 UTC le 31 octobre 2026 (Pékin : 1er novembre, 00:00). À une échelle déclarée de « centaines de millions de requêtes de recherche » par jour et d'un index de « centaines de milliards de pages web », c'est un vrai moteur derrière un prix de commodité.

Dans ce paragraphe du changelog se trouve une divulgation que quiconque optimise pour des surfaces de citation IA mérite d'archiver : DeepSeek déclare que son moteur de recherche « filtre le spam SEO, la manipulation GEO et l'AIGC de basse qualité » par des mécanismes de détection stricts, garantissant des informations autoritaires et fiables pour les utilisateurs et les LLMs (changelog, 17 oct). Lisez-la comme une politique du côté de l'acheteur, pas une modestie du vendeur : un grand laboratoire qui sert ses propres agents et ceux de tiers annonce désormais que la manipulation des moteurs génératifs (GEO) est une classe de défaut filtrée. Si la couche qui alimente les réponses des modèles traite le gaming GEO comme du spam, le jeu de citation durable reste celui que ce site a toujours connu — sources primaires, nombres vérifiables, prose qu'un générateur peut citer directement — pas des astuces visant la couche de récupération.

Les quatre leviers que votre équipe contrôle

La partie modèle de la release est disponible pour chaque équipe ; l'économie ne bouge que si la charge coopère :

1. Concevez les prompts pour la stabilité du préfixe. Les succès de cache se gagnent en réutilisant un contexte identique à l'octet près : instructions stables, schémas et documents récupérés devant le contenu volatil, aucune réécriture du préfixe à chaque pas. Le taux de 91,5 % est ce qu'un mix de trafic façonné pour le cache peut atteindre ; un agent qui réécrit chaque préfixe n'y arrive pas.
2. Journalisez le modèle servi à chaque réponse. L'alias deepseek-flash sert désormais un checkpoint différent de celui de la semaine dernière. Enregistrez la version réelle du modèle — pas le nom demandé — pour que la piste d'audit survive à la dérive des snapshots, et gardez en place la couche de routage de secours (l'article sur le changement de modèle).
3. Passez les snapshots en régression sur votre propre jeu d'évaluation. Les poids MIT sur Hugging Face rendent chaque snapshot reproductible : figez le checkpoint validé, exécutez vos tests d'appels d'outils et de formats de sortie sur le nouveau, et promouvez selon votre calendrier — pas celui du fournisseur.
4. Routez sur le coût par tâche, pas sur le prix de liste. Mesurez les tokens de sortie par tâche accomplie et le prix d'entrée après remises de cache. Un modèle à liste basse avec de faibles taux d'atteinte perd face à un modèle mieux listé dont la couche de service met votre contexte en cache (l'arithmétique du coût par tâche).

Une construction représentative

Un distributeur de taille intermédiaire exécute un agent de préparation de devis 24/7 sur 200 RFQ hebdomadaires. Son workflow relit les catalogues fournisseurs et le contexte des règles de cotation à chaque RFQ — le motif d'accès pour lequel les caches existent. La build utilise un module MCP pour la couche ERP et catalogues, la délégation A2A vers des agents de devis fournisseurs, et une couche de routage qui épingle deepseek-flash, journalise le checkpoint servi à chaque appel et fait tourner la suite de régression des formats de devis avant chaque promotion de snapshot. Un contexte structuré et des préfixes stables portent le taux de succès de cache vers la bande observée sur l'endpoint officiel — c'est ce qui rend l'entrée effective de ~0,017 $/1M réelle et non un chiffre de brochure — et les sorties plus courtes et les tentatives moins nombreuses du snapshot 1017 abaissent encore le coût par devis complété.

Demandez une build à périmètre arrêté. Une semaine de découverte. Vous obtenez un inventaire de systèmes, une carte de workflows et un périmètre fixe — que vous construisiez avec nous ou non.

Lectures complémentaires

• Inference Economics: pourquoi les agents de production toujours allumés sont maintenant abordables — l'article parent : l'effondrement du coût par token et le ratio 10:1 entre intégration et dépense modèle, dans lequel s'inscrit le calcul de cache de ce snapshot
• DeepSeek V4.1-Flash et le remplacement silencieux de modèle — l'épisode de consentement de septembre et son annulation, qui ont fixé la discipline d'identité de modèle que la dérive d'alias de ce snapshot récompense
• Le subagent à 0,10 $ : Claude Haiku 5.5 effondre l'écart de coût entre frontière et open-weight — la voie par token de l'effondrement des coûts, contre laquelle le snapshot 1017 rivalise à coup de part de cache et de runtime