Le version Flash V4.1 de DeepSeek, qui est plus économique, pourrait en réalité coûter plus cher aux développeurs par tâche.

Le prix est séduisant. DeepSeek a déployé la version V4.1 Flash au même prix que la version V4 Flash, tout en affirmant qu’elle permet de streamer des tokens plusieurs fois plus rapidement. Pour les investisseurs, cela signifie une IA moins chère, et davantage d’IA pour le même argent… En somme, c’est une sorte de “déflation” en miniature. Mais DeepSeek calcule toujours les coûts en termes de tokens, et non en termes de secondes. Avant qu’un chiffre de vitesse ne puisse aider un développeur à économiser de l’argent, il faut d’abord diminuer le nombre de tokens nécessaires pour accomplir une tâche. Aucun élément dans les versions bêta ne montre cela. Le fait de parler de prix bas par token cache en réalité la véritable nature des coûts.

Faster ne touche pas le mètre.

L’API de DeepSeek facture en fonction des tokens utilisés : les entrées, les sorties et les entrées mémorisées sont facturées à leur propre taux. Ainsi, un modèle qui génère 300 tokens par seconde, contrairement à un modèle qui génère seulement 80 tokens par seconde, peut accomplir le même travail, mais sur un temps différent, et non sur un montant de facture différent. Le compteur indique toujours en termes de tokens. C’est là toute la question analytique : le prix des tokens et le nombre de tokens nécessaires pour exécuter une tâche déterminent la facture, tandis que la vitesse de génération n’apparaît pas dans celle-ci.

C’est le premier coup porté contre les « réductions de coûts ». Sur la carte, V4.1 Flash se trouve sur la même ligne de prix que V4 Flash – dans les matériaux de beta de version intermédiaire.Environ 0,28 dollar par million de mots produits, ce qui correspond au taux utilisé par V4 Flash lui-même.Comparez cela avec la liste de première partie :Le V4 Flash coûte environ 0,22 $ pour l’entrée et 0,66 $ pour la sortie par million d’unités produites ; contre le V4 Pro, qui coûte 0,66 $ pour l’entrée et 1,98 $ pour la sortie par million d’unités produites.Pour Flash, il n’y a aucune réduction de prix par token. Donc, l’affirmation selon laquelle V4.1 “réduit les coûts car son prix par token correspond à celui de Flash” est presque circulaire : correspondre au prix de Flash ne signifie pas que V4.1 est moins cher qu’Flash, mais seulement que sa latence est plus faible.

La famille Flash est la plus prolixe de son genre.

C’est là que l’histoire des tokens bon marché prend fin. L’analyse artificielle mesure le nombre de tokens consommés par le modèle pour remplir un critère de référence donné. Le DeepSeek V4 Flash se distingue dans la mauvaise direction : il…Il a utilisé environ 240 millions de tokens de sortie pour exécuter l’Intelligence Index. Cela représente environ le double du nombre de ~120 millions de tokens pour les modèles de taille similaire, et plus que les ~190 millions de tokens du modèle V4 Pro, qui est bien plus grand.DeepSeek lui-même guide les utilisateurs vers…Cap de sortie de 384 000 tokens, en raison de la quantité de raisonnement que le modèle a tendance à effectuer., etLe meilleur effort de raisonnement peut produire environ cinq fois plus de tokens que celui d’un effort moindre..

Appliquez les calculs arithmétiques sur une base cohérente : les taux de production en période de faible affluence pour le modèle First-Party (Flash : ~0,66 $/M, Pro : ~1,98 $/M) sont utilisés pour calculer les quantités de tokens brûlés mesurées.

• V4.1 Flash(Même taux que le V4 Flash, même niveau de complexité) : ~240M × $0.66 ≈$158
• V4 FlashMathématiques identiques ≈$158– Même taux, même coût par tâche.
• V4 Pro~190M × $1.98 ≈$376

Flash est vraiment environ 2,4 fois moins cher que Pro pour chaque tâche terminée. En effet, il coûte beaucoup moins par token, et son code est simplement plus long. Mais la version V4.1 – le modèle vendu sous le nom de “V4 Flash, juste plus rapide” – coûte autant pour chaque tâche que V4 Flash. La vitesse est donc une promesse de performance, mais cela ne se traduit jamais en un coût moindre. Et les économies par rapport à Pro ne correspondent pas à ce que l’annonce prétend : “4–6 fois plus rapide que Flash”.

Le beta ne tient pas non plus la vitesse.

Le chiffre de marketing —300 ou plus de tokens par seconde, évalué plusieurs fois comme le débit de V4 Flash – provient des données bêta de DeepSeek. Une lecture indépendante des données bêtaEnviron 108 tokens par seconde, soit une performance équivalente à celle du V4 Flash-0731.Pas un saut de 4–6x. Et V4.1 Flash est…Il s’agit encore d’une version bêta interne en cours de mise en production, à partir du début du mois de septembre. Cette version est limitée en nombre de téléchargements, disponible uniquement pour des tests, et ne doit pas être utilisée en environnement de production.Il n’existe pas encore de version disponible en général pour permettre de maintenir la vitesse ou le taux d’utilisation. Par conséquent, l’idée de réduction des coûts repose sur un chiffre de rendement qui n’a pas été testé avec une carte réelle, et sur un modèle qui n’a pas été livré.

L’histoire de la déflation, inversée

Un seul essai effectué par un laboratoire chinois est important pour un portefeuille qui ne contient aucune action de DeepSeek. Cet essai constitue en effet une épreuve utile pour tester l’hypothèse selon laquelle les prix des tokens diminuent, ce qui entraîne une réduction de la puissance de calcul nécessaire pour développer l’IA. Ce cas montre que le mécanisme en jeu fonctionne dans le sens contraire : les tokens moins chers et plus rapides ne réduisent pas les coûts de production ; au contraire, ils maintiennent le coût par tâche relativement stable, tout en permettant une augmentation du volume de travail – raisonnement plus long, plus d’itérations, résultats multimodaux. Le volume augmente, et la puissance de calcul nécessaire pour gérer ce volume augmente également. Ce n’est pas une situation défavorable pour l’industrie de l’inférence ; c’est justement pour cette raison que les tokens bon marché ont historiquement contribué à augmenter la demande totale, plutôt que de la réduire.

Pour les développeurs et pour ceux qui valorisent les actifs liés aux infrastructures d’IA ou aux applications logicielles, la mesure importante est le prix du travail accompli, et non le prix d’un token. En termes de cette mesure, V4.1 Flash en version bêta ne fait pas baisser le prix de V4 Flash du tout. Il fonctionne simplement plus rapidement. Si les équipes considèrent cette vitesse comme une opportunité pour consommer davantage, le coût s’élèvera exactement là où le marketing l’avait promis.