DeepSeek V4 GA : version complète —
tarifs, architecture et écart face à GPT-5.6

Après trois mois d'attente, DeepSeek V4 en version complète (GA) est officiellement en ligne le 20 juillet 2026. Par rapport à la preview d'avril, le GA améliore agents, raisonnement mathématique et génération de code, et introduit pour la première fois une tarification différenciée peak/off-peak — DeepSeek passe du « quasi gratuit » à une commercialisation structurée. Cet article s'adresse aux équipes encore sur deepseek-chat, avec migration obligatoire avant le 24 juillet, et à celles qui choisissent entre GPT-5.6, Claude Fable 5 et V4 : d'abord sept points de friction, puis timeline, architecture MoE 1,6T (CSA+HCA, mHC, Muon), benchmarks, comparaison triple, tableau peak, checklist migration en six étapes et paramètres techniques citables, clôturés par auto-hébergement Mac et nœuds NOVAKVM haute mémoire. Données : documentation DeepSeek et arXiv:2606.19348 ; revérifier les liens après release. Tarifs : page tarifs, commande : page commander ; croiser avec guide ds4 local et release GPT-5.6.

[ SECTION_01 ] // PAIN_MAP Sept points de friction avant le GA DeepSeek V4

• Fin des anciennes API : deepseek-chat et deepseek-reasoner cessent définitivement le 24 juillet 2026 à 23:59 (heure de Pékin). Le code prod sans changement de modèle subit une coupure brutale.
• Peak/off-peak complique le scheduling : en semaine 09:00–12:00 et 14:00–18:00 (Pékin) les tarifs doublent ; un pipeline agent 7×24 sans fenêtres horaires peut exploser la facture.
• Pro vs Flash flou : V4-Pro (1,6T / 49B actifs) et V4-Flash (284B / 13B actifs) diffèrent en prix et capacités ; un mauvais routage gaspille des tokens ou la qualité.
• Les closed source dominent encore : Claude Fable 5 atteint 80,3 % sur SWE-bench Pro, V4-Pro 55,4 % — « meilleur open source » n'égale pas « meilleur modèle tout court ».
• 1M de contexte n'est pas gratuit : KV cache réduit à 10 % de V3.2, mais les agents long contexte consomment RAM et compute ; auto-hébergement dès 96 Go+ unified memory (voie ds4).
• Pression conformité : finance, santé, secteur public favorisent MIT + déploiement privé ; V4-Pro complet en local coûte cher en hardware.
• Trois modes d'inférence : Non-think / Think High / Think Max plus temperature=1.0, top_p=1.0 recommandés exigent un réglage par scénario ; Think Max aveugle augmente latence et coût.

[ SECTION_02 ] // ARCHITECTURE De la preview au GA : timeline et architecture V4-Pro / Flash

En bref : le GA améliore agent, raisonnement math et code vs preview et installe la facturation peak/off-peak ; l'architecture MoE sous-jacente est inchangée.

Innovations clés (contexte 1M) :

• Attention hybride (CSA + HCA) : remplace MLA V2/V3 : Compressed Sparse Attention (CSA — KV compressé 4× via gating Softmax, FP4 Lightning Indexer top-k, Pro top-1024 / Flash top-512, fenêtre glissante 128 tokens) et Heavy Compressed Attention (HCA — compression 128× puis attention dense globale) en alternance. À 1M : 27 % des FLOPs V3.2, KV cache 10 % (Flash 7 %).
• Manifold-Constrained Hyper-Connections (mHC) : flux résiduel 4 canaux + matrice doublement stochastique (polytope de Birkhoff) pour gradients stables sur 61 couches.
• Optimiseur Muon : orthogonalisation Newton-Schulz des gradients en entraînement — convergence plus rapide et stable qu'AdamW.

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

[ SECTION_03 ] // BENCHMARK Benchmarks et matrice vs GPT-5.6 / Claude Fable 5

Artificial Analysis (Strategy & Ops) : Claude Fable 5 3,48 $ par run, score 50 ; DeepSeek V4-Pro 0,03 $, score 38 — écart de coût 116×, score seulement ~31 % supérieur. V4-Flash sous 0,04 $ par run dans les six indices.

Choix rapide : budget serré / haute fréquence / déploiement privé → V4-Pro ou V4-Flash ; code maximal, coût secondaire → Claude Fable 5 ; algorithmes + math → GPT-5.6 Sol / Ultra ; logs / docs massifs → V4-Flash (entrée cache hit 0,0028 $/M).

[ SECTION_04 ] // PRICING Peak/off-peak : créneaux, grille tarifaire et quatre leviers d'économie

Le GA introduit la tarification différenciée peak/off-peak, comme l'électricité. Peak (heure Pékin) : en semaine 09:00–12:00 et 14:00–18:00, tarifs doublés. DeepSeek prévient 24 h par email avant tout changement.

• Tâches non temps réel en off-peak : batch documents, labeling, revue code après 18:00 ou avant 09:00.
• Exploiter le prompt cache : system prompts répétés ; V4-Flash cache hit 0,0028 $/M.
• Flash en routeur : intents simples → V4-Flash, raisonnement lourd → V4-Pro — 60–80 % d'économie possible.
• Email de facturation actif : recevoir les alertes tarifaires.

Même en peak, 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).

[ SECTION_05 ] // MIGRATION Migration API : checklist six étapes (deadline 24 juillet 23:59)

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

1. Recherche globale : deepseek-chat et deepseek-reasoner dans code, CI, variables d'env et secrets.
2. Modèle par scénario : dialogues légers → deepseek-v4-flash non-think ; ancien reasoner → Flash think ou deepseek-v4-pro.
3. SDK OpenAI : changer uniquement model ; mode think via extra_body et thinking.
4. Chemin compatible Anthropic : base_url reste https://api.deepseek.com, model → deepseek-v4-pro ou deepseek-v4-flash.
5. Régression staging : tool calling, streaming, long contexte ; Think Max exige fenêtre ≥384K.
6. Rollout prod et monitoring : canary avant le 24 juillet, surveiller tokens peak et taux d'erreur, activer le scheduling si besoin.

model="deepseek-chat"  (invalide après le 24 juillet)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

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

Sources officielles (revérifier après release) :

https://api.deepseek.com

https://arxiv.org/abs/2606.19348

[ SECTION_06 ] // FACTS Faits citables et conclusion auto-hébergement Mac

• SWE-bench Verified 80,6 % : record open source, égal Gemini 3.1 Pro ; bugs GitHub réels (synthèse publique, revérifier).
• KV cache 10 % : à 1M seulement 10 % de V3.2 (Flash 7 %), source arXiv:2606.19348.
• Coût 116× : Artificial Analysis Strategy & Ops — Fable 5 3,48 $ vs V4-Pro 0,03 $ par run.
• Baisse juin : sortie V4-Pro 0,87 $/M — rapport qualité/prix historique (page tarifs DeepSeek).
• MIT open source : poids V4-Pro et Flash auto-hébergeables ; idéal données sensibles sans sortie cloud.
• Deadline dure : après 2026-07-24 23:59 Pékin, deepseek-chat / deepseek-reasoner morts (email API DeepSeek).

DeepSeek V4 GA est l'un des jalons open source majeurs de 2026. Sa valeur n'est pas de battre immédiatement Claude Fable 5 ou GPT-5.6, mais d'offrir la meilleure perf open source à 1/10 à 1/100 du coût closed source.

Inconvénients des alternatives : ① API Claude/GPT seule — agents long contexte chers, code via tiers, audit compliance lourd ; ② poids V4 complets sur laptop 16 Go — impossible, temps perdu ; ③ Mac Studio Ultra pour quelques semaines — immobilisation > location hebdo haute mémoire. Pour tests V4-Flash privés, voir ds4 + déploiement Mac 128 Go.

Pour équipes sensibles à la confidentialité, budget limité, agents 1M ou efficacité API maximale, DeepSeek V4 Pro est l'option open source la plus équilibrée. Infrastructure reproductible : location bare metal Mac Mini NOVAKVM — six régions, Apple Silicon dédié haute mémoire, flexibilité jour/semaine/mois ; nœud 128 Go pour inférence locale, puis décision d'achat. Finaliser la migration avant le 24 juillet. Page tarifs, Page commander, Centre d'aide.