Actus du secteur

DeepSeek V4 Flash Vision Exp : l'IA multimodale a 0,66 $ par million de tokens

DeepSeek ajoute la vision native a son modele phare economique avec V4-Flash-Vision-Exp. 0,66 $/1M en sortie hors pointe, contexte 1M, scores proches de Claude Opus 4.8.

5 min readBy The Arena Editor
#deepseek#ia-multimodale#modele-vision#tarification-llm#agents-ia
DeepSeek V4 Flash Vision Exp : l'IA multimodale a 0,66 $ par million de tokens

Certains liens sont des liens partenaires : si vous vous abonnez via eux, nous pouvons toucher une commission, sans surcoût pour vous. Les verdicts de la foule restent indépendants.

DeepSeek-V4-Flash-Vision-Exp est sorti le 21 aout 2026, ajoutant la comprehension d'images native au modele frontier le moins cher du marche. Cette version experimentale etend les capacites texte de V4-Flash au multimodal pour le meme prix de 0,66 $ par million de tokens en sortie (hors pointe), rendant l'IA visuelle accessible aux developpeurs qui devaient auparavant choisir entre cout et performance.

En bref

V4-Flash-Vision-Exp traite images et texte dans un seul modele a 0,66 $/1M tokens en sortie hors pointe (1,32 $ en pointe). Il obtient des scores a moins de 5 points de Claude Opus 4.8 sur la plupart des benchmarks d'agents, tout en coutant environ 38 fois moins par token de sortie.

Pourquoi cette sortie compte pour les agents multimodaux

Jusqu'a present, DeepSeek-V4 etait limite au texte, un ecart significatif face a Claude Opus 4.8 (57 % de recommandations dans l'arene GLAD-IA-TOR) et GPT-5.5, tous deux equipes de vision depuis des mois. Le nouveau modele comble ce vide avec l'entree d'images native : jusqu'a 384 tokens par image, factures au tarif d'entree standard sans supplement.

La fenetre de contexte reste a 1 048 576 tokens avec une limite de sortie de 384 000 tokens. Le mode reflexion est actif par defaut et l'API est disponible via les endpoints compatibles OpenAI et format Anthropic.

ModelePrix sortie (par 1M)ContexteVisionScore foule
DeepSeek-V4-Flash-Vision-Exp0,66 $ (hors pointe)1MOui57 % (base V4)
DeepSeek-V4 Pro0,87 $1MNon57 %
Claude Opus 4.825,00 $1MOui57 %
GPT-5.530,00 $1MOui57 %
Gemini 3 Pro12,00 $1MOui57 %

L'ecart de prix est net : V4-Flash-Vision-Exp coute 38 fois moins que Claude Opus 4.8 et 45 fois moins que GPT-5.5 par token de sortie. Les hits de cache reduisent le tarif d'entree a 0,007 $/1M hors pointe, soit environ 99 % de moins que le prix d'entree standard.

Realite des benchmarks : proche d'Opus, pas egal

L'annonce de DeepSeek affirme que le modele "rapproche les performances des agents multimodaux de celles d'Opus-4.8". Les chiffres auto-declares le confirment globalement, avec quelques nuances.

Sur Terminal Bench 2.1, V4-Flash-Vision-Exp obtient 83,9 contre 85,0 pour Claude Opus 4.8. L'ecart se creuse sur NL2Repo (57,7 vs 69,7, deficit de 12 points) et DSBench-Hard (63,6 vs 71,7). Il devance Opus sur trois benchmarks : DeepSWE (+1,3 point), Agents' Last Exam (+1,6) et ZeroBench (+1,0).

Ces benchmarks sont executes par le vendeur, pas par des evaluateurs independants. "Proche d'Opus" est juste, "egal a Opus" releve du marketing.

Le V4 texte seul dans l'arene GLAD-IA-TOR affiche 57 % de recommandations sur 3 votes. Pour comparaison, Claude Opus 4.8 est aussi a 57 % sur 3 votes, bien qu'Opus offre un ensemble de fonctionnalites plus riche (messages systeme en cours de conversation, sous-agents paralleles dans Claude Code, 69,2 % sur SWE-Bench Pro contre les scores de V4 dans les 50 a 60 bas).

Le piege du tarif en heures de pointe

DeepSeek a introduit la tarification horaire avec la version GA de V4 mi-juillet 2026, et V4-Flash-Vision-Exp en herite. Pendant les heures de pointe (01:00 a 04:00 UTC et 06:00 a 10:00 UTC), tous les tarifs doublent : la sortie passe a 1,32 $/1M, l'entree sans cache a 0,44 $/1M.

Pour les equipes operant des agents en production, cela signifie budgeter les tarifs de pointe au pire cas ou planifier les jobs batch en dehors des heures d'affaires de Pekin. La fenetre hors pointe couvre la plupart des heures de travail US et europeennes, mais les equipes mondiales toucheront regulierement le supplement.

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

Ce que V4-Flash-Vision-Exp fait bien

Le modele est concu pour les workflows d'agents multimodaux. Selon la documentation de DeepSeek, il excelle en :

  • Automatisation UI : navigation dans des interfaces logicielles complexes en identifiant visuellement les elements interactifs
  • Analyse de graphiques et donnees : interpretation de visualisations de donnees avec une precision rivalisant les modeles de pointe
  • Raisonnement visuel : execution de taches necessitant a la fois logique textuelle et contexte visuel

Ce n'est pas un captionneur d'images generaliste couple a un modele texte. C'est du traitement multimodal natif, similaire a la facon dont Claude et GPT-5.5 gerent la vision en interne. La facturation de 384 tokens par image garde les couts previsibles pour les workflows charges en documents ou graphiques.

Les limitations connues de V4 persistent

Le modele V4 de base a des problemes documentes qui persistent probablement dans la variante vision :

  • Appels d'outils malformes : les appels de fonction apparaissent parfois en texte brut dans le champ content au lieu de la structure tool_calls (GitHub issue deepseek-ai #1244)
  • Le mode reflexion casse les chaines d'agents longues : erreurs 400 dans les sequences multi-tours avec appels d'outils, correctif incomplet (OpenClaw issue #72044)
  • APIs hallucinees : les developpeurs signalent des endpoints inventes dans des codebases personnalises et des actions sur des entrees utilisateur imaginees
  • Verbosite : V4 produit environ 180M de tokens de sortie en evaluation contre une mediane de 95M, ce qui erode les economies de cout sur les charges sensibles a la latence

Les poids ouverts sous licence MIT pour V4-Pro et V4-Flash restent texte uniquement. Aucune annonce sur la disponibilite eventuelle des poids vision.

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

Le verdict

  • V4-Flash-Vision-Exp est le moyen le moins cher d'executer un modele frontier avec vision : 0,66 $/1M sortie hors pointe contre 25 $ (Claude Opus 4.8), 30 $ (GPT-5.5), ou 12 $ (Gemini 3 Pro)
  • Les scores de benchmarks sont en retrait de 5 a 12 points par rapport a Opus 4.8 sur la plupart des taches d'agents, mais devancent sur quelques-unes
  • Les tarifs de pointe doublent tous les prix pendant 7 heures par jour : budgetez en consequence ou planifiez les jobs batch hors pointe
  • Les problemes existants de V4 (appels d'outils malformes, APIs hallucinees, verbosite) persistent probablement
  • Meilleur usage : charges d'agents visuels a haut volume ou le cout compte plus que les derniers points de benchmark

Pour une analyse tete-a-tete, voir la comparaison DeepSeek V4 vs Claude Opus 4.8 ou explorez le classement complet des LLM.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal