DeepSeek vient de publier V4-Flash-Vision-Exp, une version expérimentale de son modèle rapide capable de comprendre images et captures d’écran, puis d’agir à partir de ce qu’il voit.
Le laboratoire chinois affirme se rapprocher de Claude Opus 4.8 sur les benchmarks d’agents multimodaux, mais son propre tableau montre une réalité plus nuancée : DeepSeek ne gagne que trois tests sur onze.
DeepSeek-V4-Flash-Vision-Exp est disponible sur l’API
Le nouveau modèle a été mis en ligne le 21 août sur la plateforme API de DeepSeek. Son nom complet est DeepSeek-V4-Flash-Vision-Exp. Comme son suffixe l’indique, il s’agit encore d’un modèle expérimental.
Il reprend la base de V4-Flash, mais lui ajoute la compréhension d’images, de captures d’écran et plus largement de contenus visuels.
Cette évolution est particulièrement importante pour les agents.
Un modèle texte peut comprendre une instruction et appeler des outils. Un modèle multimodal peut en plus observer une interface graphique, reconnaître un bouton, lire un graphique ou interpréter une capture d’écran avant de décider quoi faire.
Le nouveau modèle peut regarder avant d’agir
DeepSeek positionne clairement V4-Flash-Vision-Exp comme un modèle destiné aux usages agentiques. Il peut analyser ce qui apparaît à l’écran puis utiliser cette information pour poursuivre une tâche.
Le laboratoire a également publié la version 0.1.1 de son DeepSeek Harness, avec une prise en charge directe de ce nouveau modèle. Ce type d’infrastructure devient presque aussi important que le modèle lui-même.
Pour automatiser un navigateur, une application ou un environnement de développement, il ne suffit plus de produire du texte de qualité. Le modèle doit observer, raisonner, appeler les bons outils et reprendre correctement une tâche après chaque résultat.
DeepSeek revendique un niveau « proche » de Opus 4.8
DeepSeek affirme que son nouveau modèle réalise un bond important sur les benchmarks d’agents multimodaux et atteint un niveau désormais proche de Claude Opus 4.8. La formulation est soigneusement choisie. Le laboratoire ne dit pas qu’il surpasse globalement Anthropic. Et, son propre tableau confirme qu’il ne le fait pas.
Sur les onze benchmarks publiés, V4-Flash-Vision-Exp termine devant Opus 4.8 sur seulement trois tests.
Trois victoires sur onze
DeepSeek prend l’avantage sur DeepSWE, avec 1,3 point d’avance, Agents’ Last Exam, avec 1,6 point, et ZeroBench, avec un avantage d’environ un point. Sur les huit autres évaluations, Opus 4.8 reste devant. Certaines différences sont minimes.
Toolathlon-Verified se termine à 75,9 pour DeepSeek contre 76,2 pour Anthropic, Chartography affiche 64,3 contre 65,0, et Terminal Bench 2.1 atteint 83,9 contre 85,0.
Dans ces cas, parler de performances proches est raisonnable.
Mais, certains écarts restent importants
D’autres benchmarks racontent une histoire différente. Sur NL2Repo, DeepSeek obtient 57,7 contre 69,7 pour Opus 4.8. Cela représente douze points d’écart. Sur DSBench-Hard, le nouveau modèle atteint 63,6 contre 71,7.
Ces différences sont beaucoup plus difficiles à ignorer, particulièrement pour les entreprises qui cherchent des agents capables de travailler sur de grands dépôts de code ou des environnements complexes.
Être à un point d’un concurrent sur une tâche est presque équivalent. Être à douze points ne l’est plus vraiment.
AutomationBench montre surtout que tout le monde a encore du travail
Un résultat est intéressant pour une autre raison. Sur AutomationBench, les scores restent faibles pour l’ensemble des modèles comparés. DeepSeek atteint 25,7. Une autre version se situe à 25,1. Opus 4.8 obtient 27,2. Autrement dit, aucun n’approche encore d’un niveau qui permettrait de considérer ce type d’automatisation comme résolu.
La progression des agents est rapide, mais ces benchmarks rappellent qu’ils restent fragiles dès que les tâches deviennent longues, hétérogènes ou très dépendantes d’un environnement externe.
Le bond multimodal est réel, mais la comparaison a une particularité
DeepSeek montre également une forte progression face au V4-Flash textuel. Sur ApexBench, le nouveau modèle passe de. 26,2 à 36,5, sur Agents’ Last Exam, il progresse de 25,2 à 27,3. La différence est intéressante, mais DeepSeek ajoute lui-même une note importante à son tableau.
Sur ces deux évaluations, le modèle texte V4-Flash ignore les éléments multimodaux présents dans les tests.
Autrement dit, l’ancien modèle passe en partie une épreuve visuelle sans pouvoir voir les images. Cela ne rend pas le score du nouveau modèle invalide.
Mais, une partie du « bond » mesure simplement le passage d’un modèle aveugle à un modèle capable d’exploiter l’ensemble des informations disponibles.
DeepSeek a au moins documenté cette limite
Cette précision mérite d’être soulignée. Les laboratoires publient régulièrement des tableaux où les conditions exactes des comparaisons sont difficiles à retrouver. DeepSeek indique ici clairement que V4-Flash ignore les contenus multimodaux sur certains tests. Le laboratoire précise également les paramètres de son évaluation : utilisation du DeepSeek Harness en mode minimal, temperature à 1,0 et top_p à 0,95 pour plusieurs benchmarks d’agents.
Cela ne transforme pas les résultats en évaluation indépendante. Mais, cela fournit davantage de contexte pour les interpréter.
La version Vision semble même progresser sur certains tests texte
DeepSeek affirme officiellement que V4-Flash-Vision-Exp égale V4-Flash sur les capacités textuelles, incluant agents, raisonnement et connaissances générales. Son propre tableau est même légèrement plus favorable. Sur sept benchmarks textuels comparés, la version Vision termine devant V4-Flash sur six. Toolathlon-Verified progresse de 5,6 points, DeepSWE gagne 4,9 points et DSBench-Hard progresse de 4 points. La seule régression mentionnée concerne Cybergym, où V4-Flash-Vision-Exp perd environ 1,4 point.
Ajouter la vision n’aurait donc pas entraîné de dégradation généralisée des performances textuelles.
Le véritable concurrent actuel d’Anthropic est déjà Opus 5
La comparaison avec Claude doit néanmoins être contextualisée. Claude Opus 4.8 a été lancé le 28 mai 2026 et reste aujourd’hui un modèle pleinement actif chez Anthropic. Il n’est donc ni ancien ni abandonné. Anthropic le classe toujours comme supporté et recommandé, avec aucun retrait prévu avant mai 2027.
DeepSeek n’a donc pas choisi une référence obsolète pour rendre sa comparaison artificiellement avantageuse. Mais, depuis le 24 juillet 2026, Anthropic propose également Claude Opus 5. C’est désormais la génération la plus récente.
Nous ne savons pas comment DeepSeek se comporte face à Opus 5
Le tableau de DeepSeek ne contient aucune colonne Opus 5. Et, DeepSeek ne prétend pas le battre. Il serait donc incorrect de transformer l’annonce en « DeepSeek rattrape le meilleur modèle d’Anthropic ». La conclusion plus exacte est qu’un modèle expérimental très économique se rapproche d’un modèle Anthropic haut de gamme toujours supporté, mais pas nécessairement de la génération la plus récente.
Une comparaison Opus 5 contre V4-Flash-Vision-Exp réalisée avec exactement le même harness serait beaucoup plus intéressante. Pour l’instant, elle n’existe pas publiquement.
Le prix change complètement la lecture des résultats
C’est surtout ici que DeepSeek devient particulièrement compétitif. Le V4-Flash standard coûte officiellement 0,14 dollar par million de tokens d’entrée non mis en cache et 0,28 dollar par million de tokens de sortie. Les entrées récupérées depuis le cache tombent même à 0,002 8 dollar par million de tokens.
Ce positionnement explique pourquoi DeepSeek n’a pas nécessairement besoin d’être premier sur tous les benchmarks.
Pour de nombreux usages professionnels, un modèle légèrement inférieur mais beaucoup moins cher peut produire un meilleur rapport coût-performance.
Quelques points de benchmark peuvent valoir énormément… ou presque rien
Tout dépend de la tâche. Perdre 0,3 point sur Toolathlon est probablement acceptable si le coût est drastiquement inférieur. Perdre douze points sur NL2Repo devient beaucoup plus problématique si l’entreprise veut automatiser précisément du travail à l’échelle d’un repository. C’est pourquoi les classements globaux sont de moins en moins suffisants pour choisir un modèle.
Une entreprise doit tester son propre workflow : revue de code, navigation web, extraction documentaire, tableurs, support client, recherche, ou automatisation interne.
Le meilleur modèle dépend de l’endroit où se situe l’erreur la plus coûteuse.
V4-Flash-Vision-Exp n’est pas non plus le véritable flagship de DeepSeek
Multimodality unlocks more agent use cases. 👀
V4-Flash-Vision-Exp works smoothly across agent frameworks, combining visual understanding with a wide range of tools to unlock more practical workflows.
2/n pic.twitter.com/pZFf8Yqw3D
— DeepSeek (@deepseek_ai) August 21, 2026
Il existe une autre nuance. DeepSeek propose déjà V4-Pro, son modèle plus ambitieux. La version officielle de V4-Pro est désormais disponible sur le web, les applications et l’API, avec des capacités agentiques renforcées, le support de la Responses API et une intégration Codex.
Or ce modèle n’apparaît pas non plus dans le nouveau tableau comparatif consacré à la vision.
V4-Flash-Vision-Exp doit donc être compris comme une expérimentation autour de la variante rapide et économique, pas comme le plafond technologique absolu de DeepSeek.
La vision devient indispensable pour les agents
La sortie illustre surtout l’évolution rapide du marché. Les agents de première génération fonctionnaient essentiellement avec du texte, du code et des API structurées. Les nouvelles générations doivent pouvoir interagir avec des logiciels qui n’exposent pas toujours une API parfaite.
Pour cela, elles doivent lire une interface comme un humain, repérer un bouton, comprendre un graphique, lire une boîte de dialogue, identifier une erreur visuelle ou encore interpréter une capture d’écran.
La multimodalité n’est donc plus seulement utile pour demander à une IA « que contient cette photo ? ». Elle devient une composante fondamentale de l’automatisation.
DeepSeek poursuit surtout sa stratégie coût-performance
Depuis son arrivée sur le devant de la scène, DeepSeek ne cherche pas nécessairement à battre tous les laboratoires américains sur chaque mesure. Son avantage le plus perturbateur reste économique. Si un modèle obtient 95 % du résultat attendu pour une fraction du coût, il peut devenir plus intéressant pour un déploiement à très grande échelle.
V4-Flash-Vision-Exp prolonge exactement cette stratégie dans le multimodal.
La vraie question ne sera donc pas simplement de savoir s’il gagne trois ou cinq benchmarks supplémentaires. Elle sera de savoir combien coûte un agent réellement utile par tâche accomplie avec succès.
Une annonce intéressante, à condition de lire le tableau jusqu’au bout
La formule de DeepSeek — « proche d’Opus 4.8 » — reste défendable. Sur plusieurs tests, les écarts sont effectivement de l’ordre d’un point. Mais, cette proximité n’est pas uniforme. Le modèle chinois gagne trois benchmarks sur onze, reste nettement derrière sur certaines tâches difficiles et n’a pas encore été comparé publiquement à Opus 5 dans les mêmes conditions.
Le résultat reste néanmoins remarquable pour une variante Flash expérimentale.
DeepSeek ne vient pas de démontrer qu’il a battu Anthropic. Il montre quelque chose de potentiellement plus gênant pour ses concurrents : sur plusieurs tâches agentiques, un modèle beaucoup moins cher commence à se retrouver suffisamment proche pour que le prix devienne aussi important que la première place du classement.
