DeepSeek-V4.1-Flash-20261017 a pris la première place des modèles ouverts dans un classement de programmation. Dans le classement Code Arena WebDev publié par Arena le 18 octobre 2026, cette version actualisée le 17 octobre obtient 1 670 points, soit la première place parmi les modèles ouverts et la 12e place au classement général. Le modèle détrôné est Kimi K3 (Max), et Arena évalue son coût d'exécution à environ un dixième de celui de ce rival.
Cette première place n'est pas un benchmark du fabricant
Il faut distinguer deux types de scores. Les chiffres de lancement de DeepSeek, comme DeepSWE et Terminal-Bench, sont des résultats obtenus par le fabricant sur des jeux de test fixes, déjà traités dans notre article sur le lancement de DeepSeek-V4.1-Flash-1017. Le classement WebDev de Code Arena mesure autre chose : de vrais utilisateurs confient des tâches de programmation agentique et de développement front-end à différents modèles, puis les départagent par des votes de préférence. Il s'agit de savoir quelles pages web et applications front-end générées les gens préfèrent réellement.
Ces deux formes de preuves n'ont pas le même poids. Les scores des fabricants peuvent être influencés par le choix des jeux de test et l'orientation des réglages ; les classements par préférence n'ont pas de réponse standard et fluctuent davantage, mais ils reflètent mieux le ressenti quotidien des développeurs. C'est précisément ce qui justifie un article distinct : un modèle ouvert ne s'est pas seulement bien classé dans son propre tableau, il a aussi atteint la tête des modèles ouverts dans un vote tiers proche d'un test en aveugle.
Le faible coût n'est pas un détail annexe
Le modèle repose sur une architecture de mélange d'experts totalisant 552 milliards de paramètres principaux et 196 milliards de paramètres Engram, dont environ 8 milliards seulement sont activés en phase de pré-remplissage et environ 16 milliards en décodage, avec une fenêtre de contexte d'un million de jetons. Les poids sont publiés sur Hugging Face sous licence MIT. Les équipes qui ne veulent pas l'héberger peuvent passer par l'API, au tarif de pointe de 0,30 dollar par million de jetons en entrée et 1,20 dollar par million de jetons en sortie.
Arena présente ce résultat comme un déplacement de la frontière performance-coût des modèles ouverts dans les flux de programmation. Pour les équipes d'ingénierie, la portée pratique dépasse le rang : quand un modèle classé 12e au général coûte un dixième du précédent leader ouvert, lui confier une partie des tâches de programmation fréquentes et peu risquées cesse d'être une expérimentation pour devenir une option à chiffrer sérieusement. À condition de commencer par un essai limité sur des tâches réelles issues de ses propres dépôts, et non de changer de modèle par défaut sur la seule foi d'un classement.
L'autre face de la 12e place
Le plafond doit aussi être dit : onze modèles restent devant, et WebDev ne couvre que le segment du front-end et de la programmation agentique, sans rien dire du raisonnement général, des longs documents ou du multimodal. Les classements par préférence bougent en outre avec l'échantillon de votants, et la première place du jour n'est pas garantie le mois prochain.
Pour les équipes en phase de choix, la lecture raisonnable consiste à traiter cette tête de classement comme un signal d'essai, pas comme une conclusion : comparez sur une à deux semaines de tickets réels les taux d'achèvement et de reprise face au modèle actuel, puis croisez le résultat avec le prix d'entrée de 0,30 dollar pour calculer le coût par tâche. Le classement dit que l'essai vaut la peine ; c'est le calcul qui dira s'il faut changer.
