DeepSeek est une entreprise chinoise spécialisée en IA, connue pour ses modèles de langage open-source performants et économiques. Son modèle DeepSeek-R1 a notamment démontré des capacités de raisonnement comparables aux meilleurs modèles occidentaux.
Depuis juin 2026, les autorités numériques européennes utilisant Qwen ou DeepSeek doivent se conformer à l'AI Act qui exige la divulgation des données d'entraînement. Pékin refuse de les communiquer, créant un conflit réglementaire majeur entre l'UE et les fournisseurs chinois.
Utilisateur déploie Deepseek V4 Flash sur DGX Spark (2x ASUS GX10) via vLLM. Contexte max 256k tokens, débit prefill 1680-2150 T/s, décode 37-49 T/s selon fenêtre. Performance stable, dégradation faible. Modèle surpasse M2.7 et Stepfun 3.7 en raisonnement haute contexte.
Un utilisateur Reddit rapporte qu'un modèle (probablement Minimax M3) aurait été entraîné sur 100+ trillions de tokens, soit le double des standards actuels (27-50T pour Kimi, Mimo, Deepseek). L'auteur doute que le modèle dépasse 500B paramètres malgré cette augmentation massive de données.
Un utilisateur Reddit rapporte que DeepSeek v4 Pro obtient 8% de réussite sur le benchmark DeepSWE, contrastant avec sa perception d'une performance proche de Claude Sonnet 4.6 en pratique. Le lien vers le benchmark DeepSWE est fourni.
Un article de recherche soutient que le véritable goulot d'étranglement des agents IA autonomes n'est pas le modèle de langage mais la couche logicielle qui l'entoure : outils, mémoire, tests et limites de permissions transforment un modèle sans état en agent fonctionnel. Deepseek construit une équipe dédiée « Harness » à Pékin confirmant cette thèse.
DeepSeek réduit drastiquement les coûts d'inférence IA à quelques centimes. L'entreprise chinoise optimise ses modèles pour diminuer la consommation de ressources computationnelles et les frais d'utilisation.
DeepSeek V4 marque une avancée majeure de l'IA chinoise et remet en question l'efficacité des stratégies occidentales. L'article souligne l'urgence pour l'Europe de développer une stratégie IA compétitive face à cette émancipation technologique.
TCP-MCP co-évolue les prompts d'agents et les topologies de communication comme un génome unifié. Sur MMLU-Pro, MMLU et GSM8K avec DeepSeek-V3.2, le système atteint 82.66%, 89.96% et 96.61% d'accuracy tout en consommant 5.69× moins de tokens que les systèmes de débat.
Développeur cherche la meilleure infrastructure (~100-150k$) pour servir localement Kimi K2.6 et DeepSeek V4 en équipe de 5 (coding agentic). Compare dual GH200 NVL2 (1.2TB mémoire unifiée, 95k$) vs 8x RTX 6000 Blackwell (768GB VRAM, 140k$). Test GH200 seul : 23 tok/s en décodage 2-bit, mais préfill lent et modèles débordent en mémoire lente.
Dataset de 5 000 paires QA synthétiques pour affiner des assistants de conformité GDPR UK. Chaque paire inclut une question pratique PME et une réponse avec références d'articles GDPR, guidance ICO et étapes actionnables. Généré via Qwen 14B et DeepSeek API. Licence MIT, échantillon 1K sur Hugging Face.
MeDial-Speech : dataset de 111+ heures de dialogues médicaux parlés (robot-patient et médecin-patient) couvrant 4 conditions de santé. Benchmark de 3 LLMs (GPT-4 mini, DeepSeek-V3, Claude Sonnet 4) via sélection de phrases : Claude Sonnet 4 atteint 71,1% de précision. Révèle une surconfiance systématique des modèles.
Les modèles de raisonnement (LRM) encodent le refus conjointement dans les activations résiduelles et la chaîne de pensée (CoT). Sur DeepSeek-R1-Distill-LLaMA-8B, le steering d'activation inverse le refus dans 39% des cas avec CoT fixe, mais 70% sans CoT. Régénérer la CoT sous steering atteint 94% de succès, révélant que le refus est distribué entre activations et CoT.
La Chine impose désormais une autorisation officielle aux chercheurs IA de haut niveau chez Alibaba et DeepSeek avant de quitter le pays. Pékin craint les fuites de données, le vol technologique et le détournement de talents.
CodeWhale est un terminal de codage agentique utilisant DeepSeek en priorité, avec support multi-fournisseurs, optimisation du cache, interface en 5 langues et endpoints régionaux CN.
Les petits modèles spécialisés (Gemma 4 31B à 86.4% sur tau2-bench, Qwen 27B surpassant des modèles 397B) dominent désormais les benchmarks d'agents. Pourtant l'industrie continue d'utiliser des modèles frontière coûteux : les labs de frontier gagnent à la facturation par token, créant un désalignement économique entre performance technique et adoption.
DeepSeek rend permanent une réduction de 75% sur son modèle phare. La baisse de prix vise à augmenter l'adoption et la compétitivité face aux autres fournisseurs d'IA.
DeepSeek lance Reasonix, un agent de codage natif optimisé pour le cache et les coûts réduits. Le modèle exploite les capacités de raisonnement de DeepSeek avec une architecture spécialisée pour les tâches de génération de code.
DeepSeek rend permanente sa réduction de 75 % sur V4-Pro : $0,435 par million tokens en entrée, 11,5× moins cher qu'GPT-4.5 en input, 34× moins cher en output. Cette tarification agressive pourrait presser les fournisseurs occidentaux, notamment pour les systèmes agentiques.
DeepSeek lève environ 10 milliards de dollars, valorisant la startup chinoise à 45 milliards. Le fondateur Liang Wenfeng déclare aux investisseurs que la recherche AGI prime sur les profits à court terme.
Entraînement d'un détecteur d'injection de prompt avec ml-intern et DeepSeek v4 Flash. DistilBERT atteint F1 99%, compressé en ONNX int8 (~65 MB), exécutable en navigateur via Transformers.js v3. Coût total <$5 via API DeepSeek.
DeepSeek lève 10,29 milliards de dollars. Liang Wenfeng s'engage à poursuivre le développement de modèles open-source plutôt que la commercialisation court-termiste. L'entreprise vise l'AGI.
Hy-MT2 est une famille de modèles de traduction multilingue (1.8B, 7B, 30B-MoE) supportant 33 langues. Le modèle 1.8B quantifié à 1.25-bit pèse 440 MB et accélère l'inférence de 1.5x. Les modèles 7B et 30B surpassent DeepSeek-V4-Pro et Kimi K2.6 en mode fast-thinking; le 1.8B dépasse les APIs commerciales Microsoft et Doubao.
Tencent lance Hy-MT2, famille de modèles de traduction multilingue en trois tailles (1.8B, 7B, 30B-MoE) supportant 33 langues. Le modèle 1.8B compressé à 440 MB via quantization 1.25-bit surpasse les APIs commerciales Microsoft/Doubao. Les 7B et 30B dépassent DeepSeek-V4-Pro et Kimi K2.6. Benchmark IFMTBench et intégration WMT26 inclus.
Les LLM peinent à respecter les conventions spécialisées des benchmarks de référence. Les auteurs proposent un cadre itératif de modération qui réutilise et affine les directives d'annotation pour aligner les modèles. Tests sur trois tâches de NER biomédicales (NCBI Disease, BC5CDR, BioRED) avec GPT, Gemini, DeepSeek confirment l'efficacité de l'intégration de directives et des modèles optimisés pour le raisonnement.
DeepSeek recrute une équipe à Pékin pour développer « DeepSeek Code », un agent IA concurrent direct de Claude Code, Codex et Cursor. Les candidats doivent maîtriser les boucles d'agents, MCP et l'ingénierie de contexte.
Comparaison de 5 modèles (Opus 4.7, GPT-5, Sonnet 4.6, DeepSeek V4 Pro, Hunyuan Hy3) sur 8 tâches de refactoring Python avec MCP. Écart de qualité <2% (96-99% de succès au premier appel) mais différence de coût 10x : Opus $15, GPT-5 $11, Sonnet $4, DeepSeek <$2, Hunyuan $1.50.
Nouvelle méthode de quantification post-entraînement pour LLMs appelée Bidirectional Diagonal Quantization (BDQ). Introduit la métrique Flatness pour quantifier la distribution des outliers d'activation. BDQ atteint <1% de perte de précision en W4A4 sur LLaMA-3-8B et réduit l'écart de performance de 39,1% en W2A4KV16 sur DeepSeek-R1-Distill-LLaMA-70B.
Conditional Entropy Shaping (CES) contrôle dynamiquement l'entropie des tokens pour équilibrer concision et précision du raisonnement. Implémenté sur DeepSeek-R1-Distill-7B, CES pénalise les tokens haute-entropie sur les chemins corrects et les récompense sur les chemins erronés. Résultats : amélioration de la précision avec réduction de la longueur des réponses sur 12 benchmarks mathématiques.
Exécution locale de DeepSeek-V4-Flash (284B, 13B actifs) sur 4x RTX 2080 Ti (~2500€). Kernels CUDA Turing custom + quantization W8A8 + offloading hétérogène atteignent 255 tok/s en prefill. Code open-source sur GitHub.
DBES est un cadre diagnostic pour évaluer la spécialisation des experts dans les modèles MoE (Mixture-of-Experts). Cinq métriques théoriques mesurent l'isolation de domaine et la spécialisation du routage. Tests sur Qwen, DeepSeek et GLM révèlent des paradigmes distincts. Post-training ciblé sur experts spécialisés améliore les performances de 66-94% avec 15% des ressources.
Mois chargé avec plusieurs sorties majeures : Gemma 4, DeepSeek V4, Kimi K2.6, MiMo 2.5, GLM-5.1. Nathan Lambert couvre aussi l'évaluation V4 de CAISI sur ces modèles open-source.
Nathan Lambert partage ses observations après des visites dans les principaux laboratoires IA chinois. L'article documente les approches, capacités et stratégies des acteurs locaux face à la concurrence mondiale.
DeepSeek-V4 atteint 1 million de tokens de contexte utilisables par les agents. Le modèle améliore la gestion des longs contextes et la capacité à traiter des tâches complexes multi-étapes.
Nathan Lambert expose ses prédictions sur les modèles open-source pour mi-2026, en se concentrant sur le fossé open-closed. Il analyse les tendances attendues du marché des modèles ouverts face aux solutions propriétaires.
Hugging Face analyse l'évolution de l'écosystème open-source IA global, en particulier l'impact de DeepSeek et les tendances futures. L'article examine comment les modèles open-source transforment l'accessibilité et la compétitivité de l'IA.
Analyse des choix architecturaux dans l'écosystème IA open-source chinois au-delà de DeepSeek. Examen des modèles, infrastructures et stratégies de développement des acteurs locaux face à la concurrence internationale.
Un an après le lancement de DeepSeek-V3, Hugging Face revient sur l'impact du modèle open-source chinois qui a bouleversé le marché de l'IA. L'article analyse comment cet événement a accéléré la démocratisation des modèles performants et redéfini les attentes en matière d'efficacité computationnelle.
Hugging Face publie un tutoriel pour reproduire le « moment aha » de Deepseek R1 via apprentissage par renforcement. Guide pratique sur l'entraînement de modèles avec RL pour générer du raisonnement étape par étape.
Hugging Face publie un guide pour déployer et fine-tuner les modèles DeepSeek sur AWS. Le tutoriel couvre l'infrastructure cloud, l'optimisation des ressources et les étapes pratiques de fine-tuning sur la plateforme AWS.
Hugging Face reproduit DeepSeek-R1, un modèle de raisonnement open-source. Open-R1 offre une alternative entièrement ouverte aux modèles propriétaires, avec code, données et poids disponibles publiquement pour la recherche et le déploiement.