Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Ask a language model for a 3D model of the Palace Museum, a browser racing game or a recreation of Portal 2 in the Godot engine, with a short prompt and almost no reference material, and DeepSeek says it can return something you can run. That is the demonstration the Chinese AI lab put forward with V4.1-Flash-1017, released on October 17 as a minor update to its V4.1 Flash model. The demos, a cross-era 3D scene called Valley of Ages among them, were each built in very few interaction rounds inside DeepSeek Harness, the company's own agent environment.
Demandez à un modèle de langage une maquette 3D du Musée du Palais, un jeu de course dans le navigateur ou une reconstitution de Portal 2 avec le moteur Godot, à partir d'une consigne courte et presque sans documentation de référence : DeepSeek affirme qu'il peut renvoyer quelque chose d'exécutable. C'est la démonstration que présente ce laboratoire chinois d'intelligence artificielle avec V4.1-Flash-1017, publié le 17 octobre comme mise à jour mineure de son modèle V4.1 Flash. Les démonstrations, parmi lesquelles une scène 3D intertemporelle baptisée « Vallée des âges », ont chacune été construites en très peu d'échanges au sein de DeepSeek Harness, l'environnement d'agents propre à l'entreprise.
DeepSeek calls the capability wish-style programming: building a complete project from scratch from a brief request. The company credits reinforcement learning based on self-feedback, a training method in which the model critiques its own end-to-end output. The update is also presented as a Pareto improvement, a term meaning better on several measures at once: higher benchmark scores, but also shorter run times and shorter outputs, which lowers the overall cost of each call. TechNode's report adds gains in reasoning and visual understanding.
DeepSeek nomme cette capacité la programmation « à la demande » : construire un projet complet à partir de zéro, à partir d'une demande succincte. L'entreprise l'attribue à un apprentissage par renforcement fondé sur l'auto-évaluation, une méthode d'entraînement dans laquelle le modèle critique sa propre production de bout en bout. La mise à jour est aussi présentée comme une amélioration au sens de Pareto, c'est-à-dire meilleure sur plusieurs critères à la fois : des scores de test plus élevés, mais aussi des temps d'exécution et des réponses plus courts, ce qui réduit le coût global de chaque appel. Selon TechNode, les progrès portent également sur le raisonnement et la compréhension visuelle.
The numbers are the sharpest part of the claim. On Terminal-Bench 4.0, run with the Claude Code harness, the score rose from 31.2 to 42.3. ProgramBench went from 20.3 to 29.1, DeepSWE v1.1 from 74.2 to 77.0, NL2Repo-Bench from 65.4 to 68.2 and Automation-Bench from 54.8 to 60.5. These figures come from the Hugging Face model card, that is, from DeepSeek itself. No independent evaluation appears in the sources, so they should be read as the company's measurements until outside testers reproduce them.
Les chiffres constituent la partie la plus frappante de cette affirmation. Sur Terminal-Bench 4.0, exécuté avec le harnais Claude Code, le score est passé de 31,2 à 42,3. ProgramBench est passé de 20,3 à 29,1, DeepSWE v1.1 de 74,2 à 77,0, NL2Repo-Bench de 65,4 à 68,2 et Automation-Bench de 54,8 à 60,5. Ces résultats proviennent de la fiche modèle sur Hugging Face, c'est-à-dire de DeepSeek lui-même. Les sources ne mentionnent aucune évaluation indépendante : il faut donc les lire comme les mesures de l'entreprise, tant que des testeurs extérieurs ne les auront pas reproduites.
The context is also worth keeping in view. On the morning of October 15, two days before the release, users found DeepSeek unavailable for close to five hours. A report on Tencent News counted 44 incidents so far this year on DeepSeek's public status page, ranging from brief slowdowns to partial outages, including one lasting about 12 hours in late March. DeepSeek has not linked that outage to the model update, and the sources do not say whether the model itself changed the service's reliability.
Le contexte mérite également d'être gardé à l'esprit. Le matin du 15 octobre, soit deux jours avant la sortie, des utilisateurs ont constaté que DeepSeek était indisponible pendant près de cinq heures. Un article de Tencent News recense 44 incidents depuis le début de l'année sur la page d'état publique de DeepSeek, allant de brefs ralentissements à des pannes partielles, dont une d'environ 12 heures fin mars. DeepSeek n'a pas relié cette panne à la mise à jour du modèle, et les sources ne précisent pas si le modèle lui-même a modifié la fiabilité du service.
For developers, little changes on day one. API users keep the same model name, deepseek-flash, and the same pricing, and the weights are on Hugging Face and ModelScope under the MIT license, the same terms as V4.1 Flash. Teams that want to host the model themselves get inference code and deployment instructions. Users of DeepSeek Harness need version 0.2.1-rc.1 or later for full support, and the model was also adapted for Tencent's CodeBuddy and WorkBuddy tools. DeepSeek opened its in-house search engine to developers as standalone Search and Fetch APIs at the same time. Available now, the update is worth testing for agent-style coding work, where the company's own benchmarks say the gains are largest.
Pour les développeurs, peu de choses changent dès le premier jour. Les utilisateurs de l'API conservent le même nom de modèle, deepseek-flash, et les mêmes tarifs ; les poids sont disponibles sur Hugging Face et ModelScope sous licence MIT, les mêmes conditions que pour V4.1 Flash. Les équipes qui souhaitent héberger le modèle elles-mêmes disposent du code d'inférence et des instructions de déploiement. Les utilisateurs de DeepSeek Harness ont besoin de la version 0.2.1-rc.1 ou ultérieure pour un support complet, et le modèle a également été adapté aux outils CodeBuddy et WorkBuddy de Tencent. DeepSeek a par ailleurs ouvert à des développeurs son moteur de recherche interne, sous forme d'API Search et Fetch autonomes, au même moment. Disponible dès maintenant, la mise à jour mérite d'être testée pour les travaux de programmation confiés à des agents, domaine où, selon les propres tests de l'entreprise, les gains sont les plus importants.