DeepSeek V3 est une famille de grands modèles de langage à poids téléchargeables publiée à partir de décembre 2024. Son architecture Mixture-of-Experts de 671 milliards de paramètres, dont 37 milliards activés par token, a servi de base à plusieurs travaux DeepSeek ultérieurs. La mise à jour DeepSeek-V3-0324 a ensuite amélioré le raisonnement, le code front-end, l’écriture chinoise et le function calling.
Point essentiel en 2026 : DeepSeek V3 et V3-0324 restent des checkpoints officiels utiles pour la recherche et l’hébergement local, mais ils ne sont plus les modèles actuels de l’API DeepSeek. Pour une nouvelle intégration hébergée, les identifiants documentés sont deepseek-v4-flash et deepseek-v4-pro.
Transparence : deepseek-fr.ai est un guide francophone indépendant, non affilié à DeepSeek. Cette fiche distingue les poids historiques V3 du service DeepSeek actuel. Dernière vérification factuelle : 20 juillet 2026, à partir du dépôt, des model cards, du rapport technique et de la documentation API officiels.
DeepSeek V3 en bref : fiche de statut
| Élément | Information vérifiée |
|---|---|
| Versions traitées ici | DeepSeek-V3 original, DeepSeek-V3-Base et DeepSeek-V3-0324 |
| Statut | Famille historique à poids téléchargeables ; remplacée par V4 dans les services officiels actuels |
| Architecture | Mixture-of-Experts avec MLA et DeepSeekMoE |
| Paramètres | 671B au total, 37B activés par token |
| Contexte publié | 128K tokens pour V3 original |
| Taille des fichiers officiels | Environ 685B paramètres comptabilisés, dont 671B pour le modèle principal et 14B pour le module MTP |
| Poids officiels | Disponibles sur le compte deepseek-ai de Hugging Face |
| Licence V3 original | Code sous MIT ; poids Base/Chat sous la licence de modèle DeepSeek, avec usage commercial autorisé |
| Licence V3-0324 | Dépôt et poids sous MIT selon sa model card |
| Identifiants API actuels | deepseek-v4-flash et deepseek-v4-pro, pas deepseek-v3 |
Où accéder officiellement à V3 ou au service actuel ?
| Objectif | Adresse officielle | Attention |
|---|---|---|
| Télécharger V3 ou V3-0324 | huggingface.co/deepseek-ai | Épinglez le checkpoint et le commit exacts |
| Utiliser le chat DeepSeek | chat.deepseek.com | Le chat officiel sert la génération actuelle, pas nécessairement V3 |
| Utiliser l’API actuelle | platform.deepseek.com | Sélectionnez explicitement V4-Flash ou V4-Pro |
Le logo ou le nom « DeepSeek » ne suffit pas à prouver qu’un fournisseur est officiel. Pour un tiers, vérifiez l’entreprise, le modèle réel, la région de traitement, la conservation et la possibilité de supprimer vos données. Notre guide du chat officiel DeepSeek détaille les points de contrôle.
Qu’est-ce que DeepSeek V3 ?
DeepSeek V3 est un modèle généraliste conçu pour la conversation, la rédaction, la traduction, le code et différentes tâches de connaissance. Il n’est pas un modèle dense de 671B dont tous les paramètres sont calculés à chaque token. Son système MoE sélectionne une partie des experts, ce qui porte le nombre de paramètres activés à environ 37B par token.
Le dépôt officiel DeepSeek-V3 indique un préentraînement sur 14,8 billions de tokens, suivi d’étapes de supervised fine-tuning et d’apprentissage par renforcement. Le rapport publie 2,788 millions d’heures GPU H800 pour l’ensemble de l’entraînement, dont 2,664 millions pour le préentraînement. Ces chiffres décrivent le processus annoncé par DeepSeek ; ils ne correspondent ni au coût de l’inférence ni au matériel nécessaire pour servir le modèle.
Comment fonctionne l’architecture V3 ?
DeepSeekMoE : activer une partie du modèle
L’architecture Mixture-of-Experts distribue les paramètres entre plusieurs experts et route chaque token vers un sous-ensemble approprié. Elle permet d’augmenter la capacité totale sans utiliser tous les paramètres pour chaque token. Cette économie de calcul ne réduit pas proportionnellement la taille des poids à stocker : tous les experts doivent rester accessibles au moteur d’inférence.
MLA : réduire le coût de l’attention
Multi-head Latent Attention, ou MLA, compresse les représentations utilisées par l’attention afin de réduire la mémoire du cache KV et le coût d’inférence, en particulier sur les longues séquences. Le gain réel dépend du runtime, du matériel, de la précision et de la longueur de contexte : l’existence de MLA ne rend pas un checkpoint 671B adapté à un ordinateur ordinaire.
Équilibrage sans perte auxiliaire et Multi-Token Prediction
DeepSeek présente une stratégie d’équilibrage des experts sans perte auxiliaire, destinée à limiter la dégradation de qualité provoquée par certaines méthodes de répartition. Le modèle utilise aussi un objectif Multi-Token Prediction, ou MTP, qui apprend à prédire plusieurs tokens futurs et peut servir à l’accélération spéculative. Les fichiers officiels comptabilisent environ 14B paramètres supplémentaires pour les modules MTP, en plus des 671B du modèle principal.
DeepSeek-V3-0324 : ce que la mise à jour a changé
DeepSeek-V3-0324 conserve exactement la structure de V3 selon sa model card officielle. Il s’agit d’une mise à jour des poids et du post-entraînement, pas d’une nouvelle architecture ou d’un modèle compact.
- Raisonnement : DeepSeek publie des améliorations sur MMLU-Pro, GPQA, AIME et LiveCodeBench.
- Développement front-end : meilleur taux d’exécution du code et interfaces produites jugées plus soignées dans les évaluations de l’entreprise.
- Écriture chinoise : style, traduction, lettres et réécriture multi-tour améliorés.
- Recherche en chinois : rapports plus détaillés lorsque des résultats de recherche sont fournis au modèle.
- Function calling : meilleure précision annoncée et correction de problèmes présents dans des versions V3 antérieures.
La model card rapporte par exemple un passage de 39,6 à 59,4 sur AIME et de 39,2 à 49,2 sur LiveCodeBench. Il s’agit de résultats publiés par le créateur du modèle, selon un protocole déterminé. Utilisez-les pour comprendre la direction du progrès, pas comme une garantie sur votre application française.
V3 original ou V3-0324 : lequel choisir ?
| Situation | Choix | Raison |
|---|---|---|
| Reproduire le rapport technique de décembre 2024 | DeepSeek-V3 ou V3-Base original | Correspond au checkpoint et aux évaluations de la publication initiale |
| Nouveau test local au sein de la famille V3 | DeepSeek-V3-0324 | Mise à jour officielle avec améliorations post-entraînement |
| Fine-tuning ou recherche sur un modèle de base | DeepSeek-V3-Base original | Checkpoint de base distinct du modèle Chat |
| Application cloud nouvelle | API DeepSeek V4 | Génération officiellement maintenue, sans gérer les poids V3 |
| Machine personnelle | Ne pas commencer par le V3 complet | Empreinte de centaines de milliards de paramètres |
Épinglez toujours le nom complet du checkpoint et son commit. Écrire seulement « DeepSeek V3 » dans un rapport empêche de savoir s’il s’agit du V3 original, de V3-0324, d’une quantification communautaire, d’un fournisseur tiers ou d’un ancien service API.
DeepSeek V3 est-il encore disponible via l’API officielle ?
Pas sous un identifiant V3 actuel. La documentation officielle V4 indique que les nouveaux identifiants sont deepseek-v4-flash et deepseek-v4-pro. L’ancien deepseek-chat route temporairement vers V4-Flash en mode non-thinking et DeepSeek a annoncé son retrait complet après le 24 juillet 2026 à 15:59 UTC. Il ne faut donc plus l’utiliser comme preuve qu’une requête appelle V3.
Pour une nouvelle intégration, conservez l’URL de base officielle et choisissez explicitement un modèle V4. Exemple Python minimal :
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["DEEPSEEK_API_KEY"],
base_url="https://api.deepseek.com",
)
response = client.chat.completions.create(
model="deepseek-v4-flash",
messages=[
{"role": "user", "content": "Résume ce texte en cinq points vérifiables."}
],
)
print(response.choices[0].message.content)Placez la clé dans une variable d’environnement ou un gestionnaire de secrets, jamais dans un navigateur, une application mobile distribuée ou un dépôt Git. La compatibilité avec le SDK OpenAI Chat Completions ne signifie pas que tous les endpoints et toutes les fonctions OpenAI sont reproduits. Consultez notre documentation DeepSeek API en français avant la mise en production.
Peut-on exécuter DeepSeek V3 localement ?
Oui, les poids sont publiés, mais « local » ne signifie pas « sur un ordinateur portable ». Le modèle principal compte 671B paramètres et les fichiers officiels incluent aussi le module MTP. Même si seuls 37B paramètres sont activés par token, l’infrastructure doit conserver et acheminer l’ensemble des experts. Un déploiement complet vise donc des serveurs multi-GPU ou multi-nœuds avec réseau rapide, stockage conséquent et moteur MoE compatible.
Le dépôt V3 documente notamment DeepSeek-Infer, SGLang, LMDeploy, TensorRT-LLM, vLLM, LightLLM, des GPU AMD et des NPU Huawei Ascend. Ces mentions reflètent l’état du dépôt et des intégrations au moment de leur publication ; vérifiez les versions actuelles de chaque moteur avant de concevoir l’infrastructure. La documentation indique aussi que les poids V3 fournis sont en FP8, avec un script de conversion en BF16, et que Transformers n’était pas directement pris en charge dans ce guide officiel.
Checklist avant de télécharger les poids
- Calculer la place nécessaire pour les poids, les copies temporaires, le cache et la conversion.
- Vérifier que le runtime prend en charge l’architecture MoE, MLA, le format FP8 et votre matériel.
- Dimensionner la mémoire KV avec la longueur de contexte réellement utilisée, pas seulement le maximum théorique.
- Tester le débit, le temps du premier token, la stabilité et le comportement en charge.
- Épingler le checkpoint, le commit, le tokenizer, le runtime, le pilote et le format de précision.
- Contrôler les licences et la provenance des quantifications ou conversions communautaires.
Si votre objectif est simplement de tester DeepSeek avec des données non sensibles, l’API est généralement plus rapide à démarrer. Si vous exigez un contrôle d’infrastructure, une reproductibilité de checkpoint ou une exécution isolée, évaluez le local avec notre guide installer DeepSeek localement et la comparaison local ou API.
Licence : V3 original et V3-0324 ne sont pas identiques
| Composant | Licence publiée | Conséquence pratique |
|---|---|---|
| Code du dépôt DeepSeek-V3 | MIT | Utilisable et modifiable sous les conditions de la licence MIT |
| Poids V3-Base et V3-Chat originaux | DeepSeek Model License | Usage commercial autorisé, mais lire et conserver les conditions exactes |
| Dépôt et poids DeepSeek-V3-0324 | MIT selon la model card officielle | Usage soumis aux obligations de la licence MIT |
| Runtime, quantification et interface | Variable | Chaque dépendance doit être vérifiée séparément |
| Nom et logo DeepSeek | Droits de marque distincts | La licence des poids n’autorise pas à présenter un produit tiers comme officiel |
Il est donc imprécis de dire simplement « tout DeepSeek V3 est sous MIT ». Lisez les fichiers LICENSE-CODE et LICENSE-MODEL du V3 original, ou le fichier MIT du checkpoint V3-0324 que vous distribuez. Une licence permissive ne garantit pas que vos données d’entraînement, entrées utilisateur, bibliothèques ou usages métier sont juridiquement conformes.
Pour quels usages V3 reste-t-il pertinent ?
- Recherche reproductible : comparer une méthode ou un benchmark avec le checkpoint de la publication initiale.
- Étude des architectures MoE : analyser DeepSeekMoE, MLA, l’équilibrage et MTP.
- Hébergement maîtrisé : conserver le checkpoint sur une infrastructure adaptée et contrôler les flux.
- Compatibilité d’un runtime : tester la prise en charge d’un grand modèle FP8 multi-nœud.
- Comparaison historique : mesurer les progrès entre V3, R1 et les générations suivantes avec un protocole constant.
Pour un assistant généraliste neuf, le statut actuel, le coût total et la maintenance comptent plus que la notoriété historique. Comparez V3-0324 à V4 et à un modèle plus petit sur votre corpus, au lieu de réutiliser un classement public sans reproduire son protocole.
DeepSeek V3 face à R1 et V4
| Famille | Rôle principal | Statut pratique en 2026 |
|---|---|---|
| DeepSeek V3 / V3-0324 | Modèle généraliste à poids publiés | Référence historique et locale |
| DeepSeek R1 / R1-0528 | Raisonnement approfondi et distillats | Référence historique et locale |
| DeepSeek V4-Flash | Modèle API rapide et économique, avec modes thinking et non-thinking | Modèle officiel actuel |
| DeepSeek V4-Pro | Modèle API principal pour raisonnement et agents complexes | Modèle officiel actuel |
V3 peut produire du raisonnement, et R1 peut accomplir des tâches générales : la distinction décrit leur orientation et leur post-entraînement, pas une frontière absolue. V4 est une autre génération et ne doit pas être présenté comme un simple alias de V3. Consultez également nos fiches DeepSeek R1 et DeepSeek V4.
Limites et précautions
- Poids très volumineux : 37B activés ne signifie pas téléchargement ou mémoire de 37B.
- Informations obsolètes : le checkpoint n’apprend pas automatiquement les événements postérieurs à son entraînement. Ajoutez une recherche ou une base documentaire vérifiée si nécessaire.
- Hallucinations : une réponse fluide peut inventer un fait, une référence, une API ou une vulnérabilité.
- Français variable : évaluez accents, terminologie, consignes locales et documents longs sur votre propre corpus.
- Code non fiable : compilez, testez et analysez toute sortie dans un environnement isolé avant intégration.
- Prompt injection : n’accordez pas automatiquement à un document ou à une page web la capacité de déclencher une action.
- Quantifications tierces : mesurez la perte de qualité et contrôlez provenance, hash et licence.
- Confidentialité : un modèle local améliore le contrôle seulement si l’interface, les logs, les outils et le stockage restent également maîtrisés.
N’utilisez pas une sortie V3 comme décision finale dans la santé, le droit, la finance, les ressources humaines ou la cybersécurité. Faites valider le résultat par une personne qualifiée et conservez la possibilité d’annuler toute action. Pour les risques liés aux différents modes d’accès, voir notre guide de sécurité DeepSeek.
Méthode de test avant adoption
- Définissez le cas d’usage. Exemple : résumer des documents français avec citations, corriger du Python ou classer des demandes client.
- Créez un jeu d’évaluation. Incluez cas normaux, entrées ambiguës, refus attendus, données longues et attaques par injection.
- Épinglez chaque variable. Checkpoint, commit, tokenizer, runtime, précision, température, prompt et longueur de contexte.
- Mesurez plusieurs dimensions. Exactitude, citations, latence, débit, mémoire, coût, taux d’échec et charge opérationnelle.
- Comparez à une alternative. Testez V3-0324 face à l’API V4 et à un modèle plus petit avec les mêmes entrées.
- Documentez le choix. Indiquez la version retenue, ses limites, le propriétaire du contrôle et la date de réévaluation.
Questions fréquentes sur DeepSeek V3
DeepSeek V3 est-il le modèle actuel de DeepSeek ?
Non. V3 reste un checkpoint officiel disponible au téléchargement, mais les services et l’API officiels utilisent désormais la génération V4. Une page ancienne associant deepseek-chat à V3 ne décrit plus le routage actuel.
Quelle différence entre V3 et V3-0324 ?
V3-0324 conserve exactement l’architecture V3, mais met à jour les poids et le post-entraînement. DeepSeek annonce de meilleurs résultats en raisonnement, code front-end, écriture chinoise, recherche et function calling.
DeepSeek V3 est-il open source ?
Les poids et du code sont publiés, mais la licence exacte varie. Le code V3 original est sous MIT, ses poids Base/Chat relèvent de la DeepSeek Model License, et V3-0324 est publié sous MIT selon sa model card. « À poids ouverts » est donc une formulation plus précise qu’une affirmation générale sur tout l’écosystème.
Pourquoi voit-on 671B et 685B pour le même modèle ?
Les 671B correspondent au modèle principal. Le dépôt officiel explique que la taille totale publiée sur Hugging Face atteint environ 685B en ajoutant 14B de paramètres liés aux modules Multi-Token Prediction.
Pourquoi 37B paramètres actifs ne suffisent-ils pas à un seul GPU ?
Parce que 37B décrit le sous-ensemble calculé pour un token, pas la quantité totale de poids à stocker. Le routeur peut sélectionner différents experts à différents moments ; l’infrastructure doit donc rendre l’ensemble du modèle disponible.
Peut-on utiliser DeepSeek V3 en français ?
Oui, le modèle peut traiter le français, mais la qualité dépend de la tâche et de la version. Évaluez la terminologie française, les textes longs et les consignes métier plutôt que d’extrapoler depuis un benchmark anglais ou chinois.
V3 est-il gratuit ?
Le téléchargement des poids ne facture pas de token à DeepSeek, mais le stockage, les GPU, l’électricité, le réseau, l’ingénierie et la maintenance ont un coût. Un hébergeur tiers peut aussi facturer l’accès à un checkpoint V3.
Sources officielles
- Dépôt officiel DeepSeek-V3 : architecture, poids, inférence et licences
- Model card officielle DeepSeek-V3
- Model card officielle DeepSeek-V3-0324
- Rapport technique officiel DeepSeek-V3
- Annonce officielle DeepSeek-V4 et migration des identifiants API
Conclusion : DeepSeek V3 demeure pertinent comme checkpoint historique, objet de recherche et option d’hébergement spécialisé. Il ne doit cependant pas être présenté comme le modèle servi actuellement par l’API. Pour un projet neuf, comparez V3-0324 local à V4 via l’API sur des tests identiques, puis choisissez selon la qualité, la confidentialité, l’infrastructure et le coût total.
