En août 2025, DeepSeek a franchi une nouvelle étape dans l’amélioration continue de ses modèles de langage avec le lancement de DeepSeek-V3.1 Terminus, première mise à jour majeure de sa série V3.
Cette évolution, dévoilée environ huit mois après le choc initial de R1, illustre la volonté de la startup de consolider son avance technique et de répondre aux retours de sa communauté d’utilisateurs.
Terminus est présenté comme un affinage du modèle V3.1 sorti plus tôt durant l’été : même architecture de base de 685 milliards de paramètres, mais des sorties plus stables et une meilleure maîtrise des contextes complexes.
« Le baleineau est de retour ! » plaisante DeepSeek dans sa communication, en référence à la baleine stylisée de son logo, pour marquer ce retour sur le devant de la scène avec une version optimisée de son IA généraliste.
L’une des avancées notables de Terminus concerne la gestion du langage et des outils. Les utilisateurs avaient signalé que le modèle V3 montrait parfois des signes d’instabilité linguistique, insérant par exemple des caractères chinois au milieu de réponses en anglais ou produisant ponctuellement des suites incohérentes.
La version Terminus a été spécialement entraînée pour éliminer ces artefacts : les sorties gagnent en cohérence monolingue, ce qui est crucial pour les déploiements internationaux. Parallèlement, DeepSeek a renforcé les capacités dites « agentielles » de son IA – c’est-à-dire son aptitude à utiliser des outils externes comme des moteurs de recherche ou des environnements de codage pour accomplir des tâches spécifiques.
Terminus intègre ainsi des améliorations à ses modules internes de « Code Agent » et « Search Agent », qui permettent de mobiliser le modèle sur de la génération de code ou de la synthèse d’information web de façon plus efficace.
Les benchmarks publiés par l’entreprise sont éloquents : +8 points de réussite sur l’évaluation BrowseComp (simulant des recherches en ligne), +5 sur Terminal-Bench (résolution d’exercices de programmation), par rapport à la version V3.1 précédente.
En revanche, les performances brutes en pur raisonnement logique n’évoluent qu’à la marge, signe que Terminus est davantage un raffinement pratique qu’une révolution conceptuelle.
DeepSeek-V3.1 Terminus se distingue également par son offre en deux modes d’utilisation, pensée pour s’adapter aux besoins variés des développeurs.
Le mode « chat » (deepseek-chat) correspond à un usage conversationnel classique : il prend en charge des fonctionnalités comme l’appel de fonctions (API) ou la complétion en contexte (insertion de texte en cours de phrase), et peut restituer des réponses structurées en JSON si nécessaire. Ce mode est optimisé pour la fluidité et la cohérence dans les dialogues.
À côté, le mode « reasoner » (deepseek-reasoner) est conçu pour les tâches nécessitant un raisonnement poussé sur de longs contextes : il peut traiter jusqu’à 128 000 tokens de contexte, soit l’équivalent de 300 pages de texte, et produire des explications détaillées – toutefois, il désactive certaines fonctions (pas de format JSON ou d’appel de fonction) pour se concentrer sur la profondeur d’analyse.
Une requête sollicitant un outil externe dans le mode reasoner sera d’ailleurs automatiquement redirigée vers le mode chat, illustrant la complémentarité entre les deux approches.
Côté tarifs, DeepSeek a conservé son modèle ultra-compétitif, tout en introduisant un mécanisme de facturation innovant via un système de cache : si une requête peut être partiellement servie par des résultats mis en cache, le coût en tokens facturés est réduit d’autant.
Ainsi, 1 million de tokens d’entrée déjà en cache ne coûte que 0,07 $, contre 0,56 $ si tout doit être traité de nouveau. De quoi inciter les intégrateurs à réutiliser les contextes fréquents et optimiser leurs dépenses.
Le lancement de Terminus marque aussi la poursuite de la stratégie open source de DeepSeek. Le modèle et ses poids ont été publiés sur Hugging Face dès sa sortie, accompagnés d’une licence MIT toujours aussi permissive pour un usage commercial.
Cette ouverture constante vise à consolider la base d’utilisateurs et la communauté de contributeurs autour de DeepSeek.
De fait, l’annonce de Terminus a été suivie de mises à jour quasi immédiates dans divers projets open source tiers : l’outil AnyCoder a intégré le support de Terminus pour aider à l’autocomplétion de code, et la plateforme NovitaLabs propose déjà le modèle en API sans serveur pour en faciliter les tests.
À Hong Kong, où se trouve le centre de R&D de DeepSeek, on souligne que cette version 3.1 affûtée répond à 90 % aux attentes formulées par les développeurs depuis le début de l’année.
Les quelques défis restant – tel un léger problème de format de paramètre FP8 à corriger dans une prochaine mise à jour – font l’objet d’une transparence totale de la part de l’équipe, signe de la maturité croissante de l’entreprise.
En toile de fond, une question émerge : quelle est la suite ? La sortie de Terminus, aussi positive soit-elle, intervient à un moment où certains commentateurs s’interrogent sur la capacité de DeepSeek à franchir un nouveau palier.
Des rumeurs circulent déjà sur l’arrivée prochaine de DeepSeek-V4, voire d’un hypothétique DeepSeek-R2, mais l’absence d’annonces fermes alimente les spéculations.
D’aucuns avancent que la focalisation prolongée sur la lignée V3 au cours de 2025 trahit des difficultés de développement pour produire une nouvelle génération encore plus puissante.
Liang Wenfeng et son équipe démentent tout essoufflement et assurent que ces mises à jour incrémentales préparent le terrain pour des sauts technologiques futurs.
En attendant, DeepSeek-V3.1 Terminus consolide l’existant et prouve qu’en matière d’IA, le jeune outsider chinois sait aussi jouer la carte de la fiabilité sur le long terme, au-delà du simple effet de surprise initial.
