# DeepSeek-V4-Pro

> Fiche du modèle de langage DeepSeek-V4-Pro sur Quelle IA, édition du 28 septembre 2026. DeepSeek-V4-Pro (DeepSeek) : score IA de 82,1, 50e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/deepseek-v4-pro/
Origine : DeepSeek · Chine · sorti le 24 avril 2026

## Score général

- Score IA : 82,1 (marge à 90 % : de 79,2 à 85,1)
- Rang : 50 (Groupe 7, ex æquo)
- Couverture : 95 % du poids des tâches, 25 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 80,6 | Rang 43 · 56 % |
| Code | 79,0 | Rang 40 · 38 % |
| Agents | 85,0 | Provisoire · 11 % |
| Usage | 83,2 | Rang 48 · 100 % |
| Maths | 80,6 | Rang 45 · 62 % |
| Sciences | 79,0 | Rang 50 · 80 % |
| Français | 82,9 | Rang 22 · 50 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 84,2 | Rang 44 · 100 % |
| Web | 88,6 | Rang 29 · 100 % |

## Exécution locale

Trop lourd pour les machines que suit Quelle IA : 1 104,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

- Allégée, 4 bits : 1 104,0 Go
- Allégée, 8 bits : 1 932,0 Go
- Complète, 16 bits : 3 680,0 Go

- Plus petite machine : aucune, il faut un serveur
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : Trop juste
- Ryzen AI Max : Trop juste
- Nvidia DGX : Trop juste
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,38 € / 0,75 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte
- Réflexion : Faible, élevée, maximale (trois niveaux réglables)
- Paramètres : 1 600 milliards
- Licence : MIT (poids ouverts, téléchargeables)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro)
- Sur votre machine : [Ollama](https://ollama.com/search?q=DeepSeek-V4-Pro)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/deepseek/deepseek-v4-pro)
- Par API : [API DeepSeek](https://api-docs.deepseek.com)
- L'essayer : [DeepSeek](https://chat.deepseek.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 96,7 % | 85,4 | saturé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 95,6 % | 83,3 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 90,9 % | 84,1 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 89,6 % | 82,3 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 90,7 % | 86,1 | saturé | https://conceptualreasoning.ai/dtbench |
| SWE-bench Verified | Code | 77,6 % | 85,5 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 582,3 Elo | 89,7 | actif | https://arena.ai/leaderboard |
| GPQA Diamond | Sciences | 73,2 % | 67,7 | actif | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 446,1 Elo | 87,0 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 444,7 Elo | 86,7 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 441,0 Elo | 85,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 466,0 Elo | 83,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 464,2 Elo | 84,3 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 483,9 Elo | 82,2 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 485,0 Elo | 83,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 505,6 Elo | 82,8 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 479,7 Elo | 81,4 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 457,7 Elo | 82,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 457,5 Elo | 81,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 500,4 Elo | 81,7 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 475,6 Elo | 80,6 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 455,0 Elo | 82,1 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 476,0 Elo | 81,6 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 469,7 Elo | 80,3 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 444,8 Elo | 78,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 487,8 Elo | 78,9 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 463,4 Elo | 81,6 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 048,0 Elo | 83,5 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Code Arena, WebDev | Web | 1 446,2 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| SciCode | Code | 50 % | 83,2 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 50 % | 83,2 | actif | https://artificialanalysis.ai/evaluations/scicode |
| Vending-Bench 2 | Agents | 3 285 $ | 86,4 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 48,9 % | 73,8 | actif | https://htihle.github.io/weirdml.html |
| LMCA | Raisonnement | 41,2 | 81,1 | actif | https://conceptualreasoning.ai/lmca |
| SimpleQA Verified | Données | 47 % | 85,5 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 46,7 % | 61,4 | saturé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 46,5 % | 72,2 | actif | https://htihle.github.io/weirdml.html |
| SciCode | Code | 46,4 % | 79,0 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 46,4 % | 79,0 | actif | https://artificialanalysis.ai/evaluations/scicode |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 45,3 % | 80,3 | actif | https://epoch.ai/benchmarks |
| Surface Evolver Bench | Sciences | 40 % | 77,2 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| FrontierCode | Code | 17,6 % | 77,6 | actif | https://cognition.com/frontiercode |
| ProofBench | Maths | 16 % | 81,5 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| Chess Puzzles | Raisonnement | 20 % | 77,5 | actif | https://epoch.ai/benchmarks |
| CL-bench Life | Données | 13,5 % | 81,5 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 12,9 % | 85,7 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 56,1 % | 26,9 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 10 % | 83,1 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 17 % | 79,9 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 13 % | 70,2 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 2,4 % | 74,4 | saturé | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 7 % | 55,5 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de DeepSeek-V4-Pro ?** DeepSeek-V4-Pro obtient un score IA de 82,1, avec une marge de 79,2 à 85,1, dans l'édition du 28 septembre 2026. Il est classé 50e sur 246 modèles, à partir de 25 mesures.

**Dans quelles tâches DeepSeek-V4-Pro est-il le plus fort ?** Ses deux meilleures tâches sont web (88,6) et agents (85,0). Sa tâche la plus faible est sciences (79,0).

**DeepSeek-V4-Pro peut-il tourner en local ?** Trop lourd pour les machines que suit Quelle IA : 1 104,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

**Combien coûte DeepSeek-V4-Pro ?** 0,38 € par million de jetons en entrée et 0,75 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite DeepSeek-V4-Pro ?** DeepSeek-V4-Pro est édité par DeepSeek (Chine), et il est sorti le 24 avril 2026. Ses poids sont ouverts, sous licence MIT.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com