DeepSeek-V4-Flash : Support de l'API des Réponses et Codex

Cachée dans l'annonce de la sortie du V4-Flash de DeepSeek du 31 juillet se trouve la ligne la plus stratégiquement intéressante : le V4-Flash officiel « prend en charge nativement le format Responses API et est entièrement adapté à Codex. »

Relisez cela. Un laboratoire chinois open-weight vient d'implémenter le tout nouveau format d'API d'OpenAI, celui qu'OpenAI a conçu pour ses propres produits agents, spécifiquement pour que l'agent de codage d'OpenAI puisse fonctionner sur un modèle DeepSeek. Le journal des modifications indique clairement la motivation : « Pour répondre à la demande de Codex, notre API prend désormais en charge le format Responses API. »

Cet article explique ce que cela signifie en pratique : à quel point l'implémentation est compatible, ce qui est silencieusement ignoré, comment connecter V4-Flash à Codex en deux minutes, et où se trouvent les difficultés. Si vous avez d'abord besoin d'une configuration API de base, commencez par notre guide bêta public V4-Flash.

bouton

Pourquoi l'API Responses est importante ici

OpenAI a introduit l'API Responses comme successeur de Chat Completions : une interface unique conçue pour les charges de travail agiles, avec des éléments de raisonnement de premier ordre, des outils intégrés et des événements de streaming sémantiques. Nous détaillons le format dans Comment utiliser l'API OpenAI Responses, mais en bref : c'est le format que la pile d'agents d'OpenAI, y compris Codex, parle nativement.

Jusqu'à présent, l'exécution d'un modèle non-OpenAI derrière un client de l'API Responses nécessitait un proxy de traduction ou rien. DeepSeek a ignoré le proxy et a implémenté le format côté serveur à l'adresse https://api.deepseek.com. Votre SDK OpenAI existant fonctionne sans modification :

# pip3 install openai
from openai import OpenAI

client = OpenAI(
    api_key="<your DeepSeek API key>",
    base_url="https://api.deepseek.com"
)

response = client.responses.create(
    model="deepseek-v4-flash",
    instructions="You are a helpful assistant.",
    input="Hi, how are you?",
)

print(response.output_text)

Une précision avant de vous enthousiasmer : l'API Responses ne fonctionne actuellement qu'avec deepseek-v4-flash. DeepSeek annonce l'arrivée du support de deepseek-v4-pro début août 2026.

Quelle est la complétude de la compatibilité ?

DeepSeek a publié une matrice de compatibilité complète, ce que la plupart des fournisseurs « compatibles OpenAI » ne prennent pas la peine de faire. Les lignes importantes :

Pris en charge et fonctionnel :

input et instructions, sous forme de chaîne ou de liste d'éléments
stream avec la séquence complète d'événements sémantiques
temperature, top_p, max_output_tokens, top_logprobs
tools avec les types function et web_search ; la recherche web s'exécute côté serveur
tool_choice, y compris le forçage d'une fonction spécifique
reasoning.effort pour la profondeur de raisonnement

Accepté mais inerte :

reasoning.summary est accepté, mais aucun résumé n'est généré
text.verbosity est accepté sans effet
parallel_tool_calls est ignoré car l'appel d'outils parallèle est toujours activé

Non pris en charge, par conception :

previous_response_id et conversation : l'API est sans état, vous gérez donc l'historique de conversation vous-même et l'envoyez sous forme de liste d'éléments d'entrée
store : chaque réponse revient avec store: false
background, metadata, include, service_tier, et les clés de mise en cache d'invite ; la mise en cache du contexte se fait automatiquement à la place

Le côté élégant : les paramètres non pris en charge sont silencieusement ignorés plutôt que rejetés, de sorte que les clients API Responses existants se connectent sans modification. Le côté impitoyable : les requêtes qui dépassent la fenêtre contextuelle de 1 million de tokens renvoient une erreur 400 au lieu d'être tronquées.

Le streaming suit le modèle d'événement de l'API Responses, de response.created à response.completed, avec les deltas de raisonnement (response.reasoning_text.delta) arrivant comme des événements distincts du texte de sortie. Il n'y a pas de terminateur data: [DONE] ; le flux se termine par un événement response.completed, response.incomplete, ou response.failed. Si votre gestionnaire SSE attend [DONE], il se bloquera. Notre guide sur le streaming des réponses API avec des événements envoyés par le serveur couvre les modèles d'analyse défensive pour ce type de différence de dialecte.

Configuration de Codex avec DeepSeek-V4-Flash

Codex communique avec les modèles via l'API Responses, ce qui est la raison d'être de cette version. Le guide d'intégration de DeepSeek propose deux chemins, et les deux configurent chaque client Codex simultanément (CLI, application de bureau ChatGPT et extension VS Code), puisqu'ils partagent une seule configuration.

Le script en un clic

Assurez-vous que l'interface de ligne de commande (CLI) de Codex ou l'application de bureau ChatGPT est installée et a été exécutée au moins une fois, puis :

bash <(curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.sh)

Les utilisateurs de Windows exécutent la variante PowerShell :

irm https://cdn.deepseek.com/api-docs/codex-deepseek-setup-en.ps1 | iex

Le script demande votre clé API DeepSeek lors de la première exécution, puis effectue quatre actions : il sauvegarde votre fichier ~/.codex/config.toml existant dans ~/.codex/backup-deepseek/, écrit un catalogue de modèles dans ~/.codex/models.json, ajoute une section [model_providers.deepseek] à votre configuration tout en préservant les serveurs MCP et les paramètres de confiance du projet, et valide la syntaxe avant d'écrire quoi que ce soit. Exécutez-le à nouveau à tout moment pour changer de modèle ou restaurer votre configuration d'origine depuis le menu.

La prudence habituelle s'applique à l'envoi de curl dans bash : lisez le script d'abord si telle est votre politique. Le comportement de sauvegarde et de validation est un bon signe, mais il s'agit toujours d'un script tiers touchant votre configuration Codex.

Ce que le catalogue de modèles vous apprend

Le fichier models.json que le script écrit mérite d'être lu, car il documente la manière dont DeepSeek positionne le modèle au sein de Codex :

Fenêtre contextuelle : 1 048 576 tokens
Niveaux de raisonnement : low, high et max, avec high comme valeur par défaut
Appels d'outils parallèles pris en charge
Nécessite la version 0.144.0 ou ultérieure du client Codex

Le catalogue décrit V4-Flash comme le « dernier modèle de codage agentique de pointe », et seul deepseek-v4-flash fonctionne aujourd'hui. Le catalogue inclut déjà deepseek-v4-pro pour le moment où le support arrivera début août.

Tient-il vraiment la route au sein de Codex ?

L'argument de DeepSeek est que le ré-entraînement post-0731 visait précisément cette charge de travail. Leurs chiffres d'agent publiés : Terminal Bench 2.1 à 82,7, Cybergym à 76,7, Toolathlon vérifié à 70,3, DeepSWE à 54,4, tous étant signalés comme surpassant V4-Pro-Preview. Considérez-les comme des chiffres de fournisseur jusqu'à ce que des exécutions indépendantes apparaissent ; ils ont été produits avec le propre banc de test de DeepSeek à effort maximal, et deux des benchmarks annoncés sont des ensembles de tests internes.

L'aspect économique est plus difficile à contester. À 0,14 $ par million de tokens d'entrée (échec de cache) et 0,28 $ par million de tokens de sortie, V4-Flash coûte une fraction des modèles que Codex exécute normalement, et les réussites de cache réduisent le coût d'entrée à 0,0028 $. Une journée de sessions d'agent intensives coûte moins cher que le café que vous buvez pendant celle-ci. Pour le tableau complet des coûts, consultez la section Tarification de notre guide bêta. Si vous comparez Codex à des alternatives, notre comparaison Claude Code vs Codex CLI couvre le côté agent de l'équation.

Vérifiez le point de terminaison avant de faire confiance à l'agent

Un agent n'est débogable qu'à la mesure de l'API qui le sous-tend, et un tout nouveau point de terminaison bêta public mérite un test approfondi avant de laisser Codex se déchaîner sur un vrai dépôt. C'est un travail de cinq minutes dans Apidog :

Ajoutez POST https://api.deepseek.com/responses comme point de terminaison et stockez votre clé dans une variable d'environnement.
Envoyez une charge utile minimale responses.create et confirmez la forme des éléments de sortie : un élément reasoning suivi d'un élément message.
Activez stream: true et observez la séquence d'événements en direct. Apidog affiche chaque événement SSE au fur et à mesure qu'il arrive, ce qui permet de savoir clairement si votre client doit écouter response.output_text.delta ou attendre quelque chose qui ne viendra jamais.
Enregistrez une requête avec un outil function attaché et confirmez que le format de sortie function_call correspond à ce que votre gestionnaire attend.

Lorsque le déploiement des Réponses V4-Pro arrivera en août, relancez les mêmes requêtes enregistrées avec le nouveau nom de modèle et comparez les comportements. Téléchargez Apidog gratuitement et gardez toute la suite dans un seul projet.

FAQ

Quels modèles DeepSeek fonctionnent avec l'API Responses ? Seul deepseek-v4-flash aujourd'hui. Le support de deepseek-v4-pro est prévu pour début août 2026.

Ai-je besoin d'un nouveau SDK ? Non. Le SDK officiel d'OpenAI fonctionne ; pointez base_url vers https://api.deepseek.com et appelez client.responses.create. Les détails de configuration se trouvent dans notre guide bêta public V4-Flash.

L'état multi-tour fonctionne-t-il comme la version d'OpenAI ? Non. L'implémentation de DeepSeek est sans état : previous_response_id, conversation et store ne sont pas pris en charge. Envoyez l'historique complet sous forme d'éléments d'entrée à chaque appel.

Puis-je utiliser DeepSeek dans Codex en même temps que mon compte OpenAI ? Oui. La configuration ajoute DeepSeek comme fournisseur de modèle ; le menu du script permet de basculer entre les modèles, et votre configuration d'origine est sauvegardée afin que vous puissiez la restaurer.

Est-ce la même chose que la compatibilité avec l'API Anthropic ? Fonctionnalité distincte. DeepSeek expose également un point de terminaison au format Anthropic à https://api.deepseek.com/anthropic, c'est ainsi que fonctionne l'intégration de Claude Code. Le point de terminaison de l'API Responses existe pour les outils d'agent au format OpenAI comme Codex.

Ce que cette version signale réellement

La qualité des modèles converge, donc la concurrence se déplace vers la couche d'intégration. DeepSeek a examiné où les développeurs évoluent réellement, au sein d'agents comme Codex, et a construit l'infrastructure exacte nécessaire pour être un backend prêt à l'emploi, allant jusqu'à publier les paramètres qui sont silencieusement ignorés. Cette transparence est rare, et elle rend l'histoire de la compatibilité crédible.

Le jeu est évident et astucieux : OpenAI fournit l'agent, DeepSeek sert les tokens à un dixième du prix. Quant à savoir si le modèle 0731 surpasse réellement V4-Pro-Preview dans votre base de code, seuls vos propres évaluations pourront y répondre. Connectez-le à Apidog, exécutez votre suite de tests contre les deux, et laissez les résultats, et non le tableau des benchmarks, décider.