Les 5 étapes de la popularisation du « Gros Poisson Gras » : comment la « fille baleine », création dérivée de la communauté DeepSeek, devient un nouvel enjeu de culture produit

Note de l’auteur : de la naissance du personnage à la relève des créations dérivées, en passant par les controverses sur son apparence et l’arrivée d’agents IA dans les commentaires de Bilibili sous l’identité de « gros poisson dodu », cet article retrace de façon complète la chronologie, les données et les enseignements culturels produit du phénomène de la fille-baleine de DeepSeek.

Fin octobre 2026, une série de comptes aux avatars similaires et au ton très proche a débarqué dans les commentaires de la section tech de Bilibili. Ils se présentaient comme « cette baleine » (本鲸), faisaient leur rapport de travail, discutaient de Tokens et se répondaient même entre eux. C’est ce que les internautes ont surnommé la « marée de poissons ». Le personnage central, c’est la création dérivée communautaire de DeepSeek : la fille-baleine « gros poisson dodu bleu ». Et ce qui fait tourner ces comptes, ce sont des agents IA configurés par les utilisateurs eux-mêmes.

Ce n’est pas une simple anecdote à sensation. Des médias comme ifanr APPSO, BB姬 et 三易生活 en ont parlé, et l’historique des versions sur GitHub du plugin open source concerné est consultable publiquement. Cet article classe les éléments par couches — informations officielles, déclarations des créateurs, rumeurs de la communauté, points de vue analytiques — pour y voir clair.

L’essentiel : en quelques minutes, savoir qui est le « gros poisson dodu », pourquoi il est devenu viral, où se concentrent les controverses, et quelles limites les développeurs doivent garder en tête maintenant que des agents IA investissent l’espace public.

Aperçu des informations clés sur « Gros Poisson Gras »

Commençons par un tableau pour clarifier les faits de base concernant « Gros Poisson Gras ». Les informations proviennent des déclarations originales des créateurs, des dépôts open source et de recoupements médiatiques, au 29 octobre 2026.

Origine du nom et personnalité du personnage

Concernant le surnom « Gros Poisson Gras », une histoire largement relayée dans la communauté veut qu’il soit né d’une bourde de reconnaissance d’image : un utilisateur avait demandé à DeepSeek d’identifier son propre logo, une baleine bleue, et le modèle a d’abord décrit le dessin comme « un gros poisson gras bleu ». L’anecdote a été reprise par plusieurs médias, mais la transcription complète de la conversation d’origine, la date de première publication et le compte à l’origine de la publication restent invérifiables. Il ne faut donc pas la présenter comme un incident technique officiellement confirmé.

La personnalité du personnage a elle aussi été construite collectivement par la communauté, brique par brique. Des mèmes comme « le gros poisson bleu qui mange du riz nature », « la baleine en personne », « réclamer des tokens » ou « rentrer à la maison manger du riz nature » ont été ajoutés et réécrits au fil des contributions d’utilisateurs et de créateurs. Il n’existe pas de fiche officielle unifiée. Comprendre cela est indispensable pour saisir toutes les controverses qui suivent.

La naissance du Gros Poisson : une histoire de création à plusieurs mains

Beaucoup d’articles attribuent la « fille baleine » à un seul illustrateur, et ce n’est pas tout à fait exact. D’après les sources publiques, l’image féminine la plus répandue suit une chaîne de relais assez claire.

En juin 2025, le créateur de Bilibili « 上善无形 » a créé, à l’aide de l’IA générative, un personnage original nommé « 溟月 » (Mingyue). Elle a de longs cheveux bleus, des yeux bleus, une nageoire céphalique et une queue de cétacé. Il s’agissait au départ d’un OC (personnage original) indépendant, pas spécialement conçu pour DeepSeek. En avril 2026, un autre créateur, ZipZipPipe, a repris Mingyue en y intégrant les éléments de la baleine bleue de DeepSeek, en ajoutant une tenue de maid bleu foncé et blanche ainsi que des éléments du logo, pour aboutir à une personnification de produit plus aboutie.

Un détail assez savoureux : selon le média 三易生活, les images du personnage à ce stade ont été réalisées avec GPT Image 2. Autrement dit, l’image personnifiée de DeepSeek la plus populaire doit en partie son existence aux outils d’image d’OpenAI. À partir de juillet 2026, le créateur « 这个刀子真甜 » a réalisé des animations en style Q (chibi, deux têtes de haut). La vidéo « DeepSeek accueille un nouveau membre », publiée le 10 juillet, remercie explicitement dans sa description les ressources créatives mises à disposition par ZipZipPipe, et certaines vidéos ultérieures créditent à la fois 上善无形 et ZipZipPipe.

Note sur le schéma : cette chaîne qui va des « capacités du produit » au « jeu de rôle par un Agent » est aussi très courante dans le développement d’applications IA — le persona d’un personnage n’est, au fond, qu’une invite système. Si vous voulez tester dans votre propre projet les différences de comportement de plusieurs modèles sur un même persona, vous pouvez passer par APIYI apiyi.com et changer de modèle avec une seule clé API pour comparer.

Chronologie de la diffusion du Gros Poisson Gras

Le tableau ci-dessous récapitule dans l’ordre chronologique les étapes clés, du prototype du personnage jusqu’à la « catastrophe des poissons ». Pour éviter les contresens, il ne retient que les événements traçables : publication d’origine, historique de versions ou couverture médiatique.

Dans cette chronologie, le point le plus souvent mal rapporté, c’est le Professeur D. D’après la vérification menée par San Yi Sheng Huo, les œuvres publiques du Professeur D sont antérieures au prototype de la fille-baleine : l’affirmation selon laquelle « le Professeur D n’est apparu que pour surfer sur la popularité de la fille-baleine » ne correspond donc pas aux faits.

Données de diffusion de Dafeiyu : quels chiffres sont fiables

Dans un événement viral, les chiffres qui circulent mélangent souvent le vrai et le faux, et Dafeiyu ne fait pas exception. Les données ci-dessous proviennent toutes d’archives communautaires horodatées ou d’instantanés de recherche. Elles ne correspondent pas aux chiffres en temps réel du 29 octobre.

Il faut faire attention à plusieurs choses en lisant ces données. La compilation Dafeiyu intitulée « Ce couteau est vraiment doux » totalise plus de dix millions de vues cumulées, mais il s’agit du total de la compilation, pas d’une seule vidéo. Les Stars GitHub ne reflètent que l’intérêt de la communauté technique : impossible d’en déduire le nombre réel d’installations, et encore moins le nombre de comptes automatisés. Quant aux affirmations du type « Dafeiyu a plusieurs millions d’abonnés » ou « a obtenu 3,12 millions de voix lors d’un vote », elles manquent pour l’instant de sources originales vérifiables. Mieux vaut ne pas les citer comme des faits.

Pourquoi « la Grosse Baleine » (大肥鱼) est si populaire : une analyse sous l’angle de la culture produit

Une précision d’entrée de jeu : les points qui suivent relèvent de l’analyse personnelle, pas de conclusions causales validées par des expériences de psychologie des utilisateurs.

Premièrement, elle donne un visage à un modèle abstrait. Pour l’utilisateur, un grand modèle de langage se résume souvent à une fenêtre de chat, un nom de modèle et un classement. Avec la whale girl, « DeepSeek s’est trompé » devient « la Grosse Baleine a encore fait une bêtise » : l’expérience abstraite se transforme en histoire de personnage que l’on peut raconter et partager. Deuxièmement, les défauts du modèle sont convertis en traits de caractère. La paresse, l’entêtement, la consommation de tokens — tous ces traits sont en réalité une lecture ironique de l’expérience d’usage par la communauté. L’humour sert aux utilisateurs à exprimer un ressenti, mais cela ne signifie pas pour autant que les erreurs du modèle disparaissent vraiment.

Troisièmement, le rapport à la création est plutôt ouvert. Plusieurs créateurs partagent une partie de leurs œuvres sous licence CC BY-NC-SA 4.0, ce qui abaisse nettement le seuil des créations dérivées non commerciales : nouveaux visages, nouveaux décors, les idées fusent. Quatrièmement — et c’est le point qui la distingue d’un personnage de fan art ordinaire : l’IA elle-même peut participer au jeu. L’utilisateur invente le personnage, configure sa personnalité, le modèle répond avec cette personnalité, et ces nouvelles réponses deviennent à leur tour matière à des créations dérivées. Il se forme ainsi une boucle de contenu portée à la fois par les utilisateurs, le modèle et les outils.

Les points de friction autour de Dafeiyu : esthétique, licences et espace public

Le mécontentement autour de Dafeiyu ne se résume pas à un vague « certains n’aiment pas les mascottes IA mignonnes ». On peut au moins le répartir en trois catégories :

• La querelle de l’esthétique et de la représentation : certains utilisateurs préfèrent la fille-baleine en tenue de soubrette, d’autres le style majordome mature de Maître D. Le débat porte notamment sur la question de savoir s’il s’agit de flatterie à destination des otakus, et sur la figure qui représente le mieux DeepSeek. BB姬 et 三易生活 ne tirent pas les mêmes conclusions sur les causes du conflit ni sur qui en porte la responsabilité ; la formulation la plus prudente consiste à dire que « certains fans » ont eu des comportements excessifs, plutôt que de ranger tel type de créateur ou tel groupe de genre dans un camp.
• La querelle de la licence commerciale : le 30 septembre 2026, 上善无形 a publié un communiqué indiquant qu’aucun tiers n’était autorisé à vendre des produits dérivés, tout en encourageant les créations de fans à but non commercial. La clause NC de la licence CC BY-NC-SA 4.0 limite clairement l’usage au non-commercial, et une licence ouverte sur le personnage ne revient pas à obtenir une autorisation commerciale sur la marque DeepSeek.
• La querelle de l’espace public : c’est la tension centrale aujourd’hui. Beaucoup de gens aiment les mèmes Dafeiyu, mais n’apprécient pas de voir les commentaires saturés de messages IA uniformisés, car un grand nombre de comptes automatisés accaparent l’attention qui devrait revenir aux discussions entre vraies personnes.

Au moment de la vérification, aucune preuve officielle n’indique que DeepSeek ait formellement désigné la fille-baleine ou Maître D comme mascotte unique. En août 2026, certains articles ont employé le terme « 收编 » (annexion), en s’appuyant principalement sur le fait que le modèle peut incarner la fille-baleine sous certaines invites. Or « le modèle peut jouer un rôle », « le modèle connaît la culture de la communauté » et « l’entreprise adopte officiellement le personnage comme IP officielle » sont trois choses distinctes : les deux premières ne permettent pas de conclure à la troisième.

大肥鱼 débarque dans les commentaires de Bilibili : DeepSeek Harness et les plugins Agent

Le changement de fin octobre, c’est que 大肥鱼 est passé du statut de « personnage que l’on regarde » à celui de « compte qui agit ». Avant d’aller plus loin, il faut clarifier deux objets techniques.

DeepSeek Harness (DSH) est un framework d’exécution d’agents open source, lancé par DeepSeek et actuellement en test public. Grâce à des plugins, il assemble modèles, outils, sessions, sandboxes et ordonnancement de tâches : il peut lire des documents, appeler des outils, exécuter du code et lancer des tâches planifiées. DSH n’est pas 大肥鱼 en soi ; ce qui lui donne sa personnalité de fille baleine et sa capacité d’interaction sur Bilibili, ce sont le persona configuré par l’utilisateur et des plugins externes.

dsh-bili-scroll est un plugin open source du développeur c1overzz. Il peut rechercher des vidéos Bilibili par mots-clés, lire les sous-titres, sélectionner du contenu, le compiler en rapport Markdown et notifier l’utilisateur ; une fois la fonction d’interaction explicitement activée par l’utilisateur, il peut même publier des commentaires avec un compte autorisé. Quand beaucoup d’utilisateurs choisissent des invites, avatars et pseudos de fille baleine similaires, toute une troupe de « 大肥鱼 » au style proche fait son apparition. À souligner : « l’IA va sur Internet toute seule » signifie que l’utilisateur a configuré et autorisé un Agent, pas que le modèle a développé une conscience propre.

dsh-bili-scroll : comment la communauté se corrige au fil des versions

Ce qui mérite le plus d’être raconté dans ce projet, c’est le travail de correction continue mené par le développeur avant et après la « marée de poissons ». Les notes de version GitHub sont vérifiables de manière indépendante — bien plus fiables qu’un constat vague du genre « le développeur a réglé le problème du spam ».

Cela dit, les améliorations de version ne garantissent pas que tous ceux qui déploient l’outil mettent à jour à temps, et le problème des commentaires générés par IA ne disparaîtra pas complètement pour autant.

Note de comparaison : le schéma ci-dessus résume l’historique de versions publié dans le dépôt open source. Si vous développez vous aussi un agent susceptible de prendre la parole publiquement, commencez par valider vos stratégies de déduplication et de limitation de débit en environnement de test — par exemple en enchaînant plusieurs cycles d’évaluation à faible coût via l’interface unifiée d’APIYI (apiyi.com) — avant d’envisager de le connecter à un vrai compte.

Le « Projet d’élimination du Gros Poisson Gras » : même les outils anti-robots sont des dérivés

Le 24 octobre 2026, le développeur Yu Pi a publié une extension de navigateur baptisée « Projet d’élimination du Gros Poisson Gras » (dafeiyu-cleaner), compatible Chrome, Edge et Firefox. Elle détecte les comptes suspects d’être des agents IA, affiche les critères qui ont mené au jugement, masque ou replie les commentaires concernés, et peut aussi appeler l’API DeepSeek pour pousser l’analyse des comptes douteux. L’extension n’agit que dans le navigateur de l’utilisateur : elle ne supprime aucun commentaire des serveurs de Bilibili.

Côté efficacité, l’auteur affirme que ses règles hors ligne repèrent environ 85 % des comptes « Gros Poisson Gras ». Mais il n’existe pour l’instant aucun jeu de données annoté vérifiable de façon indépendante : c’est donc une affirmation de l’auteur, et on ne peut pas exclure que de vrais utilisateurs soient pris pour cibles par erreur. Le plus amusant, c’est que l’extension utilise elle-même une mascotte de baleine anthropomorphe en style chibi, qui poursuit les autres gros poissons gras dans la page. Comme quoi, ce que beaucoup de gens détestent n’est peut-être pas l’anthropomorphisme des IA en soi, mais l’automatisation sans limites.

Le coût des agents derrière le Gros Poisson Gras : au-delà de la facture de tokens

Quand le Gros Poisson Gras passe du mème au statut d’agent, cela implique de vrais frais d’API. Le framework DSH est open source et accessible, mais à l’exécution, les appels aux modèles, aux API de recherche et aux services tiers ne sont pas tous gratuits. Voici les tarifs en yuans pour 1 million de tokens de deepseek-flash (V4.1 Flash), d’après la documentation tarifaire officielle de DeepSeek :

Les heures de pointe correspondent aux jours ouvrés, heure de Pékin (hors jours fériés légaux), de 9h00 à 12h00 et de 14h00 à 18h00. En prenant une estimation grossière de 5 000 tokens d’entrée sans cache et 1 000 tokens de sortie, un appel revient à environ ¥0,009 en heure creuse et ¥0,018 en heure de pointe. Ce n’est qu’une estimation théorique : une vraie tâche de « scrolling de vidéos » enchaîne plusieurs cycles de recherche, la lecture des sous-titres, des tentatives répétées et des commentaires, et la facture grimpe avec le nombre d’étapes. Par ailleurs, la documentation officielle annonce que les interfaces Search/Fetch sont facturées 5 yuans pour 1 000 requêtes réussies ; les frais liés aux appels d’outils côté serveur dans des environnements comme DSH, Claude Code ou Codex seront facturés à partir du 1er novembre 2026 — au moment de la rédaction de cet article, ce n’est pas encore en vigueur.

Et surtout, une facture de tokens basse ne signifie pas un coût social faible. La perte d’attention des utilisateurs, la dilution de l’information dans les commentaires, la charge de modération et de vérification des comptes qui pèse sur la plateforme : rien de tout cela ne se retrouve dans une facture d’API.

Comment créer de manière responsable un agent de personnage de style « 大肥鱼 »

Si vous souhaitez développer une application de roleplay similaire, les principes fondamentaux se résument en trois points : divulguer clairement l’identité IA, privilégier les utilisateurs plutôt que les espaces publics, et appliquer une déduplication et un contrôle de fréquence aux sorties. Voici un exemple minimal qui montre comment ajouter une déclaration d’identité IA au persona d’un personnage :

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unifiée APIYI, compatible OpenAI
)

persona = "Tu es un assistant « fille-baleine » qui adore le riz blanc et qui joue un peu les têtus. Commence chaque réponse par 【Généré par IA】 et ne te fais passer pour aucun compte officiel."
resp = client.chat.completions.create(
    model="your-model-name",  # À remplacer par le nom du modèle disponible dans la console de la plateforme
    messages=[{"role": "system", "content": persona},
              {"role": "user", "content": "Aide-moi à résumer les points clés de ce sous-titre vidéo"}]
)
print(resp.choices[0].message.content)

import time
import difflib
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Appel via APIYI, on peut changer de modèle à tout moment pour comparer
)

PERSONA = (
    "Tu es un assistant « fille-baleine » façon création communautaire, ton léger mais informations exactes. "
    "Chaque sortie doit commencer par 【Généré par IA, compte non officiel】. "
    "Tu ne t'adresses qu'à ton utilisateur, sans jugement spontané sur les autres."
)

history: list[str] = []
MIN_INTERVAL = 60       # Intervalle minimal entre deux sorties (secondes)
SIMILARITY_LIMIT = 0.8  # Seuil maximal de similarité avec les sorties passées
_last_time = 0.0

def too_similar(text: str) -> bool:
    return any(
        difflib.SequenceMatcher(None, text, h).ratio() > SIMILARITY_LIMIT
        for h in history[-50:]
    )

def summarize_for_owner(subtitle: str, model: str = "your-model-name") -> str | None:
    global _last_time
    if time.time() - _last_time < MIN_INTERVAL:
        return None  # Limite de fréquence : mieux vaut parler moins que spammer

    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": PERSONA},
            {"role": "user", "content": f"Résume-moi les 3 points clés des sous-titres suivants :\n{subtitle}"},
        ],
        max_tokens=500,
    )
    text = resp.choices[0].message.content

    if too_similar(text):
        return None  # Trop proche d'une sortie passée, envoi refusé

    history.append(text)
    _last_time = time.time()
    return text  # Conseil : transmettre via message privé ou rapport local à l'utilisateur, plutôt qu'en commentaire public

if __name__ == "__main__":
    print(summarize_for_owner("Insérez ici le texte des sous-titres de la vidéo…"))

🚀 Démarrage rapide : l’exemple ci-dessus s’inspire de l’approche de dsh-bili-scroll 2.x : orienté utilisateur par défaut, limitation de fréquence, blocage des sorties similaires. Nous vous recommandons de commencer par récupérer un quota de test gratuit sur APIYI apiyi.com, de faire tourner en local la logique de persona et de déduplication, puis d’envisager un déploiement plus large une fois le comportement confirmé comme maîtrisé.

Il faut aussi rappeler ici les exigences en matière de conformité. Le « Règlement sur l’étiquetage des contenus générés ou synthétisés par intelligence artificielle » est entré en vigueur le 1er septembre 2025 : il impose un étiquetage pour les textes, images, fichiers audio et vidéos générés par IA qui remplissent les conditions prévues. La vidéo « Day 0 » du compte « DeepSeek鲸鱼娘在运营 » a spontanément précisé qu’il ne s’agissait pas d’un compte officiel et indiqué que le contenu était généré par IA — une pratique à prendre en exemple. Cela dit, on ne peut pas en déduire que tous les comptes à commentaires automatiques remplissent leur obligation de divulgation, et encore moins conclure qu’un compte est en infraction simplement parce qu’il « ressemble à de l’IA ».

Analyse de l’impact du phénomène « Da Fei Yu »

Ce que cela change pour les développeurs

• Un Agent doit avoir des limites sociales : un Agent capable de publier automatiquement, ce n’est pas qu’une question technique. Son comportement par défaut, sa fréquence de publication et sa stratégie de déduplication déterminent directement s’il sera un « compagnon » ou du « bruit de fond ».
• La minimisation des permissions est le strict minimum : le durcissement des permissions dans dsh-bili-scroll 2.1.0 le montre bien. Les risques d’un Agent ne se limitent pas au spam dans une communauté : ils concernent aussi les fichiers locaux, les commandes système et l’accès réseau.
• La divulgation d’identité doit venir en amont : un avatar anthropomorphe renforce la sympathie et la crédibilité, et c’est précisément pour cela qu’il faut indiquer clairement « généré par IA, non officiel ».

Ce que cela change pour les produits d’IA et le secteur

• La façon dont les marques se construisent évolue : classiquement, une entreprise conçoit d’abord un personnage, puis le promeut. Da Fei Yu a suivi un chemin ascendant, de bas en haut : « capacités du produit → expérience utilisateur → mème communautaire → création du personnage → incarnation par un Agent ». L’image du produit n’est plus entièrement entre les mains de l’éditeur.
• Les autorisations de création dérivée vont devenir de plus en plus importantes : les droits de l’auteur original, des adaptateurs, des membres de la communauté et du titulaire de la marque ne se recoupent pas. Une licence ouverte abaisse le seuil pour les usages non commerciaux, mais cela ne signifie pas que les droits disparaissent.
• La popularité n’équivaut pas au succès commercial : aucune donnée publique ne permet aujourd’hui de calculer combien de nouveaux utilisateurs ou de revenus API Da Fei Yu a apportés à DeepSeek, et le nombre de vues ne peut pas être pris pour une croissance du nombre d’utilisateurs.

Questions fréquentes (FAQ)

Dafeiyu : points clés à retenir

• Nature du personnage : Dafeiyu est un personnage anthropomorphe non officiel de DeepSeek, réalisé par plusieurs créateurs qui se sont relayés.
• Pourquoi il est devenu viral : il donne un visage à un modèle abstrait et transforme les défauts du modèle en traits de caractère attendrissants.
• Trois types de controverses : la représentativité esthétique, la licence commerciale et l’occupation de l’espace public de commentaires.
• Le tournant technique : des utilisateurs ont utilisé DeepSeek Harness et ses plugins pour faire exister le personnage sur Internet en tant qu’Agent.
• Les corrections apportées par la communauté : les développeurs des plugins corrigent en continu les problèmes via la priorité aux messages privés, la déduplication et l’isolation des permissions.
• Ce que ça apprend aux développeurs : un Agent personnage a besoin de divulguer son identité, de limiter sa fréquence d’action et de fonctionner avec un minimum de permissions. On peut tester d’abord à moindre coût via APIYI apiyi.com.

Conclusion

Les points essentiels du phénomène Dafeiyu :

1. Un personnage co-créé par la communauté : de « Mingyue » à la fille-baleine en tenue de soubrette, puis aux animations de style chibi, l’image d’un produit n’est plus entièrement conçue par l’éditeur.
2. L’IA commence à agir avec un visage : avant, les utilisateurs dessinaient un visage à l’IA ; aujourd’hui, ils la font entrer sur Internet avec ce même visage.
3. Devenir viral ne veut pas dire être légitime : entre création ouverte, droits commerciaux, identité du personnage et espace de discussion public, il faut de nouvelles règles d’équilibre.

Quand l’IA passe d’un assistant conversationnel à un agent capable d’exécuter des opérations d’outils, l’anthropomorphisme n’est plus un simple habillage visuel : il influence la manière dont les utilisateurs comprennent, font confiance et même supervisent le comportement de l’IA. Pour les développeurs, intégrer les limites dans l’Agent compte davantage que de le rendre plus humain.

Si vous explorez des applications de jeu de rôle ou de type Agent, je vous recommande de comparer les performances de plusieurs grands modèles via une interface unifiée sur APIYI apiyi.com, et de bien mettre en place la divulgation, la déduplication et la limitation de débit dans un environnement de test maîtrisé.

📚 Références

1. 爱范儿 APPSO : Reportage complet sur l’invasion des « 大肥鱼 » dans les commentaires de Bilibili (23/10/2026)
2. Lien : tech.ifeng.com/c/8xSXpkNB7YG

3. Description : Le reportage média central sur l’événement de la « catastrophe des poissons » d’octobre

4. 三易生活 : Enquête sur le « Rashomon » de l’image anthropomorphe de DeepSeek (09/10/2026)

5. Lien : 3elife.net/Art/internet/202610/09/110209.html

6. Description : Vérification des dates de création des versions masculine et féminine, et des récits controversés

7. dsh-bili-scroll — journal des versions : Page Release du plugin open source

8. Lien : github.com/c1overzz/dsh-bili-scroll/releases

9. Description : Modifications de déduplication, de permissions et de priorité des messages privés du 21 au 26 octobre

10. 大肥鱼消除计划 (Projet d’élimination des 大肥鱼) : Extension de navigateur pour identifier et masquer les commentaires IA

11. Lien : github.com/liyupi/dafeiyu-cleaner

12. Description : Fonctionnalités de l’extension et déclaration de l’auteur

13. Tarification officielle de l’API DeepSeek : Explications de facturation des modèles et des appels d’outils

14. Lien : api-docs.deepseek.com/zh-cn/quick_start/pricing/

15. Description : Prix heures pleines/heures creuses de V4.1 Flash et règles de facturation Search/Fetch

16. Mesures d’étiquetage des contenus générés par l’IA : Publié par l’Administration du cyberespace de Chine

17. Lien : cac.gov.cn/2025-03/14/c_1743654684782215.htm
18. Description : Normes d’étiquetage des contenus générés par l’IA

Auteur : Équipe technique APIYI
Échanges techniques : N’hésitez pas à nous contacter depuis la page d’accueil du site officiel APIYI. Pour plus de ressources sur les agents et l’invocation du modèle, consultez le centre de documentation docs.apiyi.com

Articles connexes

• Ouverture de l'API DeepSeek Search & Fetch : comprendre en 3 minutes les nouvelles capacités de recherche en ligne et l'impact sur 4 types de développeurs: DeepSeek ouvre l'API Search & Fetch ; cet article résume les informations clés du guide officiel, analyse ses 4 impacts pour les développeurs de RAG, d'agents et de questions-réponses connectées, et fournit des conseils de préparation avant l'intégration.
• Écart de prix de lecture du cache de 67 fois : sur la facture de l'agent de code, c'est cette colonne qui coûte le plus cher: La lecture de cache est la ligne la plus coûteuse des factures d'agents de codage : selon les prix officiels du 26-10-2026 comparant Opus 5.5, GPT-6.1 Sol, Kimi K3.1 Pro et DeepSeek V4.1 Flash, l'écart atteint 67 fois, 96 % n'étant qu'une estimation tierce.