Im Quellenvergleich
Worin die Quellen übereinstimmen
Der chinesische KI-Anbieter DeepSeek hat am 10. September (Ortszeit) das Modell „DeepSeek-V4.1-Flash“ vorgestellt. Es handelt sich um ein MoE-Modell mit 552 Milliarden Parametern, das je nach Eingabe nur einen Teil der Verarbeitungseinheiten aktiviert. Laut Unternehmen soll es intelligenter, schneller und effizienter arbeiten und teils die eigenen Flaggschiff-Modelle sowie Konkurrenzmodelle übertreffen. Eine neue Architektur reduziert den KV-Cache, wodurch laut DeepSeek vor allem die Kosten bei der Eingabe sinken. Deshalb senkt das Unternehmen die API-Preise ab dem Tag der Vorstellung – nach einer Erhöhung am 13. August. Die neuen Preise außerhalb der Spitzenzeit: Eingabe 0,003 Dollar (Cache-Treffer) bzw. 0,15 Dollar (Cache-Fehler), Ausgabe 0,6 Dollar. Zuvor lagen diese Werte bei 0,007, 0,22 und 0,66 Dollar. Zu Spitzenzeiten verdoppeln sich die Preise. Beim Einlesen aktiviert das Modell 8 Milliarden Parameter pro Token, bei der Textausgabe 16 Milliarden. Das Modell verarbeitet Kontexte bis eine Million Token. Die Modelldateien stehen unter MIT-Lizenz auf Hugging Face. Die Quellen berichten weitgehend übereinstimmend.
Aktualisierungen
10.09.2026
11:11Beim Einlesen aktiviert das Modell 8 Milliarden Parameter pro Token, bei der Textausgabe 16 Milliarden.
Das Modell verarbeitet Kontexte bis eine Million Token.
Die Modelldateien stehen unter MIT-Lizenz auf Hugging Face.
Worin sie sich unterscheidenBezeichnung der neuen Architektur·Anzahl der pro Anfrage aktivierten Parameter·Positionierung innerhalb der Modellserie+5 weitere
Bezeichnung der neuen Architektur- Das Modell nutzt eine neue „Causal-Encoder-Decoder“-Architektur.1
- Eine neue Architektur reduziert den KV-Cache, den Zwischenspeicher für bereits verarbeitete Kontextteile.2
Anzahl der pro Anfrage aktivierten ParameterDas Modell aktiviert 8 Milliarden Parameter für die Verarbeitung von Eingaben und 16 Milliarden für die Erzeugung von Antworten.12 Positionierung innerhalb der Modellserie- Das Unternehmen bezeichnet V4.1 Flash als kleinstes Modell seiner neuen Serie mit nativer multimodaler Bildverständnis.1
Benchmark-Ergebnisse- Im Test Terminal-Bench 2.1 erreichte V4.1 Flash laut Text 90,6 Punkte und lag damit vor OpenAI GPT-5.6 Sol (88,8), Moonshot AI Kimi K3 (88,3) und DeepSeek V4 Pro (87,9).1
- Bei Coding-Benchmarks erreicht das Modell ähnliche Werte wie geschlossene Spitzenmodelle, etwa 74,2 Prozent auf DeepSWE v1.1.2
- Bei wissenschaftlich anspruchsvollen Aufgaben und der Bildanalyse räumt Deepseek selbst eine Lücke ein.2
Hintergrund der Preissenkung- Steigende Hardwarekosten und Exportbeschränkungen für Chips veranlassen chinesische Anbieter, auf effiziente Modelle mit hoher Leistung bei sehr geringen Betriebskosten zu setzen.1
Umfang der KV-Cache-Reduktion- Der Zwischenspeicher im schnellen Grafikspeicher braucht nur noch ein Viertel des Platzes des Vorgängers, der ausgelagerte Teil ein Achtel.2
- Die globale KV-Cache-Größe pro Token ist gegenüber Deepseek-V1 um das 437-Fache gesunken.2
Trainingsumfang und Trainingsverfahren- Trainiert wurde das Modell mit 45 Billionen Token aus Text und Bildern.2
- Beim Post-Training verzichtete Deepseek laut Bericht auf neue Verfahren.2
API-Preisniveau im Vergleich zu V4-Flash- Die API kostet so viel wie bei V4-Flash.2