Die unabhängige Messung: Artificial Analysis führt DeepSeek V4 Flash 0731 mit 50 Punkten im Intelligence Index. Das sind zehn Punkte mehr als beim Vorgänger DeepSeek V4 Flash (April 2026) und sechs Punkte mehr als beim größeren DeepSeek V4 Pro, das in unserem Katalog mit 44 steht. Im selben Bereich liegen Gemini 3.6 Flash (50) und, einen Punkt darüber, Muse Spark 1.1 (51) sowie GPT-5.6 Luna im Max-Modus (51). Die Preise der Erstanbieter-API: $0,14 je Million Eingabe-Token, $0,28 je Million Ausgabe-Token, $0,0028 bei Cache-Treffern – ein Rabatt von 98 Prozent, wo sonst 90 Prozent üblich sind. Kontextfenster: 1 Million Token. Artificial Analysis verortet das Modell auf der eigenen Pareto-Front für „Intelligence vs Cost per Task“ und beziffert die Kosten je Aufgabe auf der DeepSeek-API mit rund 60 Prozent unter GPT-5.6 Luna (Max) – ausdrücklich nach OpenAIs 80-Prozent-Preissenkung.
Was sich technisch geändert hat: nichts an der Substanz. Artificial Analysis hält fest, dass Größe und Architektur gegenüber dem April-Modell unverändert sind – 284 Milliarden Parameter gesamt, 13 Milliarden davon aktiv, Mixture-of-Experts – und dass es sich um ein reines Post-Training-Update mit Schwerpunkt auf agentischen Aufgaben handelt. ⚠️ Eine Abweichung müssen wir offenlegen: Die Modellkarte auf Hugging Face nennt 304 Milliarden Gesamtparameter und beschreibt ein angehängtes Modul für Speculative Decoding, beziffert die aktiven Parameter aber nicht, sondern spricht nur von einer „far smaller activated parameter count“ gegenüber V4 Pro. Welche der beiden Gesamtzahlen welchen Zuschnitt hat, geht aus keiner der beiden Quellen hervor; wir führen beide und lösen die Differenz nicht auf.
Die Benchmark-Tabelle der Modellkarte (Anbieterangabe, unabhängig nicht reproduziert) vergleicht drei Stände desselben Hauses. Terminal Bench 2.1: 82,7 gegen 61,8 (V4 Flash Preview) und 72,1 (V4 Pro Preview). NL2Repo: 54,2 gegen 39,4 und 38,5. DeepSWE: 54,4 gegen 7,3 und 12,8. Toolathlon-Verified: 70,3 gegen 49,7 und 55,9. DeepSeek fasst das selbst so zusammen: „DeepSeek-V4-Flash-0731 outperforms DeepSeek-V4-Pro (Preview) on benchmarks listed below despite its far smaller activated parameter count.“ Die Lizenz ist MIT, die Gewichte liegen offen.
Was nur aus der deutschsprachigen Rezeption stammt und wir deshalb kennzeichnen: The Decoder nennt zusätzlich einen Sprung im Bürotätigkeits-Benchmark GDPval von 1.189 auf 1.559 Elo-Punkte, einen um zwölf Prozent geringeren Token-Verbrauch gegenüber dem Vorgänger und reduzierte Halluzinationen. Diese drei Werte haben wir an der Modellkarte und bei Artificial Analysis nicht gegengeprüft.
Für unseren Katalog gilt vorerst dieselbe Linie wie bei Gemini 3.6 Flash: Die Kennzahlen von DeepSeek-V4-Pro bleiben stehen, bis für das neue Modell auch Coding- und Agentic-Index unabhängig vorliegen; auf der Modellseite steht der Hinweis auf den günstigeren, höher bewerteten Nachfolger. Offen bleibt außerdem, ob der Post-Training-Sprung über die agentischen Aufgabenfamilien hinaus trägt, an denen er gezielt optimiert wurde – der Intelligence Index mittelt genau darüber hinweg.