← Alle Modelle

DeepSeek · DeepSeek

DeepSeek-V4-Pro

deepseek-v4-pro

open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →Text

Erste WahlOpen-Weight-Preis-Leistung

Der Preis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen → unter den open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →: sehr starkes Coding (59) und Agentic (67) seiner Preisklasse, dabei mit Abstand am günstigsten und selbst hostbar. Erste Wahl, wo Kosten, Datenhoheit oder lange Generierungen zählen – allerdings reine Text-Modalität.

  • Self-Hosting
  • kostensensitives Reasoning
  • lange Generierungen
KontextfensterDie maximale Textmenge (in Tokens), die ein Modell pro Anfrage gleichzeitig „im Blick“ hat – Eingabe plus bisheriger Verlauf. Ist es voll, fällt Älteres aus dem Kontext.Mehr im Wissen →
1 Mio.TokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →
Max. Ausgabe
384 K Token
Preis (Input / Output)
$0.435 / $0.87 je 1 Mio. Token
Preis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen →
80,9 Indexpkt. je $/Mio. Token

Stärken

  • Offene Gewichte (auf HuggingFace publiziert, lokal/self-hosted möglich)
  • 1-Mio.-Token-Kontext und sehr großer max. Output (384 K)
  • Thinking-Mode, Tool-Calls und JSON-Output

Schwächen

  • Hoher Output-Preis relativ zum Input (API)
  • Laut Doku reine Text-Modalität

Typische Einsatzfälle

  • lange Generierungen
  • Thinking / ReasoningModus, in dem ein Modell vor der Antwort sichtbare Zwischenschritte „durchdenkt“. Das hebt die Qualität bei schweren Aufgaben, kostet aber mehr Tokens und Zeit – oft über einen Aufwand-Regler steuerbar.Mehr im Wissen →
  • Self-Hosted-Einsatz

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar. Die Preis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen → oben ist daraus abgeleitet: AA-Intelligenz je AA-Blended-Preis (3:1) – entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis. AAs token-basiertes „Cost to Run Index“ ist nicht öffentlich abrufbar.

  • AA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →44
  • AA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen →59
  • AA-AgenticAgentic-Teilindex von Artificial Analysis (unabhängig, 0–100): misst, wie gut ein Modell mehrstufige, werkzeugnutzende Aufgaben eigenständig löst.Mehr im Wissen →67
  • Terminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen →64
  • τ²-benchBenchmark für die Verlässlichkeit beim Werkzeug-Einsatz: dieselbe Aufgabe wird viele Male wiederholt, gemessen wird, wie konstant das Modell die Tools korrekt bedient (0–100 %).Mehr im Wissen →96
  • Elo (LMArena)Human-Präferenz-Wertung aus der LMArena: Menschen vergleichen blind zwei Modellantworten, daraus entsteht – wie beim Schach – eine Elo-Zahl. Höher = häufiger bevorzugt. Misst Präferenz, nicht Korrektheit.Mehr im Wissen →1457

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

  • Artificial Analysis Intelligence Index

    44

    (Max)

    unabhängigArtificial Analysis, abgerufen 2026-06-16

  • Artificial Analysis Coding Index

    59

    (Max)

    unabhängigArtificial Analysis Coding Index, abgerufen 2026-07-09

  • Artificial Analysis Agentic Index

    67

    (Max)

    unabhängigArtificial Analysis Agentic Index, abgerufen 2026-06-16

  • LMArena Text Arena (Elo)

    1457

    unabhängigLMArena (arena.ai), Stand 2026-06-10

  • DeepSWE (Long-Horizon Coding)

    8 %

    unabhängigdeepswe.lol (kontaminationsfrei, mini-swe-agent), 2026-06-16

  • Terminal-Bench (agentische Shell-Aufgaben)

    64 %

    unabhängigArtificial Analysis (API), abgerufen 2026-06-16

  • τ²-bench (Tool-Use-Verlässlichkeit)

    96 %

    unabhängigArtificial Analysis (API), abgerufen 2026-06-16

Einordnung

  • Im AA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen → 59 – klar vor Grok 4.3 (42), aber unter Gemini 3.5 Flash (70); bei offenen Gewichten (lokal/self-hosted betreibbar) und sehr günstigem API-Preis ($0,44 / $0,87). Unter den Open-Weight-Modellen liegen nur die teureren GLM-5.2 (69) und Kimi K2.6 (62) beim Coding höher.Beleg · Sekundärquelle
  • Langer-Kontext-Champion der offenen Gewichte: unterstützt nativ 1 Mio. TokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen → mit laut Tech Report nahezu state-of-the-art Retrieval und gilt als bestes Open-Source-Modell dieser Kontextgröße – dazu eine dauerhaft auf rund 75 % gesenkte API gegenüber V3.2. Die Budget-Wahl, wenn lange Kontexte ohne Vendor-Lock-in gebraucht werden.Beleg · Community

Aus der System-Card

Verdichtete Befunde aus der offiziellen System-CardDas offizielle Begleitdokument eines Anbieters zu einem Modell (auch „Model Card“): Fähigkeiten, Grenzen, Sicherheitsbewertung. Primärquelle – die Fähigkeitsangaben darin sind aber Eigenangaben, nicht unabhängig gemessen.Mehr im Wissen → des Anbieters (Primärquelle, Tier (A/B/C)Verlässlichkeits-Stufe einer Quelle in der KI-Depesche: A = Primärquelle (z. B. offizielle Doku), B = solide Sekundärquelle, C = subjektiv/Einzelstimme. Steuert, wie stark eine Aussage gewichtet wird.Mehr im Wissen →). Fähigkeitswerte sind Anbieterangaben – nicht unabhängig nachgemessen. Card-Stand 2026-04-24.

Fähigkeiten

  • Coding – Laut Report (Fig. 1) erreicht DeepSeek-V4-Pro-Max bei „SWE-benchCoding-Benchmark, der Modelle echte GitHub-Issues in realen Repositories lösen lässt; gewertet wird, ob der erzeugte Patch die Tests besteht. Verbreitet, aber zunehmend durch Trainings-Kontamination belastet.Mehr im Wissen →“ 80,6 % – im Chart auf Augenhöhe mit Opus 4.6-Max und GPT-5.4-xHigh.
  • Architektur – Laut Report kombiniert es eine hybride Attention aus Compressed Sparse AttentionAufmerksamkeits-Mechanismus, der nicht jeden Token mit jedem vergleicht, sondern nur eine ausgewählte Teilmenge. Das senkt Rechen- und Speicheraufwand bei sehr langen Kontexten erheblich.Mehr im Wissen → (CSA) und Heavily Compressed Attention (HCA) mit Manifold-Constrained Hyper-Connections (mHC) und dem Muon-Optimizer, um 1M-Token-Kontext effizient zu tragen.
  • Long-Context-Effizienz – Laut Report braucht es im 1M-Token-Kontext nur noch 27 % der Single-Token-FLOPs und 10 % des KV-Caches gegenüber DeepSeek-V3.2.
  • Reasoning – Laut Report schlägt der Maximal-Reasoning-Modus „Pro-Max“ auf Standard-Reasoning-Benchmarks GPT-5.2 und Gemini 3.0 Pro, bleibt aber hinter GPT-5.4 und Gemini 3.1 Pro.

Verhalten & Sicherheit

  • Lizenz – Laut Model-Card stehen Modellgewichte und Code unter der MIT-Lizenz – einer freien, permissiven Lizenz ohne Nutzer-/MAU-Schranken.
  • Vorgesehene Nutzung – Laut Model-Card ist V4 ein Allzweck-Modell (Q&A, allgemeine Agenten-Aufgaben) mit drei Reasoning-Modi: Non-think, Think High und Think Max.
  • Datenschutz – Laut Model-Card sammelt das Pre-Training keine personenbezogenen Daten absichtlich; sensible Infos, Kreditkartennummern und eindeutige Identifikatoren werden gefiltert, einfließende Nutzereingaben verschlüsselt und de-identifiziert.
  • Trainingsdaten – Laut Model-Card stützt sich das Training auf öffentlich verfügbare Internetdaten plus lizenzierte Drittanbieter-Datensätze, mit Betonung von IP-, Geschäftsgeheimnis- und Datenschutz-Konformität.
  • API-Nutzung – Neben den offenen Gewichten gibt es eine API; deren Nutzung unterliegt den „DeepSeek Open Platform Terms of Service“.

Die Fähigkeiten stammen aus dem DeepSeek-V4 Technical Report (anbieter-selbstberichtet, „Preview“), Verhalten/Lizenz/Datenschutz aus DeepSeeks separater Transparenz-Model-Card (Stand April 2026); quantitative Safety-/Red-Team-Eval-Ergebnisse weist keines der Dokumente aus.

DeepSeek – DeepSeek-V4 Technical Report (PDF)· Primärquelle, abgerufen 2026-06-16

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

  • positivWürdigt DeepSeeks Infrastruktur- und Architekturdesign anschlussfähig am 58-seitigen Tech Report – hybride Attention (CSA/HCA), FP4-Quantization-Aware-Training für den Indexer und der Muon-Optimizer („absolut umwerfend, und das alles frei geteilt“).bycloud (YouTube) – „The Insane Infrastructure Design of DeepSeek V4“ · Community
  • gemischtErnstzunehmender Open-Weight-Frontier-Kandidat, dessen Existenz als Herausforderung an US-Anbieter gilt – ob er echten Frontier-Anschluss hält oder nur Effizienz-Champion der Open-Source-Liga ist, sieht die Szene als offen an.Cognitive Revolution (YouTube) · Community
  • kritischIm Coding-Agentic-Bereich klare Schwäche: bei echten Multi-File-Codebase-Aufgaben fällt das Modell laut Beobachtern schnell ab und liegt deutlich hinter GPT-5.5.Theo – t3.gg (YouTube) · Community
  • kritischIm eigenen Dokument-Extraktions-Test des Hosts (ein Behördenformular treu auslesen) lag „das neueste DeepSeek“ – wie alle getesteten China-Modelle – weit hinter Gemini 3, Claude Opus 4.5 und ChatGPT; der Host räumt aber ein, hier teils nach Bauchgefühl zu urteilen.Cognitive Revolution (YouTube) · Community

ℹ️ 1,6 Bio. ParameterDie im Training gelernten „Stellschrauben“ eines Modells (gezählt in Milliarden). Mehr Parameter heißt grob mehr Kapazität, aber auch mehr Rechen- und Speicherbedarf – und sagt allein wenig über die Qualität.Mehr im Wissen → total, 49 Mrd. aktiv je Token (MoE (Mixture of Experts)Architektur, bei der je Anfrage nur ein Teil des Modells („Experten“) aktiv wird. So hat das Modell sehr viele Gesamt-Parameter, rechnet aber nur mit wenigen aktiven – das spart Rechenzeit.Mehr im Wissen →, 61 Layer); trainiert auf 33 Bio. Tokens. Architektur laut Tech Report: hybride Attention (CSA+HCA), Hash-Routing in den ersten 3 MoE-Layern, FP4-Quantization-Aware-Training, Muon-Optimizer. API-Input $0,435 (Cache-Miss), $0,003625 (Cache-Hit). Offene Gewichte auf HuggingFace; Schwestermodell V4-Flash (284B/13B, $0,14 / $0,28).