DeepSeek V4 GA (Juli 2026):
Preise, Benchmarks und Vergleich mit GPT-5.6

Reale Pain Points vor dem Wechsel:

• Legacy-Endpunkte enden am 24. Juli: deepseek-chat und deepseek-reasoner werden dauerhaft abgeschaltet. Nicht migrierte Produktionscode bricht sofort.
• Peak-Preise erfordern Scheduling: Werktags 09:00–12:00 und 14:00–18:00 Peking-Zeit verdoppeln sich die Sätze. 24/7-Agent-Pipelines brauchen Umplanung.
• GA-Performance weicht von Preview ab: Agent-, Mathe- und Code-Fähigkeiten wurden gezielt verbessert. April-Benchmarks sind nicht mehr belastbar.
• Pro vs Flash Routing zählt: 1,6T und 284B unterscheiden sich stark. Falsches Routing verbrennt Budget oder kostet Qualität.

Die GA ist keine neue Architektur — sie ist die April-Preview mit Stabilitätsverbesserungen und formaler kommerzieller Preisstruktur in die Produktion überführt.

DeepSeek ersetzte Multi-head Latent Attention (MLA) aus V2/V3 durch ein Zwei-Spur-Hybrid-System:

• Compressed Sparse Attention (CSA): Komprimiert KV-Einträge 4× via Softmax-gated Pooling, nutzt FP4-Lightning-Indexer für Top-k-Auswahl (Top-1024 auf Pro, Top-512 auf Flash) plus 128-Token-Sliding-Window. Bei 1M Tokens benötigt Inferenz nur 27 % der V3.2-FLOPs.
• Heavily Compressed Attention (HCA): 128× Kompression gefolgt von dichtem globalem Attention. Erfasst Langstrecken-Muster, die CSA übersehen könnte. CSA und HCA alternieren über Layer.
• Manifold-Constrained Hyper-Connections (mHC): Vier Kanäle Residual-Stream, gesteuert durch doppelt-stochastische Matrix — hält Gradienten über 61 tiefe Layer stabil.
• Muon Optimizer: Newton-Schulz-Orthogonalisierung konditioniert Gradientenschritte besser als AdamW und beschleunigt Konvergenz.

Nettoeffekt: KV-Cache bei 1M Tokens sinkt auf 10 % des V3.2-Speichers (7 % auf V4-Flash).

Offizielle Sampling-Empfehlung: temperature=1.0, top_p=1.0 für alle Modi.

Laut Artificial Analysis bei Strategy-&-Ops-Tasks: Claude Fable 5 erreicht 50 Punkte bei $3,48 pro Task; DeepSeek V4-Pro 38 Punkte bei $0,03 pro Task. Das sind 116× günstiger bei 24 % Performance-Lücke.

V4-Pro oder V4-Flash für Budget, hohes Volumen oder Self-Hosted-Workloads. Claude Fable 5 für schwierigste Multi-File-Repo-Arbeit. GPT-5.6 für terminal-lastige Agent-Workflows und M365/Azure-Integration.

Die bedeutendste GA-Änderung: zeitbasierte Preise. Sätze verdoppeln sich werktags Peking-Zeit in 09:00–12:00 und 14:00–18:00.

Vier praktische Kostensenker:

• Batch-Jobs Off-Peak planen: Bulk-Summaries, Code-Review und Daten-Pipelines nach 18:00 oder vor 09:00 Peking-Zeit.
• Cache-Hit-Rate maximieren: Statische System-Prompts zuerst. V4-Flash Cache Hits kosten nur $0,0028/M.
• Einfache Queries auf V4-Flash routen: Intent-Klassifikation und FAQ auf Flash; komplexes Reasoning an Pro eskalieren.
• Abrechnungs-E-Mails beobachten: DeepSeek kündigt Preisänderungen 24 Stunden im Voraus an.

Selbst im Peak kostet V4-Pro Output bei $1,74/M 8,6× weniger als Claude Opus 4.8 ($15/M) und GPT-5.6 Sol (~$15/M).

Deadline: 24. Juli 2026, 15:59 UTC. Legacy-Namen deepseek-chat und deepseek-reasoner werden dauerhaft deaktiviert.

Alte Variante (endet 24.07.)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

Neue Variante
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

V4 unterstützt OpenAI ChatCompletions und Anthropic Messages API. Base URL bleibt gleich; nur Modellname aktualisieren.

Primärquellen — Links vor Zitaten erneut prüfen:

https://api-docs.deepseek.com

https://arxiv.org/abs/2606.19348

https://huggingface.co/deepseek-ai

Sechs Schritte zur Migration:

1. Codebase durchsuchen: Alle Referenzen auf deepseek-chat und deepseek-reasoner in Code, CI-Konfigurationen und Umgebungsvariablen finden.
2. Ersetzungen zuordnen: Leichtes Chat auf deepseek-v4-flash (Non-think); Reasoning auf Flash Thinking-Modus oder deepseek-v4-pro.
3. SDK-Aufrufe aktualisieren: OpenAI-kompatible Clients brauchen nur Modellnamen-Wechsel. Anthropic SDK behält base_url=https://api.deepseek.com.
4. Thinking-Modus konfigurieren: Ehemalige Reasoner-Nutzer aktivieren Thinking via extra_body. Think Max erfordert 384K+ Kontext.
5. In Staging testen: End-to-End-Validierung vor dem 24. Juli. Peak-Preis-Impact auf Budget prüfen.
6. Batch-Jobs Off-Peak cronen: Dokumentenverarbeitung und Code-Review nach 18:00 oder am Wochenende. Mit Prompt Cache kombinieren.

Zitierbare Kennzahlen (EEAT):

• SWE-bench Verified 80,6 %: Beste Open-Weight-Punktzahl, gleichauf mit Gemini 3.1 Pro (Quelle: DeepSeek offizielle Docs, Jul. 2026).
• KV-Cache bei 10 %: 1M-Token-Szenarien nutzen nur 10 % V3.2-Speicher; V4-Flash bis 7 % (Quelle: arXiv:2606.19348).
• 116× Kosten-Vorteil: Artificial Analysis Strategy & Ops: V4-Pro $0,03/Task vs Fable 5 $3,48/Task (Quelle: Artificial Analysis, Jul. 2026).

FAQ:

• F1: Ist DeepSeek V4 kostenlos? A: Gewichte MIT-lizenziert und downloadbar; API pay-per-token mit Peak-Valley-Staffelung.
• F2: Lokal lauffähig? A: Ja — V4-Pro und V4-Flash ab April auf Hugging Face; Produktion braucht dedizierte GPU/Accelerator-Farm, kein Laptop.
• F3: V4-Pro vs V4-Flash? A: Pro für schweres Reasoning und Agent-Planung; Flash für hohes Volumen, Routing und einfache Chat-Tasks — deutlich günstiger.
• F4: Was passiert am 24. Juli? A: deepseek-chat und deepseek-reasoner antworten nicht mehr; nur V4-Modellnamen gültig.
• F5: Peak-Preise in EU-Zeitzone? A: Staffelung folgt Peking-Zeit (UTC+8); Cron-Jobs und Budget-Alerts entsprechend umrechnen.
• F6: OpenAI SDK kompatibel? A: Ja — ChatCompletions und Anthropic Messages; Base URL unverändert, nur model anpassen.

DSGVO, Self-Hosting und Datenschutz: Die DeepSeek-Cloud-API (api.deepseek.com) verarbeitet Prompts, Code-Snippets und Agent-Logs in chinesischen Rechenzentren — für EU-Teams mit personenbezogenen Daten in Prompts eine Drittlandübermittlung nach Art. 44 ff. DSGVO. Auftragsverarbeitungsvertrag, Standardvertragsklauseln und Datenminimierung prüfen. Mit MIT-Gewichten und Self-Hosting in EU-Infrastruktur bleiben Inferenzdaten unter eigener Kontrolle — relevant für regulierte Branchen, die Datensouveränität neben Benchmark-Kosten priorisieren. Reine API-Nutzung ohne PII in Prompts reduziert Risiko, ersetzt aber keine Rechtsberatung.

Fazit: DeepSeek V4 GA geht nicht darum, Claude Fable 5 oder GPT-5.6 in jedem Benchmark zu schlagen — sondern die stärkste Open-Weight-Performance zu 1/10 bis 1/100 der Kosten geschlossener Frontier-Modelle zu liefern.

DeepSeek-V4-API in ein lokales OpenClaw Gateway oder Cursor-Agent-Stack einzubinden: Schlafender Mac unterbricht lange SWE-bench-Runs; Peak-Stunden-24/7-Pipelines sind auf dem Laptop schwer planbar. Reine API-Calls brauchen keine lokale GPU, aber Hybrid-Setups (lokales Gateway + Cloud-Inferenz + Always-on-Orchestrierung) fehlt oft ein stabiler Host für Agent-Loops. Für Produktionsumgebungen mit AI-Coding-Agents, OpenClaw-Multi-Modell-Routing oder 24/7-Agent-Zyklen ist CALMVPS Bare-Metal Mac Mini Miete meist die bessere Wahl: dediziertes Apple Silicon, Metal-native Beschleunigung, flexible Monatsabrechnung, ~120 s Bereitstellung. Preisseite.