DeepSeek V4 Flash offiziell:
Benchmarks nahe Opus 4.8, Preis ein Bruchteil — Pro bleibt ausstehend

Kein Architekturwechsel, sondern iterative Verfeinerung derselben 284B-MoE-Plattform über ein dreimonatiges Fenster:

• 24. April 2026: DeepSeek-V4-Preview mit V4-Pro (1,6T / 49B aktiv) und V4-Flash (284B / 13B), jeweils 1M Token Kontext, MIT-Lizenz.
• 24. Juli 2026: Legacy-Aliase deepseek-chat und deepseek-reasoner abgeschaltet; Traffic auf V4-Familie umgestellt.
• 27. Juli 2026: Moonshot AI veröffentlicht Kimi K3 (2,8T) als Open Weights auf Hugging Face — direkter Wettbewerbsdruck Tage vor dem DeepSeek-Update.
• 31. Juli 2026: deepseek-v4-flash offizielle API-Beta (0731); Open Weights synchron auf Hugging Face. Changelog nennt erstmals DeepSeek Harness. Nur API — App und Web-Chat unverändert.
• Stand 5. August 2026: Offizielles V4-Pro weiterhin „so bald wie möglich“, ohne bestätigtes Datum. Chinesische Medien zitieren anonyme Quellen für ein GA-Fenster 10.–20. August — von DeepSeek nicht bestätigt.

Die Leistungssteigerung stammt ausschließlich aus Post-Training, nicht aus Skalierung — 284B Flash schlägt 1,6T V4-Pro-Preview auf Agent-Tasks. Der Wettbewerb 2. Halbjahr 2026 verschiebt sich von Parameter-Größe zu Trainingsqualität.

Alle Preise sind Herstellerangaben. DeepSeek kündigt künftig 2x Peak-Zuschlag werktags 09:00–12:00 und 14:00–18:00 Peking-Zeit an — ohne festes Startdatum.

Der unabhängige Artificial Analysis Intelligence Index und die durchschnittlichen Kosten pro Task (über Finanzmedien zitiert) ergänzen die Herstellerperspektive:

V4-Flash führt den Index nicht an, kostet pro Task aber etwa 1/29 von Kimi K3 und 1/105 von Claude Fable 5 — DeepSeek optimiert auf „ausreichende Intelligenz zum niedrigsten Preis“, nicht auf Benchmark-Spitzenplätze.

Architektur unverändert — Post-Training liefert die Differenz. DeepSeek bestätigt: V4-Flash-0731 hat dieselbe Parameterzahl und Struktur wie die April-Preview. Der Technical Report „DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence“ beschreibt drei Kernbausteine (seit Preview):

• Hybrid Attention (CSA + HCA): als DSA Sparse Attention vermarktet; senkt Compute und Speicher bei langem Kontext.
• Manifold-Constrained Hyper-Connections (mHC): verbesserte Residual-Pfade.
• Muon-Optimierer: schnellere Konvergenz und stabilere Trainingsdynamik.

Herstellerangaben (noch ohne unabhängige Reproduktion): Bei 1M Token benötigt V4-Pro nur 27 % der per-Token-FLOPs von V3.2 und 10 % des KV-Cache-Footprints.

Harness-Debüt. Der Changelog vom 31. Juli benennt erstmals DeepSeek Harness — ein internes Agent-Framework als Gegenstück zu Claude Code für Dateizugriff, Tool-Calls und End-to-End-Engineering. Alle veröffentlichten Agent-Benchmarks (Terminal Bench 2.0, Toolathlon u. a.) liefen im Harness Minimal Mode mit max-Effort, top_p=0,95, temperature=1,0. Der Changelog warnt ausdrücklich: „Benchmarks sind extrem sensitiv gegenüber der Harness-Wahl“ — das sollte in jeder Kaufentscheidung mitgerechnet werden.

Laut 21st Century Business Herald berichten Entwickler von niedrigen Input-Cache-Hit-Raten und gelegentlichen Timeouts des Safety-Classifiers — ein Gegengewicht zur „Benchmark-Explosion“-Narrative.

V4-Flash-0731 landet im dichtesten Open-Weight-Fenster des Jahres. Für Agent- und Batch-Workloads lautet die Frage nicht mehr „wer hat den höchsten Score“, sondern „wer hält die Rechnung unter einer akzeptablen Intelligenzuntergrenze“.

Sechs Schritte zur Migration auf V4-Flash-0731:

1. Legacy-Modellnamen prüfen: Seit 24. Juli sind deepseek-chat und deepseek-reasoner abgeschaltet — Routing auf deepseek-v4-flash oder deepseek-v4-pro (Preview).
2. API-Oberfläche bestätigen: Build 0731 ist nur API; App und Web können hinterherhinken — Produktion folgt dem API-Changelog.
3. SDK-Kompatibilität nutzen: OpenAI ChatCompletions und Anthropic-Format bleiben unverändert; deepseek-v4-flash zeigt automatisch auf den neuen offiziellen Build.
4. Benchmark-Klassen trennen: SWE-bench Verified und ähnliche Drittanbieter-Suites sind belastbarer als Terminal Bench 2.0 mit nicht öffentlichem Harness — nicht 1:1 auf Claude Code oder Cursor übertragen.
5. A/B auf eigenen Repos: Flash, Kimi K3 und Qwen3.8-Max in realen Agent-Workflows gegenüberstellen — Erfolgsrate und Token-Kosten, nicht nur Herstellerfolien.
6. V4-Pro und Harness GA verfolgen: Offiziell nur „so bald wie möglich“; jedes August-10–20-Fenster ist Gerücht bis Changelog-Bestätigung.

Offizielle Dokumentation und Changelog:

https://api-docs.deepseek.com/

https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash

• Terminal Bench 2.0 (Hersteller): V4-Flash-0731 82,7 vs. V4-Pro-Preview 67,9 — gemessen mit nicht öffentlichem Harness Minimal Mode; als framework-spezifisch einstufen.
• Preisfaktoren vs. Claude Opus 4.8 (21st Century Business Herald): Cache-Miss-Input ca. 36x günstiger, Cache-Hit-Input ca. 179x, Output ca. 89x — Herstellerlistenpreise, keine Prüfung.
• „Kill-Line“ (斩杀线): chinesischer Entwickler-Jargon für die Kombination aus „ausreichender Leistung + extrem niedrigem Preis“, die Wettbewerber ohne klaren Qualitäts- oder Kostenvorteil aus Routing-Tabellen verdrängt.

FAQ

• Größter Unterschied V4 vs. V3.2? Native 1M-Token-Kontext, deutlich reduzierte FLOPs und KV-Cache bei langem Kontext; Agent-Fähigkeiten für Claude Code, OpenCode u. a. optimiert.
• Flash oder Pro im Alltag? Bulk- und Agent-Pipelines: Flash-0731; tiefere Reasoning-Anforderungen vorübergehend Pro-Preview — nach offiziellem Pro neu bewerten.
• Ist offizielles V4-Pro verfügbar? Stand 5. August nein; nur Flash-0731 offiziell, API-only.
• Benchmarks vertrauenswürdig? Breit adoptierte Drittanbieter-Suites ja; Harness-abhängige Agent-Scores erst nach unabhängiger Reproduktion mit Claude Code oder Cursor.

Wer Agent-Workflows vollständig über Cloud-APIs fährt, trägt Latenz-, Abrechnungs- und Routing-Risiken. Reine lokale Hugging-Face-Deployments stoßen an Unified-Memory-Grenzen, 24/7-Stabilität und Multi-Node-Skalierung. Für Teams mit vollem macOS-Stack (Claude Code, OpenCode, OpenClaw, Xcode CI/CD) und dauerhaft online Agent-Knoten ist CALMVPS Bare-Metal Mac Mini M4 Miete die produktionsreifere Option: dediziertes Apple Silicon, sechs Regionen, 120-Sekunden-Bereitstellung. Modelle und Live-Preise: CALMVPS Mietpreise.

DSGVO und Cloud-Daten: Die DeepSeek-Cloud-API verarbeitet Prompts, Code und Agent-Logs in chinesischen Rechenzentren — für EU-Teams mit personenbezogenen Daten in Prompts eine Drittlandübermittlung nach Art. 44 ff. DSGVO. AV-Vertrag, Standardvertragsklauseln und Datenminimierung prüfen. Mit MIT-Gewichten und Self-Hosting auf eigener Infrastruktur bleiben Inferenzdaten unter Kontrolle — relevant neben Token-Kosten. Reine API-Nutzung ohne PII reduziert Risiko, ersetzt keine Rechtsberatung.

Vor dem Rollout aktuelle Preise, Benchmarks und V4-Pro-/Harness-Status verifizieren — Datenstand 5. August 2026.