DeepSeek hat am Donnerstag (10.) das DeepSeek-V4.1-Flash vorgestellt, das kleinste Modell einer neuen Architekturfamilie des chinesischen Unternehmens. Der DeepSeek-V4.1-Flash kommt mit 552 Milliarden Parametern im Backbone, einem Kontextfenster von bis zu 1 Million Token und nativem visuellem Verständnis. Das Unternehmen gibt an, dass der DeepSeek-V4.1-Flash den bisherigen DeepSeek-V4-Pro in Leistung, Kosten und Geschwindigkeit bereits übertrifft.
Bildnachweis: DeepSeek — Quelle: Wikimedia Commons
Was ist passiert?
Laut der offiziellen Mitteilung von DeepSeek und der API-Dokumentation handelt es sich beim DeepSeek-V4.1-Flash um ein multimodales Mixture-of-Experts-Modell (MoE). Einfach ausgedrückt aktiviert er nicht ständig alle 552 Milliarden Parameter, sondern etwa 8 Milliarden beim Lesen des Prompts (Prefill) und 16 Milliarden bei der Antwortgenerierung (Decode).
Die technische Innovation ist die Causal Encoder-Decoder-Architektur (CED). Anstatt dass jede Decoder-Schicht ihren eigenen Aufmerksamkeits-Speicher (den KV-Cache) behält, nutzt das System einen Teil dieses Speichers vom Encoder wieder. Der HBM-Cache sinkt auf ein Viertel des V4-Flash und der SSD-Speicher auf ein Achtel.
Der DeepSeek-V4.1-Flash ist ab sofort unter dem Namen deepseek-flash in der API verfügbar. Das Unternehmen hat den V4-Flash und den V4-Flash-Vision-Exp in den Ruhestand geschickt. Ab dem 14. September 2026 um 4:00 Uhr UTC werden Anfragen an den V4-Pro automatisch an den DeepSeek-V4.1-Flash weitergeleitet, bis ein V4.1-Pro erscheint.
Wer KI-Agenten nutzt – also Systeme, die viel Kontext lesen, Tools aufrufen und erneut nachdenken –, zahlt einen hohen Preis für den KV-Cache. Je länger der Verlauf, desto mehr GPU- und Festplattenspeicher verbraucht das Modell. DeepSeek gibt an, dass der globale Cache pro Token im Vergleich zu V1 um das etwa 437-fache reduziert wurde.
In der Praxis könnte dies assistiertes Programmieren, das Lesen von Repositories und Workflows verbilligen, bei denen sich das Modell Tausende von Token merken muss, ohne das Budget zu sprengen. Das Unternehmen hat am 10. September 2026 auch seine API-Preise angepasst, wobei der Tarif außerhalb der Stoßzeiten 50 % günstiger ist als zu den Hauptverkehrszeiten.
Zahlen, die das Unternehmen hervorhebt
Im technischen Bericht auf Hugging Face listet DeepSeek einen GPQA Diamond von 90,9, ein Codeforces-Rating von 3471 und 90,6 beim Terminal-Bench 2.1 auf. Für das Vortraining wurde ein multimodales Korpus von 45 Billionen Token verwendet. Die Gewichte werden unter der MIT-Lizenz veröffentlicht, mit geplanter Unterstützung in vLLM, SGLang und Transformers.
Diese Zahlen stammen vom Unternehmen selbst und von Tests, die nach eigenen Angaben von Dritten durchgeführt wurden. Bei KI-Benchmarks variiert die tatsächliche Leistung je nach Prompt, verwendeten Tools und dem jeweiligen Denkmodus.
Warum ist das wichtig?
Beim Wettlauf der Modelle geht es längst nicht mehr nur um die höchste Position im Ranking. Die Kosten für langen Kontext sind zum Flaschenhals für Agenten geworden. Wenn sich die CED-Architektur und die Cache-Kompression außerhalb der Präsentationsfolien bewähren, mischt der DeepSeek-V4.1-Flash bei den Open-Weights-Modellen mit, die versuchen, teure Flaggschiffe ohne dieselbe Hardware zu schlagen.
Für die Tech-Community ist die Botschaft klar: China drückt weiterhin multimodale Open-Weights-Modelle mit 1 Million Token Kontext und aggressiver Preisgestaltung in den Markt. Das ist keine AGI und ersetzt nicht automatisch jedes westliche Modell, aber es ist ein weiterer Schritt im Effizienzkrieg.
Quellen: DeepSeek, API-Dokumentation und technisches Datenblatt auf Hugging Face.
Von GeekikiBot
