Deepseek’s Flaggschiff-Modell V4 Pro punktet beim Preis, aber nicht bei der Leistung
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Das chinesische KI-Startup DeepSeek hat die finale Version seines Flaggschiffs DeepSeek-V4-Pro veröffentlicht. Beworben werden vor allem deutlich bessere Agenten-Fähigkeiten. Unabhängige Messungen zeichnen ein gemischtes Bild: Bei den Kosten pro Aufgabe unterbietet das Modell die Konkurrenz massiv, bei der reinen Leistung bleibt es hinter anderen Open-Weight-Modellen wie Kimi K3 zurück.
DeepSeek hat diese Woche die allgemein verfügbare Version seines Spitzenmodells ausgerollt – intern als DeepSeek-V4-Pro-0813 geführt. Das Modell ist über App, Web und API erreichbar; an der Aufrufmethode ändert sich laut Unternehmen nichts, es genügt der Modellname deepseek-v4-pro. Angekündigt wurde der Schritt lediglich mit einer kurzen Notiz auf der Website, ohne begleitenden Technical Report oder Blogpost, wie ihn andere Labore üblicherweise nachliefern. Die Aktualisierung folgt auf die Preview-Version vom April und auf das kleinere V4 Flash, das Ende Juli vor allem wegen seiner Kosteneffizienz Aufmerksamkeit bekommen hatte.
Der Preis als Hauptargument
Im Mittelpunkt der Ankündigung stehen die Agenten-Fähigkeiten, die laut DeepSeek „deutlich verbessert“ wurden, insbesondere im Produktivbetrieb. Dazu kommen zwei technische Neuerungen: Die DeepSeek-API unterstützt nun nativ das Responses-API-Format von OpenAI und ist eigens für Codex angepasst; für die Einrichtung gibt es ein Konfigurationsskript. Außerdem lässt sich der Denkaufwand bei V4 Pro und V4 Flash in drei Stufen steuern – low, high und max –, je nach Komplexität der Aufgabe.
Preislich liegt V4 Pro bei rund 0,44 US-Dollar pro Million Input-Token und 0,87 US-Dollar pro Million Output-Token. Der Benchmark-Dienst Artificial Analysis stuft den Input-Preis als etwas teurer als den Median von 0,33 Dollar ein, den Output-Preis dagegen als moderat – der Median liegt hier bei 1,20 Dollar. Hinzu kommt ein Cache-Rabatt von 99 Prozent.
Entscheidender ist die Rechnung pro erledigter Aufgabe: Rund 6 US-Cent kostet ein Durchlauf im Artificial Analysis Intelligence Index. Damit liegt V4 Pro etwas über OpenAIs Leichtgewicht GPT-5.6 Luna (5 Cent), aber rund 93 Prozent unter Kimi K3 von Moonshot AI, das mit 84 Cent pro Aufgabe zu Buche schlägt. Für die vollständige Auswertung des Index fielen bei DeepSeek Gesamtkosten von 135 Dollar an.
Ab 16. August, 16:00 UTC, ändert DeepSeek zudem die API-Preisstruktur: Künftig gilt ein Peak-/Off-Peak-Modell, bei dem außerhalb der Stoßzeiten die Hälfte des regulären Preises verrechnet wird. Vergangene Woche hatte das Unternehmen bereits eine „signifikante“ Preiserhöhung wegen hoher Nachfrage angekündigt und Nutzer:innen empfohlen, ihre Auslastung entsprechend zu planen.
Wo das Modell hinterherhinkt
Im Artificial Analysis Intelligence Index erreicht V4 Pro 53 Punkte – klar über dem Median vergleichbarer Modelle von 27, aber vier Punkte hinter dem Mittelklasse-Modell Terra aus OpenAIs GPT-5.6-Reihe und sieben Punkte hinter Kimi K3. Gleichauf liegt das Modell demnach mit GLM-5.2 von Zhipu AI, das im Juni erschienen ist.
Im Vals Index des Analysehauses Vals AI landete V4 Pro auf Rang zwölf, hinter OpenAIs Vorgängergeneration GPT-5.5 sowie deutlich hinter Kimi K3 und Claude Opus 5 von Anthropic. Zwei Schwächen fielen dabei besonders auf: Aufgaben in einer abgeschotteten Terminal-Umgebung und die Erstellung komplexer Finanzmodelle in Excel. In sozialen Netzwerken berichteten Entwickler:innen außerdem, dass das Modell bei langen Coding-Aufgaben vorzeitig abbricht.
Beim Tempo schneidet V4 Pro dagegen überdurchschnittlich ab: 78 Output-Token pro Sekunde gegenüber einem Durchschnitt von 65. Allerdings ist das Modell auch vergleichsweise gesprächig – für den Intelligence Index produzierte es 130 Millionen Token, der Median liegt bei 100 Millionen. Das Kontextfenster umfasst eine Million Token.
Stärke in der Cybersecurity
Deutlich besser fällt das Urteil in einem Spezialgebiet aus. Laut dem belgischen Sicherheitsunternehmen Aikido Security fand V4 Pro mehr Systemschwachstellen als jedes andere getestete Modell – darunter Claude Opus 5 und Alibabas Qwen 3.8. Einschränkend verweist Aikido-Forscher Philippe Dourassov allerdings auf die schwache Präzision der Treffer, das Modell meldet also auch viele Fehlalarme.
Parallel arbeitet DeepSeek an einem eigenen „Harness“ – einem Software-Rahmen, der Sprachmodelle als autonome Agenten laufen lässt, vergleichbar mit Claude Code. Anfang August lud das Unternehmen Open-Source-Entwickler:innen zum Beta-Test der DeepSeek Harness ein, nachdem es bereits im Juli einen WeChat-Account für das Team registriert hatte.
