DeepSeek V4.1 Flash: Die schnelle Stufe, ihr wahrer Preis und die beantwortete Frage nach der Kostenlosigkeit

DeepSeek V4.1 Flash ist die schnelle Stufe der V4.1-Reihe von DeepSeek: ein multimodales Mixture-of-Experts-Modell mit einem Kontextfenster von 1.048.576 Token, Bildeingabe, MIT-lizenzierten Gewichten auf Hugging Face und einem Off-Peak-Listenpreis von 0,15 US-Dollar pro Million Eingabe-Token und 0,60 US-Dollar pro Million Ausgabe-Token. Es ging am 10.09.2026 in die allgemeine Verfügbarkeit über, die Veröffentlichung ist also eine Tatsache, die das Modell datiert, kein Ereignis, über das diese Seite berichtet – und zwei Fragen führen Leser lange nach diesem Datum hierher: ob es kostenlos ist und wie es sich gegenüber dem Modell verhält, das ihnen bereits vorliegt. Die erste hat eine kurze Antwort, deshalb kommt sie zuerst.

Ist DeepSeek V4.1 Flash kostenlos? Die Antwort, für die du gekommen bist

Nein. Auf DeepSeeks eigener Plattform gibt es für dieses Modell keine kostenlose API-Stufe – kein kostenloses monatliches Kontingent und keinen kostenlosen Endpunkt. Die Abrechnung erfolgt nutzungsabhängig gegen ein aufgeladenes Guthaben, zu den Tarifen auf derselben Karte wie für den Rest der Produktlinie. Die Modell-ID, die dafür aufgerufen wird, ist deepseek-flash, und jede Anfrage gegen diese ID wird zu den veröffentlichten Flash-Tarifen abgerechnet. Die Consumer-App ist kostenlos nutzbar; die dahinterstehende API ist es nicht, und die beiden sind separate Produkte.

Was wirklich nahezu kostenlos ist, ist der Cache. Ein Cache-Hit-Input-Token kostet 0,003 $ pro Million gegenüber 0,15 $ für ein frisches Input-Token außerhalb der Stoßzeiten – ein Fünfzigstel. Jede Workload mit einem großen, stabilen Präfix (Systemanweisungen, Tool-Schemas, eine Repository-Map) zahlt fast nichts für den wiederholten Teil des Prompts, während die neuen Tokens die Kosten tragen. Die genauen Bedingungen, unter denen der Rabatt gilt, bestimmt DeepSeek, nicht der Client; lesen Sie also die aktuelle Dokumentation, bevor Sie Ihr Budget auf diese Zahl stützen.

Es gibt einen zweiten Grund, warum die Frage nach kostenlosem Zugang aufkommt, und es lohnt sich, ihn vom ersten zu trennen. Drittanbieter-Plattformen bewerben kostenlosen oder Testzugang zu diesem Modell, und diese Wege gibt es wirklich; sie sind außerdem die Art von Bedingungen, die sich ohne Vorankündigung ändern, und hinter keiner von ihnen steht DeepSeeks eigene Preisliste. Betrachten Sie sie als Umgebungen zum Prototyping, nicht als Produktions-Backends. Unser eigener Katalog enthält zwar einen kostenlosen Eintrag – doch es ist deepseek/deepseek-v4-flash-free, das eingestellte V4 Flash, nicht dieses Modell. Die beiden liegen eine Versionsnummer auseinander und sind nicht dasselbe.

Wo Flash in der V4.1-Linie steht

V4.1 ist eine neue Architekturfamilie, kein Point-Release von V4. Flash ist ihr kleines, schnelles Mitglied – die Stufe, die für Durchsatz und Kosten gebaut ist, nicht für die Spitze der Bestenliste. Das Flaggschiff-Geschwister ist DeepSeek-V4-Pro-0813, angeboten unter der Modell-ID deepseek-v4-pro, das außerhalb der Spitzenzeiten mit 0,66 US-Dollar pro Million Eingabe- und 1,98 US-Dollar pro Million Ausgabe-Tokens gelistet ist: rund viereinhalbmal so viel wie Flash bei der Eingabe und etwas mehr als dreimal so viel bei der Ausgabe, mit einer Nebenläufigkeitsgrenze von 500 gegenüber 2.500 bei Flash. DeepSeek selbst gibt an, dass V4.1 Flash V4 Pro bei Leistung, Kosten, Geschwindigkeit und Gesamtaufgabenzeit umfassend übertrifft – das ist die Behauptung des Anbieters auf seinen eigenen Benchmarks, keine unabhängige Messung, und genau deshalb wirkt die Stufenbenennung für jeden verkehrt herum, der annimmt, dass „Pro“ immer der bessere Kauf ist.

Eine Grenze, die es zu wahren gilt: DeepSeek V4.1 Pro ist nicht veröffentlicht. Es erscheint in DeepSeeks Materialien nur als zukünftiges Modell. Nichts auf dieser Seite gilt für es, und auch nichts, was wir bereitstellen, gilt dafür.

Die Spezifikation, so wie DeepSeek sie veröffentlicht.

Alles Folgende ist aus der Modellkarte auf Hugging Face entnommen, unter deepseek-ai/DeepSeek-V4.1-Flash. Wenn es sich bei einer Zahl um eine Herstellerangabe und nicht um eine gesicherte Messung handelt, wird dies angegeben.

• Parameter — 552B Backbone, vom Anbieter angegeben. Die Karte gibt an, dass pro Token während des Prefill 8B Parameter und während des Decode 16B aktiviert werden, über ein Mixture-of-Experts-Layout mit 1 gemeinsam genutzten Experten und 384 gerouteten Experten pro MoE-Schicht, von denen sechs pro Token aktiv sind. • Architektur — ein 40-schichtiger kausaler Encoder-Decoder: ein 20-schichtiger kausaler Encoder, der einen 20-schichtigen Decoder speist. • Kontext — 1.048.576 Token, die die Karte auf eine Million rundet. • Ausgabegrenze — maximal 384K Token in der API des Anbieters, legen Sie die Obergrenze also explizit fest, statt auf den Standardwert zu vertrauen. • Modalität — Text und Bilder hinein, Text hinaus. Vision läuft über einen DeepSeek-ViT-Encoder plus einen zweischichtigen MLP-Projektor. • Präzision — die veröffentlichten Gewichte sind safetensors in BF16, F32, F8_E4M3 und I8, wobei FP8 auf der Karte gekennzeichnet ist. Der KV-Cache ist auf FP4 quantisiert (E2M1 mit einer E4M3-Skala pro 16 Kanälen). • Lizenz — MIT, sowohl für das Repository als auch für die Gewichte. • Veröffentlichung — allgemeine Verfügbarkeit am 2026-09-10; 48 Safetensors-Shards, etwa 510 GB im Repository.

Flash gegen Pro: die Frage, die der Tier-Name aufwirft

Wenn Sie sich zwischen den beiden entscheiden, lautet die Regel nicht „Pro ist stärker“. Das Flash-Tier existiert für Volumen: hochgradig nebenläufiger, kostenempfindlicher Traffic, bei dem eine Token-Rechnung, die nur ein Viertel von der von Pro ausmacht, mehr zählt als die letzten paar Punkte an Leistungsfähigkeit, und bei dem die Obergrenze von 2.500 gleichzeitigen Anfragen selbst der Grund ist, hier zu sein. Das Pro-Tier existiert für die anspruchsvollsten Reasoning- und agentischen Arbeiten, bei denen Sie für die Spitzenklasse zahlen und die Durchsatzgrenze eine Einschränkung ist, die Sie akzeptieren. Das ist der gesamte Zuschnitt der Wahl — die Belege aus dem direkten Vergleich, einschließlich der Bereiche, in denen Pro weiterhin gewinnt, finden sich in unserem eigenen Vergleich DeepSeek V4.1 Flash vs DeepSeek V4 Pro und nicht hier, und die beiden Seiten wiederholen sich bewusst nicht gegenseitig.

Ausführen: API, Gewichte oder beides

Beide Wege stehen offen. DeepSeek bietet das Modell in seiner eigenen API unter der ID deepseek-flash an, auf einer OpenAI-kompatiblen Basis-URL und auf einer Anthropic-kompatiblen, sodass ein vorhandener Client in der Regel nur den Modell-String ändern muss. Separat sind die Gewichte herunterladbar: MIT-lizenziert, 48 Safetensors-Shards, ungefähr 510 GB, was sie für jede Einzel-GPU-Maschine ausschließt und eindeutig in die Kategorie „einen Node mieten oder es bleiben lassen“ einordnet. DeepSeek liefert außerdem ein offizielles Inferenz-Rezept im Repository mit – eine lesbare Referenzimplementierung statt einer Produktions-Serving-Engine – und sein durchgerechnetes Beispiel konvertiert die Gewichte bei einer Modellparallelität von acht in fp4-Experten, was im Repository einer Dimensionierungsangabe am nächsten kommt. Das praktische Detail, das darüber entscheidet, ob Self-Hosting angenehm ist, ist ein anderes: Das Modell unterstützt einen stufenlos wählbaren Reasoning-Aufwand von 1 bis 100, und es generiert munter weiter, lange nachdem die Arbeit erledigt ist, wenn man diesen Regler nicht justiert. Die vermessenen Rigs, die Durchsatzwerte, die Leute tatsächlich berichten, und der Overthinking-Fehlermodus mit funktionierenden Gegenmaßnahmen stehen alle in unserem Playbook für das lokale Deployment von DeepSeek V4.1 Flash; die ehrliche Zusammenfassung lautet, dass der API-Weg günstiger ist, bis das Volumen groß ist, und der Gewichte-Weg eine Kapazitätsentscheidung statt einer Kostenentscheidung ist.

Was ist nicht geklärt

Zwei Dinge, und keines davon ist nebensächlich. Die Parameteranzahl deckt sich nicht mit den Gewichten. DeepSeeks Model Card nennt 552B; der eigene safetensors-Index des Repositorys — das Feld „Model size“ auf der Hugging-Face-Modellseite — summiert sich über die 48 Shards auf 763B, in einem Repository von etwa 510 GB. Beide Zahlen sind veröffentlicht, sie sind nicht dieselbe Zahl, und niemand hat die Diskrepanz öffentlich geklärt, also behandle 552B als Anbieterangabe und nicht als Messwert. Und DeepSeeks eigene Unterlagen sind widersprüchlich, was die älteren V4-Flash-Bezeichner angeht — die Preisseite sagt, dass die ausgemusterten Namen akzeptiert und zu Flash-Tarifen an dieses Modell weitergeleitet werden, während andere Seiten das Routing anders beschreiben. Lies das Modell aus der Antwort ab, statt anzunehmen, welches Modell geantwortet hat.

Verfügbarkeit auf OrcaRouter, heute geprüft

OrcaRouter bedient dieses Modell. Es ist in unserem Live-Katalog als deepseek/deepseek-v4.1-flash – beachten Sie, dass die Kennung die Version mit einem Punkt schreibt, v4.1, während unsere Blog-Slugs es mit Bindestrichen schreiben. Kopieren Sie die Zeichenkette genau so, wie sie in der Liste steht, sonst findet ein Client nichts. Der Eintrag hat ein Kontextfenster von 1.048.576 Token, eine maximale Ausgabe von 384K, Text- und Bildeingabe sowie die eigenen Off-Peak-Zahlen des Anbieters von 0,15 $ pro Million Eingabe und 0,60 $ pro Million Ausgabe bei 0,003 $ pro Million für Cache-Treffer, zu 0 % Aufschlag durchgereicht – DeepSeeks Tarif ist das, was Sie zahlen, und DeepSeeks Peak-Zeitfenster an Wochentagen verdoppeln ihn nach wie vor. Automatisches Failover bedeutet, dass Sie ein unerprobtes Modell hinter eine Route setzen können, die als Fallback einspringt wenn es Fehler wirft oder gedrosselt wird, was eine günstige Möglichkeit ist, herauszufinden, ob es standhält, bevor es einen Produktionspfad erreicht. Diese Aussage gilt nur für diese Kennung und dieses Modell; DeepSeek V4 Pro und die breitere V4-Reihe sind separate Einträge und separate Fakten.

Das Vergleichsset: Was als Nächstes geöffnet werden soll

Hier sind die Leser tatsächlich. In unseren eigenen Search-Console-Daten, abgerufen am 2026-10-13, erzielte die DeepSeek V4.1 Flash-Familie 9.444 Impressionen und 418 Klicks über 198 Suchanfragen — und ihre einzelne größte Zeile nach Impressionen war nicht der Modellname, sondern ein direkter Vergleich, deepseek v4.1 flash vs glm 5.3 flash, mit 1.372 Impressionen. Der bloße Begriff erzielte 2.025 Impressionen über 33 Suchanfragen. Zehn Vergleichsseiten liegen unter diesem Stamm, und jede einzelne ist darauf ausgelegt, ihre eigene Frage zu beantworten, statt diese Seite zu wiederholen:

• DeepSeek V4.1 Flash vs. GLM-5.3-Flash — der Preiskampf und die Startlatenz-Strafe, die mit dem Gewinnen einhergeht. • DeepSeek V4.1 Flash vs. DeepSeek V4 Flash — die Migrationsfrage, die DeepSeek teilweise beantwortet hat, indem es die Kennungen des älteren Modells zurückzog. • DeepSeek V4.1 Flash vs. DeepSeek V4 Pro — die Übergabe, die DeepSeek angesetzt und dann abgesagt hat, und was Ihnen dann noch zur Wahl bleibt. • DeepSeek V4.1 Flash vs. Gemini 3.8 Flash — zwei günstige Preise, die mit zwei sehr unterschiedlichen Arten des Ablaufs verbunden sind. • DeepSeek V4.1 Flash vs. GPT-5.6 Sol — die Preislücke neben der Lücke bei der Zeit bis zum ersten Token. • DeepSeek V4.1 Flash vs. GPT-5.6 Terra — wo eine Kontextschwelle den Tarif mitten in einer Anfrage ändert. • DeepSeek V4.1 Flash vs. Claude Opus 5 — zwei Ergebnistafeln, die sich darin widersprechen, welches Modell gewonnen hat. • DeepSeek V4.1 Flash vs. Grok 4.6 — ein kleines Fähigkeitsdelta gegenüber einer hohen wiederkehrenden Rechnung. • DeepSeek V4.1 Flash vs. Kimi K3 — die eigene Head-to-Head-Behauptung des Anbieters, geprüft anhand der dahinterstehenden Belege. • DeepSeek V4.1 Flash vs. Qwen3.8-Max — dasselbe Kontextfenster zum Zwanzigfachen des Token-Preises.

Wenn Sie nur Zeit für einen haben, nehmen Sie den GLM-5.3-Flash-Vergleich: Er ist die Zeile, die Leser am häufigsten eingeben, und die beiden Modelle liegen preislich nah genug beieinander, dass die Entscheidung davon abhängt, wie schnell Sie das erste Token benötigen, und nicht davon, wie viel jedes Token kostet.