DeepSeek V4.1 Flash: Ein brandneues Basismodell, das eine Punkt-Release-Nummer trägt

DeepSeek V4.1 Flash ist sechs Tage alt, und die drei Fragen, die sein Start offen ließ, sind nun geschlossen — zwei davon zugunsten des Unternehmens und eine deutlich dagegen. Das Modell selbst ist unverändert seit dem 10. September: ein Mixture-of-Experts mit 552 Milliarden Parametern, offenen Gewichten unter MIT-Lizenz, einem Kontext von einer Million Token und einer neuen Causal-Encoder-Decoder-Architektur, die der Hersteller in seiner eigenen Modellkarte unter dem führt, was das Unternehmen seine „neue Architekturfamilie“ nennt. Verändert hat sich alles drumherum. Ein unabhängiger Prüfer veröffentlichte eine Bewertung, wo am Startmorgen noch keine existierte. Das Unternehmen zog die DeepSeek V4 ProStilllegung zurück, die es in seinem eigenen Changelog angekündigt hatte. Und die Day-Zero-Serving-Arbeit, die es an jenem Morgen noch nicht gab, läuft inzwischen auf mehreren gängigen Inferenz-Runtimes — wobei die beiden schwierigsten Teile davon, die Engram-Speichertabellen und die Prefill/Decode-Aufteilung, auf die Produktions-Deployments angewiesen sind, noch aktiv in aller Öffentlichkeit überarbeitet werden.

Die Namensdiskrepanz ist nach wie vor der Grund, warum dieser Text existiert. „V4 Flash zu V4.1 Flash“ als Patch-Schritt zu lesen, ist das Naheliegende und zugleich das Falsche: Die Versionsnummer liegt nur eine Dezimalstelle von einer Neuabstimmung entfernt, während die darunterliegende Architektur eine Familie begründet. Sechs Tage voller Beweise haben das nicht abgeschwächt. Wenn überhaupt, haben die unabhängigen Zahlen es noch verfestigt, denn ein Modell, das das Flaggschiff seines eigenen Anbieters mit 1,6 Billionen Parametern übertrifft, ist kein Point-Release — es ist eine Generation, die sich weigerte, sich selbst zu benennen.

Was am 10. September tatsächlich veröffentlicht wurde

Das war kein Leak und keine Beta. Der zweitägige API-Test, der am 8. September unter der Modell-ID deepseek-v4.1-flash-expires-on-0910 begann, endete so, wie es sein Suffix vorhersagte, und das Release wurde in DeepSeeks Web-App, Mobil-App und First-Party-API ausgerollt, während die Gewichte und ein technischer Bericht auf Hugging Face unter deepseek-ai/DeepSeek-V4.1-Flash.

Die praktischen Details haben sich seit sechs Tagen nicht bewegt:

• Modellname — rufen Sie deepseek-flash auf. Die alten Namen deepseek-v4-flash und deepseek-v4-flash-vision-exp werden weiterhin akzeptiert, aber sie verweisen nicht mehr auf die Modelle, die sie früher bezeichneten: Beide sind eingestellt, und Anfragen mit diesen Namen werden von DeepSeek V4.1 Flash bedient und zum Flash-Tarif abgerechnet.

• Was enthalten ist — ein Kontextfenster von 1M Token, maximale Ausgabe von 384K, JSON-Ausgabe, Funktionsaufrufe, native Bildeingabe und ein Denkmodus, der standardmäßig aktiviert ist, mit Einstellungen für niedrigen, hohen und maximalen Aufwand.

• Lizenz — MIT, Gewichte enthalten, mit einem Inferenzordner und einem separaten Kodierungsmodul im Repository. DeepSeek lud die Open-Source-Community ausdrücklich dazu ein, am ersten Tag Inferenzunterstützung zu entwickeln, und die Community griff dies schneller auf, als die Einladung nahelegte.

Die .1, die kein Point-Release ist.

Die Behauptung, die diesen Artikel auslöste, stammt von teortaxesTex, einem pseudonymen, aber aufmerksam verfolgten DeepSeek-Beobachter, in einem Beitrag vom 10. September: dass dies „das erste Mal ist, dass DeepSeek ein völlig neues Basismodell mit einer .1-Versionsnummer versieht“, dass V4.1 „sich von V4 stärker unterscheidet als etwa LLaMA 3 von LLaMA 1“ und dass DeepSeek „das noch nicht für V5 hält“ – ohne dass der Autor sagen kann, warum nicht.

Behandle den kausalen Teil als Inferenz und den strukturellen Teil als überprüfbar. Die Inferenz – warum DeepSeek .1 statt V5 gewählt hat – ist die Einschätzung eines Beobachters und nichts weiter; niemand außerhalb des Unternehmens hat die Entscheidung erklärt, und DeepSeeks eigene Materialien gehen nie darauf ein. Der überprüfbare Teil ist die Architektur, und sie liest sich nicht wie ein Point-Release. DeepSeeks Changelog beschreibt V4.1 Flash als „das kleinste Modell in unserer neuen Architekturfamilie“, was ein seltsamer Satz für ein Versions-Update ist: Ein Versions-Update erweitert eine Familie, es begründet keine.

Es gibt echte Kosten durch diese Mehrdeutigkeit, und sie treffen die Käufer, nicht DeepSeek. Versionsnummern sind das billigste Signal, das ein Entwickler dafür hat, ob dies eine neue Generation oder ein Feintuning ist und wie viel Evaluierungsbudget es verdient. DeepSeek hat dieses Signal nun in eine Richtung unzuverlässig gemacht – ein Modell, das eine Architekturfamilie begründet, liegt eine Dezimalstelle entfernt von einem, das sein Post-Training-Rezept geändert hat. Das Unternehmen kann seinen V5-Marker in Reserve behalten. Alle, die eine Migrationsbewertung durchführen, zahlen für die Verwirrung.

Was „neue Architektur“ in den Gewichten bedeutet

Die Modellkarte ist ungewöhnlich konkret, was die Aussage zur Generation ohne einen einzigen Benchmark überprüfbar macht. Fünf Dinge stechen hervor – das fünfte ist das, was die Berichterstattung zum Start weitgehend ausgelassen hat, und das sich für alle, die dieses Modell bereitstellen möchten, als am wichtigsten erweist.

Asymmetrische Aktivierung – die Causal-Encoder-Decoder-Aufteilung ist ein 40-schichtiger Transformer, der als ein 20-schichtiger kausaler Encoder, gefolgt von einem 20-schichtigen Decoder, organisiert ist, wobei der globale KV-Cache des Decoders aus den finalen verborgenen Zuständen des Encoders projiziert wird und nicht aus den eigenen Zuständen jeder Decoder-Schicht abgeleitet wird. Der Sinn dieses Designs ist, dass das Modell während des Prefills nur 8B Parameter pro Token aktiviert und während des Decodes 16B. Eingabeintensive Agent-Workloads – lange Dokumente, lange Tool-Traces – erhalten die günstige Hälfte des Modells; die Generierung erhält die teure Hälfte.

• KV-Cache-Kompression, pro Token gemessen – DeepSeek-V4.1-Flash setzt FP4-Haupt-KV-Caching mit 890 Bytes pro Token ein, was die Karte auf etwa ein Viertel von DeepSeek V4 Flash beziffert. Die chinesische Berichterstattung ging weiter und stellte die Kompression gegenüber dem Modell der ersten V4-Generation als 437-fache Reduktion dar; diese größere Zahl ist eine herstellerseitige Rechnung auf anderer Basis, daher ist sie als Behauptung und nicht als Messung zu betrachten.

• SWA Bounded Replay – Sliding-Window-Attention zwingt normalerweise dazu, den KV-Status für die Rekonstruktion des Kontexts auf der SSD zu persistieren. Dieses Verfahren rekonstruiert fehlende SWA-KV-Zustände, indem es stattdessen nur das jüngste Token-Fenster erneut abspielt, wodurch der persistente KV-Speicherbedarf auf etwa ein Achtel des von DeepSeek V4 Flash reduziert wird.

• Compressed Sparse Attention 2 — jede Attention-Schicht läuft in einem von drei statischen Modi (Full, Reindex oder Reuse), teilt sich KV- und Indexer-Zustand über die Schichten hinweg und nutzt einen hierarchischen Sparse-Indexer, der die Kosten tieferer Schichten unabhängig von der Kontextlänge begrenzt.

• Engram — ein Modul für bedingtes Gedächtnis, das Speicher von Berechnung getrennt hält, implementiert als n-Gramm-Hash-Lookups, die per Gating in den Residualstrom des Modells eingespeist werden, statt als Attention oder als zusätzliche Experten. Die beiden fp8-Tabellen enthalten 189 GiB Gewichte, laut SGLangs eigener Beschreibung der Architektur, und Runtime-Anbieter, die den Checkpoint portiert haben, beziffern die Tabellen auf ungefähr 196B Parameter zusätzlich zum 552B-Backbone — weshalb die Headline-Parameterzahl der Modellkarte den Backbone beschreibt und nicht den gesamten Download. Engram wird auf zwei Schichten trainiert, verwendet Ordnungen von zwei, drei und vier n-Grammen über acht Hash-Köpfe pro Ordnung und fasst Token zusammen, die sich gleich normalisieren, sodass Varianten der Groß-/Kleinschreibung in denselben Bucket gehasht werden. Das erwähnenswerte Design-Detail sind die Kosten, die es verursacht: Jeder Dekodierungsschritt liest diese Tabellen, sodass der Ort, an dem man sie ablegt, darüber entscheidet, wie viel KV-Cache einem bleibt.

Liest man diese fünf zusammen, wird das strategische Bild erkennbar: Dies ist in erster Linie eine Architektur für Sparsity, Cache-Effizienz und Memory-Offload, dimensioniert, sodass dieselbe Struktur später hochskaliert werden kann. Die Erwähnung einer „neuen Architekturfamilie“ leistet echte Arbeit – sie ist die Aussage, dass noch mehr kommt.

Das unabhängige Testergebnis ist endlich da — und es stützt den Anbieter

Vor vier Tagen hätte sich dieser Abschnitt ganz anders gelesen. Zum Start hatte Artificial Analysis nichts zu DeepSeek V4.1 Flash veröffentlicht, auf Hugging Faces Modellseite stand noch der Hinweis, dass das Modell „von keinem Inference-Anbieter bereitgestellt wird“, und die tragende Behauptung des gesamten Releases – dass ein Modell der Flash-Klasse ein Flaggschiff mit 1,6 Billionen Parametern bei Leistung, Kosten, Geschwindigkeit und Gesamtaufgabenzeit umfassend schlägt – war eine Herstelleraussage ohne externe Prüfung. Alle drei dieser Lücken haben sich seitdem geschlossen.

Artificial Analysis hat das Modell nun anhand seines Intelligence Index gemessen, und die Kurzfassung lautet, dass DeepSeeks Behauptung den Kontakt mit einer dritten Partei übersteht:

• Intelligence Index — DeepSeek V4.1 Flash erzielt 40 bei maximalem Reasoning-Aufwand, rangiert auf Platz sechs von 113 Modellen in seiner Vergleichsklasse und deutlich über dem Median von 18 für vergleichbare Open-Weights-Modelle. DeepSeek V4 Pro 0813, das Flaggschiff, das es verdrängt haben soll, erzielt 36 im selben Index.

• Kosten pro Aufgabe — 0,27 $ pro Intelligence-Index-Aufgabe für V4.1 Flash gegenüber 0,67 $ für V4 Pro 0813. Das ist die Fähigkeit-pro-Dollar-Behauptung, unabhängig reproduziert: Das günstigere Modell ist bei diesem Maß das leistungsfähigere, bei etwa 40 % der Kosten pro abgeschlossener Aufgabe.

• Geschwindigkeit — 212,1 Ausgabe-Token pro Sekunde gegenüber einem Median von 73,1 t/s bei vergleichbaren Modellen, mit einer Zeit bis zum ersten Token von 1,31 s gegenüber einem Median von 2,37 s. Auf demselben Harness misst V4 Pro 0813 94,4 t/s und eine TTFT von 1,72 s.

• Preis — Artificial Analysis verzeichnet $0,30 pro Million Eingabe-Tokens und $1,20 pro Million Ausgabe-Tokens bei einem Cache-Rabatt von 98 %, was DeepSeeks veröffentlichte Spitzenpreisliste ist und kein Premium-Aufschlag eines Drittanbieters.

Bezeichne das korrekt, denn das Label hat sich geändert. Dies sind unabhängige Messungen, keine Herstellerangaben – aber es sind unabhängige Messungen auf einem einzigen Drittanbieter-Harness, und ein einzelner Index ist kein Urteil über ein Modell. Was dadurch geklärt wird, ist enger und nützlicher als eine Leaderboard-Position: Die konkrete Behauptung, die DeepSeek zur Rechtfertigung seiner eigenen Produktlinie aufgestellt hat, dass Flash Pro bei Leistungsfähigkeit und Kosten zugleich übertreffen würde, hat nun externe Bestätigung im Rücken statt eines Changelogs.

Auf der anderen Seite gibt es ebenfalls einen ehrlichen Vorbehalt, und er stammt aus derselben Anbieterberichterstattung wie zuvor. Die eigenen Zahlen von DeepSeek zeigen, dass V4.1 Flash 13 von 16 Vergleichen gegen Kimi K3 und 11 von 13 gegen GLM-5.3 gewinnt, während es auf den neueren Terminal-Bench-3.0- und 4.0-Aufgaben sowie auf ProgramBench weiterhin hinter GPT-5.6 Sol und Claude Opus 5 zurückliegt. Das ist ein stimmiges Muster – am stärksten bei der Coding-, Terminal- und Agent-Automatisierungsarbeit, für die diese Architektur optimiert ist, schwächer bei Frontier-Reasoning-Aufgaben – und es ist das Muster, das ein echter Generationssprung hätte. Der unabhängige Index stimmt mit dem Umriss überein, ohne jede Zelle abschließend zu klären.

Die von DeepSeek angekündigte und dann zurückgenommene Pro-Einstellung

Hier ist der Teil, der von DeepSeeks eigenem erklärtem Plan abweicht, und er ist der Teil, der sich am wahrscheinlichsten auf eine Live-Integration auswirkt.

Zum Start sagte DeepSeek, dass DeepSeek V4 Pro aus seiner API auslaufen würde. Ab dem 14. September um 12:00 Uhr Pekinger Zeit würden Anfragen, die den Namen deepseek-v4-pro tragen, an V4.1 Flash weitergeleitet und zu Flash-Preisen abgerechnet – eine Senkung der Ausgabekosten um rund 70 % für alle, die den Pro-Modellnamen hartcodiert haben – und würden auf diese Weise weitergeleitet bleiben, bis ein künftiges V4.1 Pro erscheint. Auf der Preisliste vom Starttag bedeutete das, dass die 3,96 $ pro Million Ausgabe-Tokens von Pro auf die 1,20 $ von Flash zu Spitzenzeiten sanken, ohne Codeänderung und ohne Ankündigung außer einem Changelog-Eintrag.

Dazu kam es nicht. Am 11. September veröffentlichte DeepSeek auf seiner eigenen offenen Plattform einen Hinweis, dass man als Reaktion auf die Nachfrage der Nutzer den DeepSeek V4 Pro API-Dienst nach dem 14. September weiterhin anbieten werde, bei unveränderter Abrechnung – der Hinweis blieb am 14. September selbst noch auf der Plattform sichtbar, nachdem der Umstellungszeitpunkt verstrichen war; es handelt sich also um eine aktuelle Erklärung aus erster Hand und nicht um ein Gerücht darüber. Der berichtete Grund ist das am wenigsten Überraschende in dieser Geschichte: Entwickler protestierten dagegen, dass ein Anbieter in einer Produktionsintegration still und leise die Gewichte hinter einem Modellnamen austauschte, und DeepSeeks eigene Multi-Parteien-Tests hatten ergeben, dass V4 Pro bei den realen Arbeitslasten einiger Teams einen Qualitätsvorsprung behielt, selbst dort, wo V4.1 Flash bei den öffentlichen Evals gewinnt.

Die praktische Schlussfolgerung ist genau das Gegenteil dessen, wozu die Berichterstattung zum Launch-Tag geraten hat. Wenn Sie den 14. September in Ihren Kalender eingetragen haben, um eine an Pro gebundene Integration erneut zu testen, ist die Deadline hinfällig: DeepSeek V4 Pro ist weiterhin DeepSeek V4 Pro und kostet weiterhin wie zuvor, während V4.1 Pro weiterhin nicht angekündigt ist – keine Modellkarte, keine Parameteranzahl, kein Datum und keine Gewichte. Was sich nicht geändert hat, ist die Richtung – DeepSeek beabsichtigt eindeutig, seine Produktlinie auf die neue Architektur auszurichten, und das Einzige, was es über die alte Architektur bestätigt hat, ist, dass es den Wechsel nicht zu einem festen Datum erzwingen wird.

Bereitstellung: 189 GiB an N-Gramm-Tabellen, und die Arbeit noch offen

Zum Marktstart lautete die Formulierung zur Verfügbarkeit: „läuft auf der API des Anbieters und nirgendwo sonst.“ Das stimmt nicht mehr, und die Stelle, an der es aufgehört hat zu stimmen, ist aufschlussreich für diese Architektur.

SGLang und Miles lieferten am 10. September Day-Zero-Unterstützung für DeepSeek V4.1, im selben Zeitfenster wie das Modell selbst – sodass der Hinweis „kein Serving durch Drittanbieter“, der beim Start auf der Hugging-Face-Seite stand, schon nach wenigen Stunden veraltet war. Das Interessante ist nicht, dass es läuft; sondern was der Betrieb kostet. Da jeder Decode-Schritt die Engram-Tabellen liest, besteht SGLangs Ansatz darin, dass Sie sie im GPU-Speicher oder im Host-Speicher platzieren können, wobei Host-Offload etwa 46 GiB pro GPU für den KV-Cache freiräumt – zum Preis von etwa 200 GB Host-RAM auf dem Knoten. In einer Vier-GPU-GB300-Konfiguration erhöhte Host-Offload die KV-Cache-Kapazität um 36 %, bei vergleichbarem Decode-Durchsatz und vergleichbarer Zeit bis zum ersten Token, und alle 28 Greedy-Probe-Completions entsprachen der All-on-GPU-Baseline. Es ist Opt-in, hinter einer einzigen Umgebungsvariablen, nicht der Standard. vLLM hat parallele Arbeiten in die andere Richtung laufen – Shards der Tabellen per Memory-Mapping von der Festplatte einzubinden, statt sie im Host-RAM zu halten –, was Ihnen dasselbe aus zwei Blickwinkeln sagt: Die Engram-Tabellen, nicht die Gewichte, sind die Einschränkung dafür, wie kostengünstig Sie dieses Modell bedienen können.

Die jüngsten Änderungen in der gesamten Geschichte stehen hier, und es sind kleine, die es verdienen, als klein bezeichnet zu werden. Am 15. September eröffnete ein SGLang-Mitwirkender Pull Request #39666 und fügte damit ein Engram-Modul sowie einen gemeinsam genutzten Request-History-Adapter zum DeepSeek V4.1-Branch des Projekts hinzu – 7 Dateien, +1205/−11, wobei der Adapter optionale n-Gramm-History-Felder am Scheduler und in Forward-Batches exponiert und diese Historie über Prefix-Hits, Retractions und Slot-Wiederverwendung hinweg rekonstruiert. Er ist offen und nicht gemergt, seine CI-Läufe schlugen fehl, und er wartete auf Review von neun Code-Ownern; die eigene Zusammenfassung des Autors ist deutlich hinsichtlich der Grenzen und merkt an, dass Lookup-Prüfungen nicht die Korrektheit des Request-Lifecycles beweisen. Er war einer von mehreren DeepSeek-V4.1-Pull-Requests, die an diesem Tag in jenem Branch eröffnet wurden, die meisten vom selben Mitwirkenden, und sie reichten von Modellkonstruktion über den Vision-Tower und Chat-Encoding bis hin zur Kernel-Ebene.

Dann wurde am 16. September der Plan für die schwierigere Hälfte des Serving öffentlich. Ein Roadmap-Issue, #39700, beschreibt Prefill/Decode-Disaggregation für DeepSeek V4.1 auf der B200-Plattform als stufenweise Liste: zuerst Context-Parallelität auf der Prefill-Seite, dann diese Prefill-Arbeit kombiniert mit MegaMoE, BCG und Multi-Stream, dann die Elemente auf der Decode-Seite, darunter DP-Attention und CUDA-Graph-Speicher. Stufe eins erschien als Pull Request #39748 mit dem Titel "[DSV4.1-PD-1/8] Support prefill node use cp parallel strategy" und wurde am selben Tag vom selben Autor eröffnet. Er ermöglicht dem Prefill-Knoten in einem disaggregierten Deployment, eine Context-Parallel-Strategie auszuführen, mit einer Referenzkonfiguration von acht B200 bei TP4/EP4, die den flashinfer_mxfp4-MoE-Runner und DSPARK Speculative Decoding ausführen. Der Prefill-Knoten verwendet --enable-prefill-cp --cp-strategy interleave zusammen mit --disaggregation-mode prefill über das Mooncake-Transfer-Backend; der Decode-Knoten läuft ganz ohne CP-Flags. Die Validierung besteht aus gsm8k-Scoring sowie Unit-Tests für die Text- und Bildpfade. Wie der Engram-Pull-Request ist er offen, nicht gemergt und derzeit in der CI wegen eines fehlenden run-ci-Labels blockiert.

Machen Sie sich klar, was all das ist und was nicht. Es ist Infrastruktur-Verkabelung innerhalb einer Laufzeitumgebung, die das Modell bereits bedient – es ändert nichts daran, was DeepSeek V4.1 Flash tut, was es kostet oder ob Sie es verwenden sollten. Es ist nur deshalb diese Zeilen wert, weil es markiert, wo die verbleibenden scharfen Kanten liegen. Auf der Engram-Seite ist eine n-Gramm-Historie, die eine Rücknahme und die Wiederverwendung des Prefix-Cache übersteht, genau die Art von Korrektheitsdetail, die eine Demo von einem Produktions-Endpunkt unterscheidet. Auf der Disaggregationsseite zielt das auf Betreiber ab, die Prefill und Decode auf getrennte Pools aufteilen, sodass jede Hälfte für ihren eigenen Engpass parallelisiert werden kann – ein Deployment, dessen Referenzkonfiguration bei acht B200s beginnt, was eine Kapitalentscheidung und keine Zeile in einer Konfigurationsdatei ist. Und die Serie ist mit 1/8 gekennzeichnet, während das Roadmap-Issue seine Phasen in sechs Teilen auflistet, wobei die gesamte Decode-Hälfte noch ungeschrieben ist: Selbst die Nummerierung ist vorläufig. Wenn Sie diese Kapitalentscheidung nicht treffen, ist nichts davon von Ihrer Position aus sichtbar – DeepSeek V4.1 Flash ist auf OrcaRouter zum unten stehenden Pass-through-Tarif live, und die Verkabelung bleibt auf der Betreiberseite des Endpunkts.

Rufe heute DeepSeek V4.1 Flash

Die Verfügbarkeitsangabe hat sich auch auf unserer Seite geändert, und sie änderte sich in die Richtung, in der Leserinnen und Lesern der am Erscheinungstag veröffentlichten Version dieses Beitrags gesagt worden war, dass sie sich nicht ändern würde. OrcaRouter hatte DeepSeek V4.1 Flash am 10. September nicht im Angebot – die Modellseite gab „model not found“ zurück, und dieser Artikel sagte das klar, statt etwas anderes nahezulegen. Jetzt hat OrcaRouter es im Angebot: deepseek/deepseek-v4.1-flashist jetzt im Katalog verfügbar, zu 0,15 $ pro Million Input-Tokens und 0,60 $ pro Million Output-Tokens – DeepSeeks eigener Anbietertarif, durchgereicht mit 0 % Aufschlag, was zugleich der Wert ist, den man das nächste Mal prüfen sollte, wenn DeepSeek einen Preis ändert. Seit es verfügbar ist, hat es 54.982,2 Mio. Tokens über die Plattform bewegt, bei einer p50-Zeit bis zum ersten Token von 811 ms und einer p95 von 3,03 Sekunden.

Was Ihnen das über dieselbe Preiskarte hinaus bringt, ist die Möglichkeit, eine sechs Tage alte Architektur als Experiment statt als Festlegung zu behandeln. Failover bedeutet, dass ein V4.1-Flash-Aufruf, der unter Last Fehler zu werfen beginnt, ohne ein Deployment auf ein anderes Modell umgelenkt werden kann; die Routing-DSL bedeutet, dass Sie das neue Modell auf einen Teil Ihres Traffics setzen und ein bekanntes auf den Rest und sie anhand Ihrer eigenen Eingaben vergleichen können statt auf einer Bestenliste; und jedes andere Modell im Katalog liegt hinter demselben Schlüssel, einschließlich des Rests der DeepSeek-Reihe — DeepSeek V4 Flash und DeepSeek V4 Pro —, sodass ein Zurückwechseln eine Änderung an einer Zeichenkette ist, kein zweiter Vertrag.

Das ist hier wichtiger als sonst, aus zwei Gründen, die sechs Tage Nachrichten konkretisiert haben. Der erste ist, dass der Preisvorteil real ist, aber davon abhängt, dass der Anbieter den Satz beibehält, und eine Weitergaberegelung die einzige Art ist, die ehrlich bleibt, wenn er das nicht tut. Der zweite ist, dass die eine Warnung aus der Startwoche sich gehalten hat: Sowohl der Fähigkeitsvorsprung als auch der Kostenvorteil sind inzwischen unabhängig gemessen, aber sie werden an einem einzigen Harness gemessen, an einem Modell, dessen Namensgebung „minor update“ lautet und dessen Architektur etwas anderes sagt. Routen Sie es wie eine neue Generation, denn genau das ist es, und halten Sie es hinter einer Stufe, die Sie verschieben können.

Was ist noch offen?

Drei Dinge, in aufsteigender Reihenfolge danach, wie viel sie dir sagen würden.

DeepSeek V4.1 Pro würde den Familienanspruch auf die Probe stellen. DeepSeek V4.1 Flash bezeichnet sich selbst als das kleinste Modell einer neuen Architekturfamilie, und das Geschwistermodell, das beweisen würde, dass die Familie existiert, hat immer noch keine Modellkarte, keine Parameteranzahl, kein Datum, keine Gewichte und keinen Preis. Es ist außerdem das Modell, um das herum das gesamte Pro-Routing-Manöver aufgebaut war, jetzt, da das Manöver abgesagt wurde.

Eine zweite unabhängige Evaluation würde den Score auf die Probe stellen. Ein Intelligence Index von 40 gegenüber 36 für das Modell, das es ersetzt hat, ist ein klares Ergebnis auf einem Harness und ein einzelner Datenpunkt zu der Frage, ob diese Architektur eine Generation voraus ist oder ein gut optimierter Seitwärtsschritt. Achten Sie auf einen zweiten Evaluator und darauf, ob der Engram-Offload-Serving-Pfad unter realem Traffic standhält statt nur bei Greedy-Probes, und ob die derzeit in Pull Requests vorbereitete Prefill/Decode-Aufteilung jemals zu einer Packaging-Story wird, die ein normales Team deployen kann.

Und die nützliche, wenn auch unglamouröse Frage: ob DeepSeek das wieder tut. Ein zweites .1-Label auf einem weiteren neuen Basismodell würde aus einer Anomalie eine Konvention machen, und Konventionen sind etwas, mit dem ein Entwickler planen kann. Ein einzelnes Modell ist eine Kuriosität. Die Benennung wird erst dann in nützlicher Weise irreführend, wenn es ein Muster gibt.

Derzeit lässt sich die praktische Einschätzung sauber danach trennen, wer Sie sind. Wenn Sie auf DeepSeek V4 Pro sind, ändert sich das Modell hinter diesem Namen am 14. September oder an einem angekündigten Datum nicht – DeepSeek hat das rückgängig gemacht, und Sie können Ihre Integration unangetastet lassen. Wenn Sie auf DeepSeek V4 Flash sind, werden Sie bereits umgestellt – zum selben Preis – auf eine Architektur, die DeepSeek für Skalierung gebaut hat. Und wenn Sie auf V5 gewartet haben, lautet die ehrliche Antwort, dass DeepSeek die Generation offenbar ausgeliefert, es aber abgelehnt hat, sie zu benennen, und dann festgestellt hat, dass der Zahl auf der Verpackung doch eine tragende Bedeutung zukommt.