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

DeepSeek V4.1 Flash wurde am 10. September 2026 veröffentlicht: offene MIT-Gewichte, ein Kontext von einer Million Token, eine brandneue Causal-Encoder-Decoder-Architektur und ein Mixture-of-Experts-Backbone mit 552 Milliarden Parametern, das DeepSeeks eigenes Modellblatt unter das einordnet, was das Unternehmen seine „neue Architekturfamilie“ nennt. Wenn der Tracker, der die Benennung markiert hat, richtig liegt, ist es außerdem das erste Mal, dass DeepSeek eine .1-Versionsnummer an ein völlig neues Basismodell gehängt hat – ein Etikett, das normalerweise eine Feinabstimmung und keinen Neuaufbau signalisiert. DeepSeek V4.1 Pro, das Flaggschiff, das diese Nummer nun impliziert, existiert weiterhin nicht.

Diese Diskrepanz wiegt schwerer als eine bloße Namensspitzfindigkeit. Wer DeepSeek-Generationen anhand der Versionsnummern vergleicht, wird „V4 Flash zu V4.1 Flash“ als einen Patch-Schritt lesen und die Aufmerksamkeit entsprechend bemessen. Die darunterliegende Architektur spricht eine andere Sprache, und die eigene Entscheidung des Unternehmens, ein Flaggschiff mit 1,6 Billionen Parametern zugunsten eines Flash-Modells zurückzuziehen, spricht noch deutlicher eine andere Sprache.

Was am 10. September tatsächlich veröffentlicht wurde

Dies ist 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 ankündigte, und die eigentliche Veröffentlichung erschien heute in DeepSeeks Web-App, Mobil-App und Erstanbieter-API, mit Gewichten und einem technischen Bericht, der auf Hugging Face unter deepseek-ai/DeepSeek-V4.1-Flash.

Die praktischen Details zählen mehr als die Zeremonie:

• 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 ist in der Box enthalten – 552B Backbone-Parameter, ein 1M-Token-Kontextfenster, 384K maximale Ausgabe, JSON-Ausgabe, Funktionsaufrufe und ein Denkmodus, der standardmäßig aktiviert ist, mit Einstellungen für niedrige, hohe und maximale Anstrengung.

• Lizenz — MIT, Gewichte enthalten, mit einem Inferenzordner und einem separaten Kodierungsmodul im Repository. DeepSeek lädt die Open-Source-Community ausdrücklich ein, Inferenzunterstützung zu entwickeln, was das übliche Signal dafür ist, dass die Day-zero-Bereitstellung in den wichtigsten Laufzeitumgebungen eher eine Frage von Tagen als von Wochen ist.

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 spezifisch, was es einfach macht, den Generationsanspruch ohne einen einzigen Benchmark zu testen. Vier Dinge stechen hervor.

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.

Liest man diese vier zusammen, wird das strategische Bild erkennbar: Dies ist in erster Linie eine Architektur für Sparsity und Cache-Effizienz, dimensioniert, damit dieselbe Struktur später skaliert werden kann. Die Erwähnung einer „neuen Architekturfamilie“ ist durchaus aussagekräftig — sie ist eine Aussage, dass noch mehr kommen wird.

Die Benchmarks: vom Anbieter gemeldet und noch nicht widerlegt.

DeepSeek veröffentlichte mit dem Release einen Benchmark-Satz. Nach den eigenen Zahlen des Unternehmens erzielt V4.1 Flash 90,9 bei GPQA Diamond, ein Codeforces-Rating von 3471, 65,6 bei MathArena Apex, 90,6 bei Terminal-Bench 2.1, 74,2 bei DeepSWE v1.1 und 63,9 bei HLE mit Tools — wobei letzteres mit einer Fußnote versehen ist, die den Basiswert von 36,8 auf die reine Text-Untermenge dieses Benchmarks beschränkt.

Nennen wir sie beim Namen: Sie wurden vom Anbieter gemeldet und ohne begleitende unabhängige Bewertung veröffentlicht – und es sind die Zahlen, mit denen DeepSeek die Einstellung seines eigenen Flaggschiffs begründet hat, was sie zu den Zahlen macht, die am ehesten eine Prüfung wert sind. Zum Zeitpunkt des Starts am 10. September hatte Artificial Analysis noch keine Messung von DeepSeek V4.1 Flash veröffentlicht, und die eigene Modellseite von Hugging Face trug weiterhin den Hinweis, dass das Modell „von keinem Inference-Provider bereitgestellt wird“. Die tragende Behauptung dieser Veröffentlichung – dass ein Modell der Flash-Klasse ein Flaggschiff mit 1,6 Billionen Parametern in Leistung, Kosten, Geschwindigkeit und Gesamtverarbeitungszeit umfassend übertrifft – ist derzeit eine Anbieterbehauptung ohne externe Prüfung.

Es gibt auch auf der anderen Seite einen ehrlichen Vorbehalt. Der gleiche Anbieterbericht zeigt, dass V4.1 Flash 13 von 16 Vergleichen gegen Kimi K3 und 11 von 13 gegen GLM-5.3 gewinnt, während es bei den neueren Terminal-Bench-3.0- und 4.0-Aufgaben sowie bei ProgramBench weiterhin hinter GPT-5.6 Sol und Claude Opus 5 zurückliegt. Das ist eine kohärente Form – am stärksten bei der Coding-, Terminal- und Agentenautomatisierungsarbeit, für die diese Architektur optimiert ist, schwächer bei fortschrittlichen Denkaufgaben – und es ist die Form, die ein echter Generationenschritt hätte.

Der Preis und der Routing-Switch, der einen Kalendereintrag wert ist.

Die neuen Preise traten mit dem Start in Kraft, und es handelt sich weiterhin um dieselbe Flash-Preiskarte wie zuvor, nicht um eine Senkung: bei deepseek-flash kostet die Cache-Treffer-Eingabe 0,003 $ pro Million Tokens außerhalb der Spitzenzeiten und 0,006 $ zu Spitzenzeiten, die Cache-Fehler-Eingabe 0,15 $ und 0,30 $, und die Ausgabe 0,60 $ und 1,20 $. Die Spitzenpreise sind genau doppelt so hoch wie die Preise außerhalb der Spitzenzeiten und gelten werktags von 01:00–04:00 und 06:00–10:00 UTC.

Die Kostensenkung trifft stattdessen den Pro-Traffic. DeepSeek V4 Pro kostet 0,022 $ und 0,044 $ für Cache-Hit-Eingabe, 0,66 $ und 1,32 $ für Cache-Miss-Eingabe sowie 1,98 $ und 3,96 $ für Ausgabe. Wenn Pro-benannte Anfragen stattdessen an V4.1 Flash weitergeleitet werden, sinken ihre Ausgabekosten um etwa 70 %, während laut DeepSeek die Fähigkeit, die sie beantwortet, steigt.

Dieses Routing ist geplant, nicht hypothetisch. Nach 12:00 Uhr Pekinger Zeit am 14. September 2026 werden Anfragen, die deepseek-v4-pro benennen, an V4.1 Flash weitergeleitet und zu Flash-Preisen abgerechnet, und bleiben dort, bis DeepSeek V4.1 Pro ausgeliefert wird. Wenn Ihre Integration den Pro-Modellnamen fest codiert, bricht nichts — Sie erhalten ein anderes Modell zu etwa einem Drittel des Ausgabepreises, ohne Codeänderung und ohne weitere Ankündigung außer einem Changelog-Eintrag. Wenn Sie nach Fähigkeitsstufe statt nach Modellname routen, ist der 14. September das Datum für einen erneuten Test.

Was das bedeutet, wenn du heute DeepSeek anrufst.

OrcaRouter unterstützt DeepSeek V4.1 Flash noch nicht — Stand heute liefert die Modellseite für deepseek-v4.1-flash die Meldung „model not found“, und wir möchten das lieber klar aussprechen, als etwas anderes zu suggerieren. Daraus ergeben sich zwei Dinge. Erstens: Das von DeepSeek angekündigte Umleiten ist ein Verhalten der Erstanbieter-API, der Wechsel am 14. September findet also auf dem eigenen Endpoint von DeepSeek statt, egal wie du darauf zugreifst. Zweitens: Wenn du die neue Architektur heute nutzen möchtest, musst du dich direkt an den Anbieter wenden.

Was wir tun, ist, den Rest der DeepSeek-Linie über einen einzigen API-Schlüssel zu routen: DeepSeek V4 Flash und DeepSeek V4 Pro, neben über 200 weiteren Modellen. Die Preisgestaltung dort entspricht dem Listenpreis des DeepSeek-Anbieters, der mit 0 % Aufschlag durchgereicht wird – das ist der Teil, der bei einem Release wie diesem zählt: Wenn ein Anbieter einen Tarif senkt, ist die Senkung bei uns am selben Tag live, nicht erst nach einem Preisanpassungszyklus. Und wenn V4.1 Flash in den Katalog aufgenommen wird, ist der oben genannte Halbtarif außerhalb der Spitzenzeiten der Tarif, nicht ein Rabatt, den wir aushandeln.

Bei einem so neuen Modell geht es beim Routing-Argument nicht wirklich um den Preis. Es geht darum, wie viel von Ihrem Produktionspfad Sie auf eine Erstrunden-Architektur setzen, die über kein unabhängiges Benchmark und kein Drittanbieter-Serving verfügt. Das neue Modell hinter einer Stufe zu halten, die Sie umschalten können – oder es mit einem Schlüssel zu testen, der nicht Ihr Produktionsschlüssel ist – ist der Unterschied zwischen einer Evaluierung und einem Zwischenfall.

Was würde die Namensfrage klären?

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

{{1}}Eine unabhängige Evaluierung von DeepSeek V4.1 Flash{{/1}} {{2}}würde den Architektur-Anspruch auf einer fremden Testumgebung prüfen.{{/2}} Das ist die eine Messung, die aus einer Anbietertabelle eine Tatsache macht, und sie ist die wahrscheinlichste nächste Neuigkeit.

DeepSeek V4.1 Pro würde den Anspruch der Familie testen. Die Routing-Mitteilung nannte es als Endpunkt des Pro-to-Flash-Fensters, was es zu dem Modell macht, um das diese gesamte Veröffentlichung herum aufgebaut ist – und es bleibt dasjenige, über das DeepSeek am wenigsten bestätigt hat: keine Karte, keine Parameterzahl, kein Datum, keine Gewichte, kein Preis.

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.

Für den Moment trennt sich die praktische Lesart sauber danach, wer du bist. Wenn du DeepSeek V4 Pro nutzt, trag den 14. September in den Kalender ein und führe deine Evaluierungen vorher erneut durch, denn das Modell hinter diesem Namen ändert sich, ob du es willst oder nicht. Wenn du DeepSeek V4 Flash nutzt, wirst du bereits zum selben Preis auf eine Architektur umgestellt, die DeepSeek für die Skalierung gebaut hat. Und wenn du auf V5 gewartet hast, ist die ehrliche Antwort, dass DeepSeek die Generation offenbar ausgeliefert hat, es aber abgelehnt hat, sie zu benennen – was man nur einmal tun kann, bevor die Leute der Nummer nicht mehr vertrauen.