DeepSeek V4 Flash Offizielle Veröffentlichung: Das günstige, schnelle, agentische 1M-Kontext-Modell, erklärt

DeepSeek V4 Flash ist die günstige Hälfte von DeepSeeks V4-Produktreihe, und die unabhängigen Messwerte haben endlich gleichgezogen: Beim AIME-2026-Datensatz von MathArena erzielt es 95,83 % und ist damit statistisch nicht von den 96,67 % von DeepSeek V4 Pro zu unterscheiden – bei etwa einem Neuntel der Kosten pro Aufgabe. Der offizielle öffentliche Beta-Build -0731 wurde am 31. Juli 2026 mit derselben Architektur wie die April-Vorschau ausgeliefert – ein Mixture-of-Experts-Modell mit 284 Milliarden Parametern, 13 Milliarden aktiven Parametern und einem Kontext von 1 Million Tokens –, aber mit einer zusätzlichen Runde Post-Training, die seine agentischen, Programmier- und Tool-Calling-Fähigkeiten deutlich verbesserte, sowie nativer Unterstützung für die Responses-API und spezifischen Anpassungen für Codex-artige Agenten. Dieser Leitfaden behandelt, was das Release tatsächlich geändert hat, was die Hersteller- und die unabhängigen Bewertungen jeweils sagen, was es kostet, wenn man bedenkt, wie viel es denkt, und wie man es aufruft.

Hinweis zur Genauigkeit: Die Release-Details und die unten aufgeführten wichtigsten agentischen Scores stammen aus DeepSeeks offiziellem API-Änderungsprotokoll (vom 31.07.2026) und werden vom Anbieter gemeldet; sie wurden mit DeepSeeks eigener Testumgebung erstellt — behandeln Sie sie als Richtwerte und führen Sie Ihre eigenen Bewertungen durch. Unabhängige Zahlen werden dort ausgewiesen, wo sie erscheinen: Artificial Analysis für den Intelligence Index und seine Komponenten, MathArena für AIME 2026, DeepSeeks eigene Preisliste für die Preisgestaltung. Wo etwas auf dem Bericht eines einzelnen Praktikers beruht und nicht auf einer veröffentlichten Auswertung, wird dies im jeweiligen Satz erwähnt. Spezifikationen und Preise ändern sich; verifizieren Sie diese, bevor Sie etwas entwickeln.

TL;DR. Der V4 Flash ist das kosteneffiziente Geschwistermodell des gigantischen DeepSeek V4 Pro: eine 284B / 13B-aktive MoE mit 1M-Token-Kontext und bis zu 384K Ausgabe, optimiert für hochvolumige, latenzarme, agentische Arbeit. Die offizielle Veröffentlichung vom 31. Juli ist ein Post-Training-Upgrade — gleiche Größe, deutlich bessere Agenten- und Coding-Fähigkeiten —, das außerdem native Unterstützung für die Responses-API und Codex hinzufügt. DeepSeek meldet starke Agenten-/Coding-Ergebnisse (z. B. Terminal-Bench 2.1 82.7, Toolathlon 70.3), und Artificial Analysis hat den -0731-Build inzwischen mit 50 auf seinem Intelligenzindex bewertet: zehn Punkte über der April-Vorschau, sechs über dem weitaus größeren V4 Pro und gleichauf mit Gemini 3.6 Flash. Er kostet etwa 0,15 $ / 0,29 $ pro Million Eingabe-/Ausgabe-Tokens, also ungefähr ein Drittel des Preises von V4 Pro. Nur die Flash-API wurde aktualisiert; V4 Pro und die DeepSeek-App/Website sind unverändert. Bei OrcaRouter erhalten Sie es mit 0% Aufschlag über einen OpenAI-kompatiblen Endpunkt.

Wichtige Erkenntnisse

• Offizielle Veröffentlichung (Build -0731, 31. Juli 2026): ein Post-Training-Upgrade der Vorschauversion — gleiche Architektur, viel stärkere Agenten, Programmierung und Tool-Nutzung.

• Architektur unverändert: 284B gesamt / 13B aktiv (MoE), 1M-Token-Kontext (1.048.576), bis zu 384K Ausgabe, reine Texteingabe, mit Reasoning, Tools und JSON.

• Neu: native Unterstützung für die Responses API sowie spezifische Codex-Anpassung; unterstützt weiterhin OpenAI-ChatCompletions und Schnittstellen im Anthropic-Stil. Modell-ID: deepseek-v4-flash.

• Von DeepSeek gemeldete Agentic-/Coding-Fortschritte: Terminal-Bench 2.1 82,7, Toolathlon (verifiziert) 70,3, Cybergym 76,7, DeepSWE 54,4, NL2Repo 54,2, DSBench-FullStack 68,7.

• Sehr günstig: etwa 0,15 $ / 0,29 $ pro 1M Eingabe-/Ausgabe-Tokens — etwa ein Drittel von V4 Pros 0,44 $ / 0,88 $ — und DeepSeek bepreist Cache-Treffer mit 0,0028 $ pro 1M, etwa 98 % unter frischer Eingabe. Nur die Flash-API hat sich geändert; Pro und App/Web sind gleich.

Was die offizielle Version tatsächlich verbessert hat

V4 Flash erschien erstmals als Vorschau am 24. April 2026. Die offizielle Veröffentlichung vom 31. Juli 2026 (der -0731 Build, laut dem Änderungsprotokoll der DeepSeek-API) ist ausdrücklich nicht eine neue Architektur: Die Gesamt- und Aktivparameter (284B / 13B) und der 1M-Kontext sind unverändert. Geändert hat sich das Post-Training – zusätzliche Feinabstimmung, die laut DeepSeek die zentralen agentischen, Programmier- und Tool-Calling-Fähigkeiten deutlich verbessert hat. Zwei praktische Ergänzungen sind wichtig: V4 Flash unterstützt jetzt nativ die Responses API und ist speziell für Codex-artige Programmier-Agenten angepasst, spricht aber weiterhin OpenAI-ChatCompletions- und Anthropic-artige Schnittstellen. Wichtig: In dieser Veröffentlichung wurde nur die Flash-API aktualisiert; V4 Pro und die DeepSeek-App/Web-Erlebnisse sind unverändert. Für Teams bedeutet das eine Drop-in-Verbesserung für agentische Workloads zum gleichen Preis, ohne Migration.

Architektur: ein small-active MoE, entwickelt für hohen Durchsatz

V4 Flash ist ein Mixture-of-Experts-Modell mit insgesamt etwa 284 Milliarden Parametern, aber nur etwa 13 Milliarden aktiven Parametern pro Token. Genau diese geringe Anzahl aktiver Parameter ist der Punkt: Sie hält die Inferenz schnell und günstig, während ein großer Expert-Pool die Qualität bewahrt. Das Kontextfenster umfasst volle 1.048.576 Tokens (etwa 1M), mit einem sehr großen Maximum von 384K für die Ausgabe, und das Modell unterstützt Reasoning (erweitertes Denken), Tool-Aufrufe und strukturiertes JSON. Die Eingabe ist rein textbasiert. Das Designziel – hochvolumige, latenzarme, agentische Arbeit – zeigt sich in den Serving-Zahlen: eine p50-Zeit bis zum ersten Token von etwa 394 Millisekunden und eine Ausgabe von etwa 184 Tokens pro Sekunde laut OrcaRouter-Messungen.

Benchmarks: was die offiziellen Zahlen sagen

Die offizielle Veröffentlichung stützt sich stark auf agentische und Code-Evaluierungen, die mit DeepSeeks eigenem Harness durchgeführt wurden (Minimal-Modus / Max-Effort-Einstellungen). So lesen Sie die wichtigsten Ergebnisse, alle von DeepSeek gemeldet:

• Terminal-Bench 2.1: 82,7 — agentische Befehlszeilen-/Softwareaufgaben in einem echten Terminal. Ein hoher Wert hier signalisiert ein Modell, das tatsächlich Werkzeuge und Shells bedienen kann, nicht nur Fragen beantwortet.

• Toolathlon (verifiziert): 70.3 und Automation Bench (Public): 25.1 — Breite und Zuverlässigkeit der Werkzeugnutzung sowie End-to-End-Automatisierung. Die Zuverlässigkeit von Tool-Aufrufen ist das ausschlaggebende Merkmal für Agenten.

• Cybergym: 76.7 — Security-/CTF-artiges agentisches Problemlösen.

• DeepSWE: 54.4, NL2Repo: 54.2, DSBench-FullStack: 68.7, DSBench-Hard: 59.6 — Software-Engineering und Full-Stack-Programmierung, von der Repo-Ebene-Generierung bis zu anspruchsvollen Data-Science-Aufgaben. Die starke DSBench-FullStack-Leistung (68.7) deutet auf praktische, dateiübergreifende Programmierkompetenz hin.

• Agent Last Exam: 25.2 — eine absichtlich schwierige Prüfung für agentisches Denken, bei der selbst die besten Modelle niedrig abschneiden; als relatives Signal nützlich, nicht als absolutes.

Zur unabhängigen Einordnung: Artificial Analysis hat nun den Build -0731 selbst evaluiert und bewertet ihn mit 50 auf dem Artificial Analysis Intelligence Index – zehn Punkte über der April-Vorschau, die er ersetzt, sechs Punkte über dem deutlich größeren V4 Pro und gleichauf mit Gemini 3.6 Flash. Die Teilergebnisse: GPQA Diamond 91 %, AA-LCR 66 %, Humanity's Last Exam 37 %, SciCode 50 %, τ³-Bench Banking 31 %, CritPt 17 % und ein Elo von 1559 auf GDPval-AA v2. Zwei davon verdienen einen zweiten Blick. Artificial Analysis hat Terminal-Bench 2.1 mit 79 % gemessen, während DeepSeek 82,7 angibt – knapp, aber niedriger, was die Richtung ist, in der Vendor-Harness-Zahlen üblicherweise danebenliegen. Und bei AA-Omniscience landet das Modell bei -16 mit einer hohen gemessenen Halluzinationsrate, sodass sich die Geschichte vom günstigen und agentischen Modell nicht auf das unüberwachte Abrufen von Fakten erstreckt. Das ist die präzisere Sichtweise auf dieses Modell: starkes Reasoning pro Dollar, schwaches Wissen pro Anfrage.

Wettbewerbsmathematik: der einzige Bereich, in dem Flash mit Pro mithalten kann.

Die nützlichste unabhängige Bewertung der Reasoning-Fähigkeiten von V4 Flash stammt von MathArena, die jedes Modell viermal bei jeder Aufgabe eines frisch veröffentlichten Wettbewerbs laufen lässt und das Raster pro Aufgabe veröffentlicht. Bei AIME 2026 – beide Paper, 30 Aufgaben, jeweils vier Durchläufe – erzielt V4 Flash im Max-Reasoning-Modus 95,83 % ±3,58 %, gegenüber 96,67 % ±3,21 % von DeepSeek V4 Pro. Diese Intervalle überlappen sich fast vollständig: Bei diesem Benchmark ist das kleine Modell nicht messbar schlechter als das Flaggschiff. In der Kostenspalte trennen sich die Wege. MathArena beziffert einen V4-Flash-Lauf auf 0,009 $ pro Aufgabe gegenüber 0,082 $ für V4 Pro – etwa neunmal günstiger bei gleicher Genauigkeit, was ein stärkeres Argument für die Effizienzklasse ist als alles in der eigenen Ankündigung von DeepSeek.

Zwei Einschränkungen müssen in einem Atemzug genannt werden. MathArena kennzeichnet beide DeepSeek-Einträge mit einer Kontaminationswarnung – ihrer Bezeichnung für ein Modell, das nach dem Erscheinen des Wettbewerbs veröffentlicht wurde –, sodass ein Teil dieser Genauigkeit eher auf Erinnerung als auf Schlussfolgern beruhen könnte. Und die von MathArena getestete Version ist vom 24.04.2026 – die April-Vorschau, nicht der -0731-Build. Zum Zeitpunkt dieses Schreibens gibt es keine unabhängige AIME-2026-Bewertung für die offizielle Veröffentlichung, und DeepSeeks eigene Modellkarte veröffentlicht überhaupt keinen Mathematik-Benchmark dafür, sondern nur agentische.

Die Übersicht zeigt auch, wo die Obergrenze liegt. Fast jedes Modell auf dem Brett meistert den Großteil von AIME 2026; das Problem, das sie voneinander trennt, ist Aufgabe 15. Nur zwei Teilnehmer lösen sie in allen vier Durchläufen – GPT-5.5 bei extra-hohem Aufwand und Claude Opus 4.8 bei Maximum. V4 Flash erreicht dort null von vier, ebenso V4 Pro, zusammen mit GLM-5.2, Gemini 3.6 Flash, Kimi K2.6 und Claude Opus 4.7.

Genau dieses letzte Detail macht einen Bericht vom 5. August 2026 erwähnenswert. Der KI-Kommentator @teortaxesTex postete, dass der -0731-Build das AIME-2026-Problem 15 gelöst habe, und zwar in etwa 1.006 Sekunden und mit rund 100.000 Ausgabe-Tokens. Er beschrieb, wie das Modell sichtbar begann, das Problem auszutricksen, bevor es die Abkürzung verwarf und ehrlich daran arbeitete. Dies ist ein einzelner Lauf eines Praktikers, kein Benchmark-Ergebnis: Es wurde nicht reproduziert, keine öffentliche Bestenliste hat den -0731-Build bewertet, und ein einzelnes Transkript ist keine Auswertung. Was man prüfen kann, ist die interne Konsistenz, und sie hält stand – Artificial Analysis misst bei diesem Modell eine Ausgabegeschwindigkeit von etwa 116 Tokens pro Sekunde, und 1.006 Sekunden bei dieser Rate ergeben grob 117.000 Tokens, also in derselben Größenordnung wie die gemeldete Zahl. Eine Antwort mit 100.000 Tokens liegt außerdem deutlich innerhalb dessen, was DeepSeek erwartet, da das Unternehmen empfiehlt, bei hoher oder maximaler Denkanstrengung bis zu 384K Ausgabe-Tokens zuzulassen. Beide Zahlen liegen etwa dreimal so hoch wie die von MathArena gemessenen Durchschnittswerte für dieses Modell (33.588 Ausgabe-Tokens und 6 Minuten 50 Sekunden pro Antwort), was bei dem schwersten einzelnen Problem des Sets zu erwarten ist. Also: plausibel in der Form, unbestätigt im Ergebnis, und falls es sich reproduzieren lässt, wäre es ein echter Sprung gegenüber dem Vorschau-Build, der bei diesem Problem vier von vier Mal scheitert.

Preisgestaltung: die Zahl, die Budgets verändert

Bei OrcaRouter, das die Anbieterpreise mit 0 % Aufschlag durchreicht, kostet V4 Flash etwa 0,15 $ pro Million Eingabe-Tokens und 0,29 $ pro Million Ausgabe-Tokens, und DeepSeek hat die Preise bei diesem Upgrade unverändert gelassen. Das ist ungefähr ein Drittel der 0,44 $ / 0,88 $ von DeepSeek V4 Pro. Cache-Treffer sind billiger, als die meisten annehmen: DeepSeek listet gecachte Eingaben mit 0,0028 $ pro Million, etwa 98 % unter frischen Eingaben – genau das macht Agents und Chat mit einem stabilen System-Prompt so günstig im Betrieb. In konkreten Zahlen: 10 Millionen Tokens pro Monat bei einer 70/30-Aufteilung (Eingabe/Ausgabe) landen im Bereich von ein paar Dollar; skaliert man auf eine Milliarde Tokens, wird die Differenz zu einem Flaggschiff zu einer Position, die die Finanzabteilung bemerkt.

Bei einem Reasoning-Modell ist die Preistafel jedoch die weniger interessante Hälfte der Rechnung – was Budgets bewegt, ist, wie viele Tokens das Modell zu verbrauchen beschließt. Artificial Analysis benötigte etwa 206 Millionen Ausgabe-Tokens, um seinen vollständigen Intelligence Index auf V4 Flash auszuführen – etwa doppelt so viel wie der Median von ~100 Millionen bei den getesteten Modellen – und beschreibt es als schnell, aber sehr wortreich. Umgerechnet kostet eine einzelne Antwort mit 100.000 Tokens etwa drei Cent, und die Ausgabeobergrenze von 384K deckelt eine Antwort bei fast elf Cent. In absoluten Zahlen billig, aber ein paar hundert Mal so teuer wie eine kurze Antwort – weshalb Reasoning-Aufwand ein Budgethebel ist und kein Qualitätsregler, den man auf Maximum stehen lässt. Simon Willsons Praxisbericht zeigt dasselbe aus der anderen Richtung: Mit Standardeinstellungen war seine Testgenerierung enttäuschend, und das Anheben des Reasoning-Aufwands auf hoch verbesserte sie erheblich. Messen Sie Ihre eigenen anspruchsvollen Anfragen, bevor Sie annehmen, dass der angegebene Preis Ihre Kosten sind.

Wo V4 Flash passt: die DeepSeek V4-Leiter

Die V4-Reihe von DeepSeek ist eine Leiter. V4 Pro ist das Flaggschiff – ein deutlich größeres, erstklassiges Modell für Reasoning und Coding. V4 Flash ist die Effizienzstufe: deutlich weniger aktive Rechenleistung, ein Bruchteil des Preises und – nach diesem Post-Training-Upgrade – wirklich starke agentische und Coding-Fähigkeiten. DeepSeeks Investition in die Verbesserung von Flash zu einem besseren Agenten (Responses API, Codex-Anpassung, Tool-Use-Benchmarks) zeigt, wo es erwartet, dass das Volumen läuft. Aber die AIME-2026-Zahlen verkomplizieren die saubere Version dieser Geschichte zugunsten von Flash: Bei Wettbewerbsmathematik liegen die beiden Modelle innerhalb der Fehlerbalken des jeweils anderen, sodass „schick die schwierigen Probleme an Pro“ nicht automatisch richtig ist. Die ehrliche Aufteilung ist, dass Pro Wissensbreite und die schwierigste agentische Arbeit kauft, nicht eine bessere Chance auf ein schweres Mathematikproblem – weshalb Routing nach gemessener Schwierigkeit bei deinen eigenen Aufgaben besser ist, als sich standardmäßig für das größte Modell zu entscheiden.

Drei reale Szenarien

1. Coding-Agenten und Codex-artige Workflows

Die native Responses-API- und Codex-Unterstützung des -0731-Builds sowie seine Terminal-Bench- (82,7) und DSBench-FullStack-Ergebnisse (68,7) machen V4 Flash zu einer starken, günstigen Engine für autonome Coding-Agenten — Fehlerbehebung, Refactoring, Testgenerierung, mehrstufige Tool-Nutzung.

2. Agenten mit umfangreicher Werkzeugnutzung

Schnelle erste Tokens (~394 ms), hoher Durchsatz (~184 tok/s), ein 1M-Kontext und eine hohe Zuverlässigkeit im Toolathlon (70.3) passen zu Produktionsagenten, die Tools in großem Umfang aufrufen — Retrieval, Automatisierung, Orchestrierung.

3. Verarbeitung langer Dokumente mit kleinem Budget

Der vollständige 1M-Token-Kontext und die 384K-Ausgabe verarbeiten das Zusammenfassen, Analysieren oder Transformieren sehr großer Eingaben – Logs, Codebasen, lange Berichte – in einem einzigen Durchgang, kostengünstig.

So greifen Sie auf V4 Flash zu

Sie können V4 Flash direkt über die DeepSeek-API aufrufen (Modell-ID deepseek-v4-flash; sie unterstützt die Responses API, OpenAI ChatCompletions und Anthropic-artige Schnittstellen) oder über einen anbieterneutralen Endpoint. OrcaRouter stellt V4 Flash ohne Aufschlag über einen einzigen OpenAI-kompatiblen Endpoint (deepseek/deepseek-v4-flash) zusammen mit über 200 weiteren Modellen bereit – so können Sie es gegen GPT-5.6 Luna, Gemini 3.6 Flash, GLM-5.2, Qwen3.8-Max und Kimi K3 an einem Ort testen und jede Anfrage an das jeweils günstigste Modell weiterleiten. Da die Preise durchgereicht und nicht mit Aufschlag versehen werden, wirkt sich eine Preisänderung von DeepSeek am selben Tag auf Ihre Rechnung aus, an dem sie veröffentlicht wird. Und da die Schnittstelle OpenAI-kompatibel ist, ist die Einführung von V4 Flash – oder der Wechsel weg davon nach einer Woche Messung – eine Konfigurationsänderung und keine Neu-Integration.

Einschränkungen und ehrliche Vorbehalte

V4 Flash ist ein Effizienzmodell, kein Flaggschiff, aber die unabhängigen Daten haben diese Grenze konkreter gemacht als „bei schwierigen Aufgaben schlechter“. Bei AIME 2026 erreicht es V4 Pro innerhalb der Konfidenzintervalle; wo es deutlich zurückfällt, ist die Wissensbreite — AA-Omniscience -16 und eine hohe gemessene Halluzinationsrate — sowie die anspruchsvollste Agentenarbeit. Der Input ist rein textbasiert, ohne native Bildeingabe. Die wichtigsten Agentenwerte stammen von DeepSeek und wurden mit der eigenen Testumgebung ermittelt; die eine Kennzahl, die ein unabhängiges Labor nachgemessen hat, fiel niedriger aus (Artificial Analysis maß Terminal-Bench 2.1 bei 79 % gegenüber den gemeldeten 82,7). Behandeln Sie Herstellerangaben daher nur als Richtwerte. Und „günstig pro Token“ ist nicht „günstig pro Aufgabe“: Dieses Modell ist messbar wortreich. Begrenzen Sie daher den Reasoning-Aufwand und Tool-Iterationen bei einfachen Aufrufen, statt standardmäßig die maximale Anstrengung aktiv zu lassen. Validieren Sie das Modell an Ihrem eigenen Workload, bevor Sie Produktionsdatenverkehr darauf umstellen.

FAQ

Was ist DeepSeek V4 Flash?

DeepSeeks Effizienzmodell in der V4-Linie: ein Mixture-of-Experts-Modell mit 284B / 13B aktiven Parametern, einem 1M-Token-Kontext und bis zu 384K Ausgabetoken, optimiert für schnelle, hochvolumige, agentische und Coding-Aufgaben. Die offizielle Veröffentlichung (Build -0731) erschien am 31. Juli 2026.

Was hat sich in der offiziellen Version geändert?

Die Architektur ist unverändert; es handelt sich um ein Post-Training-Upgrade, das die agentischen, Programmier- und Tool-Calling-Fähigkeiten deutlich verbessert und native Responses-API-Unterstützung mit Codex-Anpassung hinzufügt. Nur die Flash-API wurde aktualisiert — V4 Pro und die App/Web sind dieselben.

Wie viel kostet V4 Flash?

Etwa 0,15 $ pro Million Input-Token und 0,29 $ pro Million Output-Token auf OrcaRouter (0 % Aufschlag) — etwa ein Drittel von V4 Pros 0,44 $ / 0,88 $ — wobei Cache-Treffer mit 0,0028 $ pro Million angegeben sind, also etwa 98 % unter frischem Input. Die Preise blieben in dieser Version unverändert. Kalkulieren Sie sowohl das Token-Volumen als auch die Rate ein: Dies ist ein wortreiches Reasoning-Modell, und eine Antwort mit 100.000 Token kostet etwa drei Cent.

Wie gut ist V4 Flash bei Agenten- und Programmieraufgaben?

DeepSeek berichtet starke Ergebnisse: Terminal-Bench 2.1 82.7, Toolathlon (verifiziert) 70.3, Cybergym 76.7, DeepSWE 54.4, DSBench-FullStack 68.7 – alles Werte aus den Hersteller-Harnesses, also prüfen Sie es anhand Ihrer eigenen Aufgaben.

Ist V4 Flash überhaupt gut in Wettbewerbsmathematik?

Besser, als sein Preis vermuten lässt. In der AIME-2026-Tabelle von MathArena erzielt der April-Preview-Build in vier Durchläufen mit je 30 Problemen 95,83 % – innerhalb des Konfidenzintervalls der 96,67 % von V4 Pro, bei etwa einem Neuntel der Kosten pro Problem – obwohl MathArena beide Modelle wegen möglicher Kontamination kennzeichnet und den -0731-Build noch nicht bewertet hat. Das einzige Problem, das er nie löst, ist Problem 15, das nur GPT-5.5 mit extrahohem Aufwand und Claude Opus 4.8 im Max-Solve-Modus zuverlässig lösen.

Wie schneidet V4 Flash im Vergleich zu V4 Pro ab?

Pro ist das deutlich größere Flaggschiff für die schwierigsten Reasoning- und Coding-Aufgaben; Flash ist die Effizienzstufe für etwa ein Drittel des Preises mit starken Agenten- und Coding-Fähigkeiten. Leiten Sie schwierige Aufgaben an Pro weiter, alles Weitere an Flash.

Was ist das Kontextfenster?

Volle 1.048.576 Token (etwa 1M), mit bis zu 384K Ausgabe-Token.

Ist V4 Flash multimodal?

Nein — die Eingabe ist reiner Text. Es unterstützt Reasoning, Tool-Aufrufe und JSON-Ausgabe.

Funktioniert V4 Flash mit der Responses API und Codex?

Ja — das Release -0731 fügt native Unterstützung für die Responses-API und spezifische Codex-Anpassung hinzu, zusammen mit OpenAI-ChatCompletions- und Anthropic-artigen Schnittstellen.

Wie verwende ich V4 Flash?

Direkt über die DeepSeek-API oder über den OpenAI-kompatiblen Endpunkt von OrcaRouter mit 0 % Aufschlag (deepseek/deepseek-v4-flash), wo Sie auch konkurrierende Modelle vergleichen und über sie routen können.

Fazit

{{1}}Die offizielle Veröffentlichung von DeepSeek V4 Flash behält das günstige, schnelle Rezept bei und macht aus dem Modell einen deutlich besseren Agenten{{/1}}: {{2}}dieselbe 284B-/13B-aktive MoE und derselbe 1M-Kontext, im Post-Training für bessere Code- und Tool-Nutzung optimiert{{/2}}, {{3}}mit nativer Responses-API- und Codex-Unterstützung, zu den gleichen Preisen von ~$0.15 / $0.29{{/3}}. {{4}}Die unabhängigen Zahlen untermauern nun den Großteil des Versprechens{{/4}} — {{5}}Artificial Analysis stuft den -0731-Build bei der Intelligenz auf eine Stufe mit Gemini 3.6 Flash ein{{/5}}, und {{6}}MathArena sieht den Preview-Build beim AIME 2026 auf dem Niveau von V4 Pro, für ein Neuntel der Kosten pro Aufgabe{{/6}}. {{7}}Was der niedrige Preis nicht erkauft, ist Wissensbreite oder ein Freibrief für Weitschweifigkeit{{/7}}: {{8}}Dieses Modell denkt mit etwa dem doppelten Token-Budget eines Median-Modells{{/8}}, also {{9}}hängt Ihre Rechnung pro Aufgabe stärker von der erlaubten Denkleistung ab als vom beworbenen Preis{{/9}}. {{10}}Nutzen Sie es über einen OpenAI-kompatiblen Endpunkt ohne Aufschlag wie OrcaRouter{{/10}}, {{11}}messen Sie, was Ihre eigenen anspruchsvollen Anfragen tatsächlich kosten{{/11}}, und {{12}}leiten Sie nur dann an ein Flaggschiff weiter, wenn die Messung es erfordert{{/12}}.