OpenAI o3 vs DeepSeek V4 Pro: Die Premium-Reasoning-Ära endet dort, wo sich die Preislücke auftut.

Das Aufeinandertreffen zwischen Ope​nAI o3 und DeepSeek V4 Pro ist wirklich ein Zusammenprall zweier Zahlen. Ope​nAI o3, veröffentlicht am 16. April 2025, war der Referenzpunkt für Premium-Reasoning – das Modell, für das du mehr bezahlt hast, wenn die Kosten einer falschen Antwort höher waren als die Kosten der Tokens. DeepSeek V4 Pro, das als Build 0813 am 13. August 2026 nach einer ruhigen Abendveröffentlichung und einem Rollout, der eine zurückgezogene Ankündigung und neu hochgeladene Gewichte umfasste, in die allgemeine Verfügbarkeit (GA) ging, ist das Modell, das diese Prämie wie einen Kategorienfehler aussehen ließ: ein unabhängiger Index, der über dem von o3 steht, zu ungefähr einem Fünftel des Preises, mit offenen Gewichten obendrein. Und der Zusammenprall ist mit einem Zeitstempel versehen, denn Ope​nAI o3 verlässt ChatGPT am 26. August 2026, seine API-Snapshots folgen am 11. Dezember, und jede Woche des Vergleichs begünstigt das Modell, das nirgendwohin verschwindet.

Zwei Modelle, die im Abstand von einem Jahr in der Philosophie erschienen sind

o3 ist das reine Reasoning-Flaggschiff: ein geschlossenes Modell, das darauf trainiert ist, vor der Antwort lange nachzudenken, mit einem 200K-Kontextfenster, bis zu 100K Ausgabe und Bildeingabe, die in seine Gedankenkette integriert ist. Nach Ope​nAIs eigenen Angaben setzte es die Messlatte für 2025 – 96,7 % bei AIME 2024, 87,7 % beim GPQA Diamond, 69,1 % bei SWE-bench Verified ohne Scaffolding, eine Codeforces-Elo von 2727 – und Ope​nAI senkte später den Preis von 10/40 Dollar auf 2/8 Dollar pro Million Token, wo er bis heute liegt. DeepSeek V4 Pro ist eine völlig andere Ökonomie: ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, von denen pro Token etwa 49 Milliarden aktiv sind, einem Kontextfenster von 1 Million Token, maximal 384K Ausgabe, reinem Texteingang und – neu im 0813-GA-Build – einem neu aufgebauten Post-Training-Stack sowie nativer Responses-API- und Codex-Integration, die seine Agentenwerte auf DeepSWE von 12,8 in der Vorschau auf 62,7 springen ließen. Es ist auch Open-Weights: Der Checkpoint DeepSeek-V4-Pro-0813 ist auf Hugging Face unter der MIT-Lizenz herunterladbar, nach einem chaotischen ersten 24 Stunden, in denen das Release-Banner entfernt wurde und die Gewichte kurzzeitig einen 404 zurückgaben, bevor eine korrigierte Config erneut gelistet wurde.

Die Kostenlücke in konkreten Zahlen

Die Tarifkarten übernehmen den Großteil der Argumentation von selbst:

OpenAI o3 — 2,00 $ pro Million Input, 8,00 $ pro Million Output, 0,50 $ für zwischengespeicherten Input. Reasoning-Tokens werden als Output abgerechnet, daher verbraucht eine schwierige Frage Denk-Tokens, bevor die Antwort kommt.

• DeepSeek V4 Pro — 0,435 $ pro Million Eingaben (Cache-Miss), 0,003625 $ bei Cache-Treffer, 0,87 $ pro Million Ausgaben heute. Die Ausgabe ist ungefähr 4,6× günstiger als o3, Cache-Treffer-Eingaben sind praktisch kostenlos.

• Der Vorbehalt mit einem Datum darauf – DeepSeeks für den 17. August geplante Preiserhöhung bringt den V4-Pro-Ausgabepreis von 6 Yuan auf 27 Yuan pro Million zu Spitzenzeiten (13,5 außerhalb) und den Cache-Miss-Eingabepreis von 3 auf 9 Yuan. Selbst zum neuen Spitzentarif bleibt der Ausgabepreis ein kleiner Bruchteil der 8 $ von o3. Das Zeitfenster, um gegen den heutigen Tarif aufzubauen, wird in Tagen gemessen – was selbst Teil der Migrationskalkulation ist.

Die Kostenökonomie pro richtiger Antwort verschärft den Punkt. Die versteckten Reasoning-Token von o3 bedeuten, dass die tatsächlichen Kosten pro schwieriger Antwort ein Vielfaches des Ausgabepreises betragen. Auch DeepSeek V4 Pro denkt nach, und sein Denken wird ebenfalls als Ausgabe abgerechnet, doch bei 0,87 $ ist der absolute Betrag ein Rundungsfehler neben einer o3-Sitzung, die anderthalb Minuten lang denkt. Das Agent-Kosten-Framing, das DeepSeek beim Start verwendete – ungefähr eine 45-fache Preisdifferenz pro Aufgabe gegenüber den geschlossenen Spitzenmodellen – übertreibt im speziellen Fall von o3, aber die Richtung ist unbestritten: Es handelt sich je nach Arbeitslast um eine 4- bis 10-fache Lücke bei den effektiven Kosten.

Wo die Qualitätslücke tatsächlich liegt

Die Punktzahl, die am meisten zählt, ist die unabhängige. Im Intelligence Index von Artificial Analysis erzielt DeepSeek V4 Pro 53 Punkte und rangiert auf Platz 2 der 104 Modelle, die der Index derzeit führt; o3 liegt bei etwa 30 – eine Lücke von über 20 Punkten auf derselben Testumgebung. Das ist die prägnanteste Zusammenfassung dessen, was zwei Jahre Fortschritt aus dem Premium-Reasoning-Flaggschiff gemacht haben: Es wird nicht mehr nur preislich unterboten; es wird in der unabhängigen Gesamtwertung geschlagen.

Das Bild pro Benchmark ist unübersichtlicher und braucht eine ehrliche Kennzeichnung. DeepSeek V4 Pros wichtigste Agent-Zahlen — Terminal-Bench 2.1 bei 87,9, CyberGym bei 83,3, DeepSWE bei 62,7, AutomationBench vor den geschlossenen Frontier-Modellen — sind DeepSeeks eigene Behauptungen vom 0813-Launch, die zum Zeitpunkt dieses Artikels nicht unabhängig reproduziert wurden, und die Falschkonfigurations-Episode beim Rollout bedeutet, dass niemand sicher sein kann, dass die API die endgültigen korrigierten Gewichte bereitgestellt hat, als die frühen Drittanbieter-Zahlen erhoben wurden. o3s Launch-Benchmarks sind ebenfalls Herstellerangaben, wurden aber 2025 teilweise durch unabhängige Nachprüfungen validiert, als es die Reasoning-Bestenlisten wirklich anführte. Bei Mathematik und reinem Reasoning sieht o3s veröffentlichte Bilanz immer noch besser aus als die von DeepSeek V4 Pro — DeepSeeks Stärken liegen bei agentischem Tool-Einsatz, Programmierung und Long-Horizon-Aufgaben — eine andere Testsuite als die Mathematik-Olympiaden, die o3 dominierte.

Was o3 immer noch besser kann

Zwei Dinge überstehen den Vergleich unbeschadet. Erstens Mathematik und sorgfältiges Denken: o3 erreicht 96,7 % bei AIME und 87,7 % bei GPQA und liegt damit weiterhin über allem, was DeepSeek V4 Pro veröffentlicht hat, und wenn Ihre Workload ein schwieriger Beweis oder ein Wettbewerbsproblem ist, ist o3 – solange es noch läuft – die sicherere Antwort. Zweitens Bildverständnis: o3 kann in seiner Gedankenkette über einen Screenshot oder ein Diagramm nachdenken, und DeepSeek V4 Pro ist rein textbasiert; der 0813-Build hat keinen Vision-Encoder hinzugefügt, und wenn Ihre Aufgabe erfordert, dass das Modell ein Bild liest, ist DeepSeek V4 Pro in dieser Ecke kein Ersatz für o3. Keiner dieser Vorteile ist ein Grund, bei einem auslaufenden Modell zu bleiben, aber beide sind Gründe, ehrlich zu sein, dass die Migration kein reines Upgrade ist.

Ein weiterer erwähnenswerter Punkt ist der Unterschied bei den offenen Gewichten, der überhaupt kein Benchmark ist. o3 war geschlossen und wird nun eingestellt; man kann es nicht auf eigener Hardware weiterbetreiben. Der 0813-Checkpoint von DeepSeek V4 Pro gehört dir dauerhaft und ist MIT-lizenziert – die gleichen Gewichte, das gleiche Modell mit 1,6 Billionen Parametern, selbst gehostet, wenn du die ~1,5 Terabyte Hardware dafür hast. Für Teams, die sich die Finger verbrannt haben, weil sie von einem geschlossenen Modell abhingen, das ein Anbieter zurückziehen konnte, ist das eine strukturelle Antwort auf genau das Problem, das die Einstellung von o3 aufwirft.

Migration der Arbeitslast

Für das API-Team, das von o3 umsteigt, ist DeepSeek V4 Pro der günstigste Anlaufpunkt, und bei der agentischen und Coding-Arbeit, die den Großteil der tatsächlichen API-Nutzung ausmacht, ist es selten eine Verschlechterung. Die eigentlichen Stolperfallen sind betrieblicher Natur, nicht qualitativer: V4 Pro ist auf 500 gleichzeitige Anfragen über die offizielle API begrenzt – eine Obergrenze, die Sie mit einer Agenten-Flotte erreichen werden – und die Preise ändern sich am 17. August. Genau dafür ist eine Routing-Ebene da.

Auf OrcaRouter wird DeepSeek V4 Pro zum Listenpreis des Anbieters ohne Aufschlag (0 %) durchgereicht – der heutige Preis von 0,44 $/0,87 $ ist also am selben Tag live wie bei DeepSeek, und wenn der Spitzen-/Nebenzeiten-Plan am 17. August in Kraft tritt, wird er auch hier am selben Tag übernommen. Ein Schlüssel gewährt auch Zugriff auf den Rest dieser o3-Ersatz-Kohorte, und automatisches Failover ist die saubere Lösung für das Limit von 500 gleichzeitigen Anfragen: Richten Sie einen Produktionspfad auf V4 Pro plus ein zweites Modell mit demselben Schlüssel aus und lassen Sie den Router die Obergrenze auffangen. OpenAI o3 selbst befindet sich nicht auf diesem Schlüssel – es bleibt über OpenAIs eigene API und mehrere Drittanbieterplattformen bis zur Abschaltung des Snapshots am 11. Dezember verfügbar.

Wen die Mathematik begünstigt

Für alle, deren o3-Arbeitslast aus Codierung, Agentenschleifen oder Langkontextverarbeitung besteht, ist die Rechnung eindeutig: DeepSeek V4 Pro schlägt o3 im unabhängigen Index, kostet einen Bruchteil davon, und seine offenen Gewichte bedeuten, dass diese spezielle Abhängigkeit Ihnen nicht unter den Füßen weg entzogen werden kann. Die Teams, die derzeit einen echten Grund haben, o3 am Leben zu erhalten, sind eng begrenzt — harte reine Mathematik-Argumentation und alles, was auf das Bilddenken von o3 aufbaut — und selbst die sollten vor Dezember Ersatzlösungen an realen Arbeitslasten testen, denn die Frist kümmert sich nicht um Ihren Sonderfall. Die von o3 geprägte Premium-Reasoning-Ära endete mit der Ankündigung seiner Einstellung; DeepSeek V4 Pro ist eben der Ort, an dem der günstigste Platz in der nächsten Ära ist.