DeepSeek V4.1 Flash: Mehr Leistung als V4-Pro zu niedrigeren Preisen

DeepSeek hat mit V4.1 Flash ein neues Open-Weight-Modell veröffentlicht, das besonders stark bei agentischen Aufgaben und beim Schlussfolgern über lange Kontexte abschneidet. Der Vorgänger V4 Flash wird eingestellt. Ab dem 14. September werden zudem alle Anfragen an das aktuelle Spitzenmodell V4-Pro auf V4.1 Flash umgeleitet und zu dessen Tarifen abgerechnet. Damit übernimmt V4.1 Flash bis zum Erscheinen von V4.1 Pro die Rolle des DeepSeek-Flaggschiffs.

Das zentrale Modellnetz von V4.1 Flash umfasst laut DeepSeek 552 Milliarden Parameter und ist damit fast doppelt so groß wie das von V4 Flash. Anders als V4 Pro und V4 Flash verarbeitet V4.1 Flash neben Text nun auch Bilder nativ. Gleich geblieben ist das Kontextfenster von einer Million Tokens. Die Modellgewichte stehen unter MIT-Lizenz bereit, zudem ist V4.1 Flash über die DeepSeek-API verfügbar.

Neue Architektur senkt Rechen- und Speicherbedarf

Eine Besonderheit von V4.1 Flash ist die neue Causal-Encoder-Decoder-Architektur, die eine deutliche Effizienzsteigerung ermöglicht. Vereinfacht gesagt teilt sie das Modell in zwei Hälften: Die erste verarbeitet den Eingabekontext, die zweite übernimmt die weitere Generierung. Dadurch wird vor allem das Einlesen großer Kontextmengen effizienter. DeepSeek nennt 8 Milliarden aktive Parameter pro Token für die Verarbeitung der Eingabe und 16 Milliarden für die Textgenerierung. V4 Flash kam dagegen auf 13 Milliarden aktive Parameter pro Token.

Die neue Architektur zielt vor allem auf inputlastige Aufgaben, bei denen ein Modell sehr viel Kontext verarbeiten muss. Das trifft etwa auf agentische Programmier- oder Rechercheaufgaben zu, bei denen große Mengen Quellcode, Dateien, Webseiten und Ergebnisse von Werkzeugaufrufen verarbeitet werden.

Ein zweiter Effizienzhebel ist der deutlich geringere Speicherbedarf für den bereits verarbeiteten Kontext. Der sogenannte KV-Cache speichert Zwischenergebnisse aus dem bereits gelesenen Kontext, damit das Modell sie bei der weiteren Generierung nicht ständig neu berechnen muss. DeepSeek hat diesen globalen KV-Cache über mehrere Modellgenerationen drastisch verkleinert, bei V4.1 Flash ist er rund 75 Prozent kleiner als bei V4 Flash. Diese Optimierungen schlagen sich direkt im Speicherbedarf nieder: Gegenüber V4 Flash benötigt der Cache laut DeepSeek nur rund ein Viertel so viel HBM und ein Achtel so viel persistenten SSD-Speicher. Insgesamt sollen die Architekturänderungen die Kosten senken und den Durchsatz erhöhen.

Mehr Agentenleistung, hoher Tokenverbrauch

Laut Tests von Artificial Analysis erzielt DeepSeek V4.1 Flash mit der höchsten Reasoning-Stufe 40 Punkte im Intelligence Index und zählt damit zu den führenden Open-Weight-Modellen. V4.1 Flash verbessert sich vor allem bei mehrstufigen Agentenaufgaben und übertrifft hier sowohl V4 Flash als auch V4-Pro. Auch beim Schlussfolgern über lange Kontexte schneidet es stark ab. Gegenüber V4 Flash steigt beim Faktenwissen die Trefferquote, zugleich halluziniert das Modell bei Wissenslücken häufiger.

Ein Schwachpunkt von V4.1 Flash ist der relativ hohe Tokenverbrauch: Das Modell benötigt pro Aufgabe deutlich mehr Output-Tokens als V4-Pro und mehrere aktuelle Spitzenmodelle. Dadurch fällt das Verhältnis von Leistung zu Kosten pro Aufgabe etwas schlechter aus, als die niedrigen Tokenpreise vermuten lassen.

Über die DeepSeek-API kostet eine Million nicht gecachter Eingabetokens zu Spitzenzeiten 0,30 US-Dollar, eine Million Ausgabetokens 1,20 Dollar. Außerhalb der Spitzenzeiten halbieren sich die Preise auf 0,15 beziehungsweise 0,60 Dollar.

Artificial Analysis rechnet für seinen Kostenvergleich mit den Peak-Tarifen. Trotz des hohen Tokenverbrauchs kommt V4.1 Flash dort auf 0,27 Dollar pro Intelligence-Index-Aufgabe. Das ist rund 60 Prozent weniger als bei V4-Pro und etwa ein Siebtel der Kosten von GLM 5.3 und Kimi K3. Gegenüber V4 Flash macht sich der hohe Tokenverbrauch dagegen bemerkbar: Dort kostet dieselbe Aufgabe trotz höherer Tokenpreise nur 0,22 Dollar.