Kurz gesagt: Am 31. Juli 2026 veröffentlichte DeepSeek die V4-Flash Final-Version – ein 284B-MoE-Modell mit nur 13B aktiven Parametern, das allein durch Post-Training 82,7 im Terminal Bench 2.1 und 54,4 im DeepSWE erreichte und damit die V4-Pro-Vorschau überholte. Die Architektur blieb unverändert; der Sprung kam ausschließlich von der Trainingsmethodik. V4-Pro (1,6T gesamt, 49B aktiv) wird Anfang August erwartet. Für Coding-Teams ist dies gleichzeitig ein Preis-Leistungs-Schock und ein Signal, dass Post-Training-Optimierung der primäre Hebel ist – nicht die Parameterzahl.
Was passiert ist
Am 31. Juli startete DeepSeek still und leise den öffentlichen Betatest der V4-Flash Final-Version-API. Keine Keynote. Kein Livestream. Nur ein Modell, das in jedem Agent-Benchmark das Kosten-Fähigkeits-Verhältnis neu schreibt.
Die Architektur ist identisch mit der April-Vorschau: 284B Gesamtparameter in einer Mixture-of-Experts-Konfiguration, 13B aktiv pro Vorwärtsdurchlauf, 1M-Token natives Kontextfenster, CSA+HCA hybride sparse Attention. Geändert wurde nur das Post-Training – und die Ergebnisse sprechen für sich:
| Benchmark | V4-Flash Final-Version | V4-Pro Vorschau (Apr) | Bedeutung |
|---|---|---|---|
| Terminal Bench 2.1 | 82,7 | 67,9 (TB 2.0) | Agent-Autonomie nahe Claude Opus 4.6 (85) |
| DeepSWE | 54,4 | 7,3 | 6,5× Verbesserung bei Software-Engineering-Aufgaben |
| Cybergym | 76,7 | — | Sicherheitsautomatisierung auf produktionsreifem Niveau |
| Toolathlon Verified | 70,3 | — | Multi-Tool-Orchestrierung jetzt nutzbar |
| NL2Repo | 54,2 | — | Repository-weites Code-Verständnis |
| DSBench-FullStack | 68,7 | — | Full-Stack-Entwicklungsaufgaben |
| DSBench-Hard | 59,6 | — | Hochkomplexe Coding-Probleme |
Das 13B-aktive Flash übertrifft nun GLM-5.2 (744B Parameter) und liegt in Schlagdistanz zu Claude Opus 4.6 – einem Modell mit geschätzt 20–30× mehr aktiven Parametern. Und V4-Pro (1,6T/49B aktiv) ist noch nicht einmal erschienen.
Was das für Coding-Teams bedeutet
1. Der Post-Training-Hebel ist jetzt im großen Maßstab bewiesen
DeepSeek erklärte ausdrücklich: „Modellstruktur und -größe sind identisch mit der Vorschau, nur das Post-Training wurde neu durchgeführt.“ Der 6,5×-Sprung im DeepSWE ist keine Hardware-Geschichte. Es ist eine Methodik-Geschichte. Die Implikation: Die Fähigkeitsobergrenze eines Modells wird nicht mehr durch die Parameterzahl bestimmt. Trainingsdatenqualität, RLHF-Strategie und Agent-spezifisches Fine-Tuning sind die neue Front.
Für Teams, die auf KI-Coding-Plattformen aufbauen, bedeutet dies: Das Modell, das Sie heute einsetzen, kann sich in drei Monaten dramatisch verändern – ohne Hardware-Upgrade. Ihre Evaluierungspipeline muss kontinuierlich sein, nicht punktuell.
2. Die Wirtschaftlichkeit von Agent-Workloads wurde auf den Kopf gestellt
V4-Flash-Preise: Input ~$0,28/M Token, Output ~$1,10/M Token (Cache-Hit: $0,03/M). Etwa 1/10 der Kosten von GPT-4o und 1/7 von Claude Opus. Ein Coding-Agent, der das Modell 50–100 Mal pro Aufgabe aufruft, ist jetzt für ein viel breiteres Aufgabenspektrum wirtschaftlich tragfähig.
Anders gesagt: Ein Team, das Agent-Nutzung bisher auf hochwertige Aufgaben beschränkte, kann jetzt Agenten auf jedem Pull Request laufen lassen. Der Engpass verschiebt sich von Kosten zu Review-Kapazität.
3. MIT-Lizenz – keine benutzerdefinierte Lizenz
Anders als die benutzerdefinierte Kimi-K3-Lizenz verwendet DeepSeek V4 die standardmäßige MIT-Lizenz – keine Einschränkungen für kommerzielle Nutzung, keine Namensnennungspflicht, keine Nutzungsverbotsklauseln. Für Self-Hosting-Deployments entfällt damit die rechtliche Prüfung als Blockade. Kombiniert mit dem geringen aktiven Footprint (13B aktiv) ist Self-Hosting von V4-Flash auf handelsüblicher Hardware machbar, die an einem 104B-aktiven Modell ersticken würde.
4. Native Responses-API + Codex-Kompatibilität
V4-Flash unterstützt nativ das Responses-API-Format von OpenAI – die neuere, Agent-orientierte API, die Chat Completions für Tool-Calling-Workflows ablöst. Es zielt zudem spezifisch auf Codex-Kompatibilität. Der praktische Effekt: Jede auf OpenAI-Agent-Infrastruktur aufgebaute Codebasis kann mit minimalen Änderungen auf V4-Flash umsteigen und erhält vergleichbare oder bessere Agent-Leistung zu 1/10 der Kosten.
Die Harness-Story: DeepSeeks Agent-Framework wird öffentlich
In der Ankündigung versteckt sich ein Signal, das ebenso wichtig ist wie die Benchmark-Scores: DeepSeeks internes Agent-Harness-Framework wurde erstmals offiziell benannt. Das Team, geleitet vom ehemaligen Jane-Street-Quant Cui Tianyi (6 ACM Asia Regional Goldmedaillen), wurde im März 2026 speziell für den Aufbau von Agent-Infrastruktur zusammengestellt.
DeepSeek-CEO Liang Wenfeng beschrieb den AGI-Pfad als Treppensteigen: Sprachmodelle sind Stufe eins, Chain-of-Thought ist Stufe zwei, Agenten sind Stufe drei, und kontinuierliches Lernen ist Stufe vier. Das Harness ist die technische Umsetzung von Stufe drei – ein Framework für langfristige, mehrschrittige autonome Aufgaben mit iterativer Selbstprüfung und automatischem Wiederholungsversuch bei Fehlern.
Das ist kein Modell-Feature. Das ist Infrastruktur. Und es signalisiert, dass DeepSeek einen vollständigen Agent-Stack aufbaut, nicht nur einen Modellkatalog.
Was V4-Pro bedeutet
V4-Pro Final-Version wird Anfang August 2026 erwartet. Spezifikationen:
- 1,6T Gesamtparameter, 49B aktiv (MoE)
- 1M-Token-Kontextfenster, 384K maximale Ausgabe
- Adaptive Deep-Thinking-Engine mit vier Rechenstufen
- Ausgelegt auf komplexes Reasoning, Multi-Agent-Koordination und Billionen-Daten-Operationen
Wenn die Post-Training-Gewinne von Flash proportional auf Pro skalieren – 4× mehr Parameter mit derselben Methodik – könnte das Ergebnis GPT-5.6 Sol, Claude Opus 5 und Fable 5 herausfordern oder übertreffen.
Das chinesische KI-Ökosystem erlebt gerade eine bemerkenswerte Veröffentlichungsdichte: Kimi K3 (16. Juli, Open Weights), GLM-5.2 (Juni, Open Source) und nun DeepSeek V4 (31. Juli, MIT-Lizenz). Drei Frontier-Modelle, alle offen verfügbar, innerhalb von sechs Wochen.
Wie man ohne Hype evaluiert
- Führen Sie Ihre eigenen Agent-Aufgaben aus. Terminal Bench und DeepSWE sind Screening-Werkzeuge, keine Abnahmetests. Definieren Sie 10–20 begrenzte Coding-Aufgaben mit schriftlichen Abnahmekriterien und vergleichen Sie akzeptierte Ergebnisse, nicht Leaderboard-Scores.
- Messen Sie Kosten pro akzeptierter Aufgabe, nicht pro Token. Ein Modell, das 1/10 pro Token kostet, aber 3× mehr Wiederholungen benötigt, spart möglicherweise kein Geld. Verfolgen Sie Ende-zu-Ende: verbrauchte Token, Reviewer-Zeit und Aufgabenakzeptanzrate.
- Testen Sie den Tool-Calling-Pfad gezielt. V4-Flashs Toolathlon-Score (70,3) ist stark, aber nicht perfekt. Wenn Ihr Agent-Workflow 5+ Tool-Aufrufe verkettet, verifizieren Sie, dass das Modell Kontext und korrekte Parameterformatierung über die gesamte Kette beibehält.
- Beim Self-Hosting: Messen Sie den Serving-Footprint. 13B aktive Parameter sind nach 2026er-Maßstäben bescheiden, aber 1M-Token-Kontextfenster ändern die Speicherberechnung. Profilieren Sie Ihren tatsächlichen Serving-Stack mit Ihren tatsächlichen Aufgabenlängen.
- Beobachten Sie die Pro-Preise. V4-Flashs Wirtschaftlichkeit ist bereits disruptiv. Wenn V4-Pro Frontier-Leistung zu 1/5 der Kosten von GPT-5.6 oder Opus liefert, muss das Preismodell des gesamten Agent-API-Marktes neu kalibriert werden.
Das größere Bild: Drei Lehren aus dem Launch
Lektion 1: Post-Training ist der neue Burggraben. DeepSeek hat bewiesen, dass ein 284B-Modell allein durch Trainingsmethodik seine eigene 1,6T-Vorschau schlagen kann. Die Ära „größeres Modell = besseres Modell“ ist vorbei. Die Ära „besseres Training = besseres Modell“ hat begonnen.
Lektion 2: Die chinesische Open-Source-Welle ist real und beschleunigt sich. Kimi K3, GLM-5.2 und DeepSeek V4 sind keine isolierten Ereignisse. Sie bilden ein Muster: Frontier-Modelle, offen lizenziert, in schneller Folge veröffentlicht. Für Teams, die Modellwahl und Deployment-Flexibilität benötigen, war der Optionsraum noch nie so breit.
Lektion 3: Agent-Infrastruktur wird zum Produkt. DeepSeek hat nicht nur ein Modell ausgeliefert – sondern ein Harness, eine Responses-API und Codex-Kompatibilität. Das Modell ist der Motor; das Agent-Framework ist das Auto. Teams, die KI-Coding-Plattformen evaluieren, sollten fragen: Routet die Plattform zum besten Modell für die Aufgabe, oder sperrt sie mich in den Stack eines einzelnen Anbieters ein?
Fazit
DeepSeek V4-Flash Final-Version ist nicht beeindruckend, weil es groß ist. Es ist beeindruckend, weil es klein ist – und trotzdem im Schwergewicht mitschlägt. Ein 13B-aktives Modell, das 82,7 im Terminal Bench und 54,4 im DeepSWE erzielt, schreibt alle Annahmen über das untere Ende der Kostenkurve neu. V4-Pro, das in wenigen Tagen erscheint, wird testen, ob dieselbe Post-Training-Methodik auf 1,6T Parameter skaliert.
Für Coding-Teams ist der praktische Schritt klar: Nehmen Sie V4-Flash in Ihren Evaluierungskatalog auf, führen Sie Ihre eigenen Abnahmetests durch und messen Sie die Kosten pro akzeptierter Aufgabe. Das Leaderboard ist für Zuschauer. Das Pilotprojekt ist für Builder.
Die V4-Flash-Serie
Dies ist das Zentrum unserer V4-Flash-Berichterstattung. Wählen Sie Ihren Einstiegspunkt:
- Eilmeldung: V4-Flash ist da – 3 Min. Lesezeit. Die Ankündigung, die wichtigsten Zahlen und die unmittelbare Einordnung.
- Architektur-Deep-Dive – 12 Min. Lesezeit. MoE-Design, CSA+HCA-Aufmerksamkeit und was die Benchmarks tatsächlich messen.
- Migrationsleitfaden – 10 Min. Lesezeit. Praktische Schritte, um Ihre Workflows von GPT-4o umzustellen.
- Die Post-Training-Revolution – 8 Min. Lesezeit. Warum Trainingsmethodik jetzt die Parameterzahl schlägt.
- Vergleichs-Showdown – 6 Min. Lesezeit. V4-Flash vs. GPT-5.6, Claude, Kimi K3 und GLM-5.2.
- Ökosystem-Auswirkungen – 7 Min. Lesezeit. Wer gewinnt, wer unter Druck gerät und was jetzt zu tun ist.