Offizieller Launch von DeepSeek-V4.1-Flash: deepseek-flash API ab $0.15/$0.60 pro 1M, 1M Kontext, offene Gewichte unter MIT

Was bestätigt ist (beide Quellen geprüft am 10. Sep., UTC+8)

• Die Veröffentlichung: DeepSeeks Changelog-Eintrag vom 10.09.2026 kündigt den offiziellen Release an. V4.1-Flash ist „das kleinste Modell in unserer neuen Architekturfamilie mit nativem multimodalem Bildverständnis“; die Architektur zielt auf eine höhere Leistungsobergrenze, schnellere Inferenz, höheren Durchsatz und Skalierbarkeit für größere Modelle ab.
• Die Modellkarte: Die Hugging-Face-README („Pushing the Limits of KV Cache Compression“) spezifiziert ein multimodales MoE mit 552B-Backbone – 1 geteilter + 384 geroutete Experten, davon 6 aktiviert pro Token –, das 8B Parameter/Token beim Prefill und 16B beim Decode aktiviert, mit einem 1M-Token-Kontext, trainiert auf 45T Tokens (Sparse Attention bei 64K, erweitert auf 1M bei 34T).
• Architektur-Highlight: Ein Causal Encoder-Decoder (CED) – 20-Layer kausaler Encoder + 20-Layer Decoder – projiziert den globalen KV-Cache des Decoders aus den finalen Encoder-Zuständen; FP4-Haupt-KV-Caching senkt den globalen Cache auf ~890 Bytes/Token, ≈1/4 von DeepSeek-V4-Flash (≈437× weniger als bei V1), während SWA Bounded Replay den persistenten Cache auf ≈1/8 reduziert.
• Zentrale Benchmarks (offiziell, maximaler Reasoning-Aufwand): GPQA Diamond 90.9, Codeforces-Rating 3471, Terminal-Bench 2.1 90.6, DeepSWE v1.1 74.2, HLE m. Tools 63.9, Agents' Last Exam 31.8. Der Reasoning-Aufwand ist stufenlos steuerbar (1–100). Vom Hersteller gemessene Werte – bis zur unabhängigen Replikation durch Dritte entsprechend einzuordnen.
• API-Name und Aliase: Neue Anfragen sollten deepseek-flash verwenden. deepseek-v4-flash und deepseek-v4-flash-vision-exp werden „weiterhin akzeptiert“, aber vorübergehend auf V4.1 Flash umgeleitet – die namensgebenden Modelle der V4-Generation wurden eingestellt.
• V4 Pro: Angekündigt für Routing ab 14. Sep., dann beibehalten. Die ursprüngliche Ankündigung vom 10. September lautete: „Ab dem 14. September 2026 um 04:00 UTC werden alle Anfragen an deepseek-v4-pro zu Tarifen von V4.1-Flash auf V4.1-Flash umgeleitet. Dies gilt bis zum Launch von V4.1-Pro.“ Diese Umstellung wurde zurückgezogen: Laut Changelog und Preisseite vom 16. September hieß es: „Auf Nutzerwunsch haben wir beschlossen, die API-Dienste für DeepSeek V4 Pro auch nach dem 14. September 2026 bei unveränderter Abrechnung weiterzuführen.“ V4 Pro behält seine eigene Preistabelle – Nebenzeiten: $0.022 Cache-Hit / $0.66 Cache-Miss Input / $1.98 Output pro 1M, Spitzenzeiten 2×, Concurrency 500. Die offizielle News-Seite enthält noch den alten Routing-Satz; Changelog und Preisseite sind als maßgebliche Quellen zu betrachten.
• Preissenkungen sind offiziell: „Mit der Veröffentlichung von DeepSeek-V4.1-Flash wurden die API-Preise entsprechend gesenkt.“ Die bestätigte Preistabelle: Nebenzeiten $0.15/$0.60 pro 1M (Input Cache-Miss / Output), $0.003 Cache-Hit-Input, Spitzenzeiten = 2× von 01:00–04:00 & 06:00–10:00 UTC Mo–Fr (09:00–12:00 & 14:00–18:00 Peking-Zeit). Concurrency 2.500 gegenüber 500 bei V4 Pro. Nutzer, die Nebentarife schätzen, kennen dieses Schema bereits von der Tarifumstellung an Wochenenden – damit werden Nebenzeiten wieder zum Standard.
• Offene Gewichte, MIT: Das HF-Repository liefert Modellgewichte unter MIT-Lizenz, einen technischen Bericht als PDF, eine eigenständige Prompt-Encoding-Referenz (ohne Jinja-Chat-Template) sowie Anleitungen zur lokalen Inferenz – dieselbe Open-Weights-Haltung wie bei Vision-Exps frei zugänglichem MIT-Release, nun für das multimodale Hauptmodell.

Was noch nicht erschienen ist – und worauf zu achten ist

• Noch kein V4.1 Pro. Mit Stand vom 10. September (UTC+8) erwähnt das Änderungsprotokoll V4.1 Pro lediglich als zukünftige Veröffentlichung, die das Routing für V4 Pro zeitlich begrenzt hätte. Kein Datum, keine Benchmarks. Rechnen Sie mit einer separaten Ankündigung – die neue Familie ist von Grund auf darauf ausgelegt, „auf größere Modelle zu skalieren“.
• Alias-Namen sind vorübergehend. Wer noch deepseek-v4-flash oder deepseek-v4-flash-vision-exp aufruft, erhält bereits V4.1 Flash zu Flash-Preisen – in der Dokumentation wird diese Weiterleitung jedoch als temporär gekennzeichnet. Migrieren Sie zeitnah auf deepseek-flash, um künftige Inkompatibilitäten zu vermeiden.
• Die V4-Pro-Klippe zum 14. September wurde zurückgezogen. deepseek-v4-pro wird weiterhin als V4 Pro bereitgestellt und abgerechnet – keine erzwungene Verhaltensänderung; der auf der offiziellen News-Seite noch sichtbare Hinweis zur Umleitung ist veraltet. Achten Sie auf den Launch von V4.1 Pro und DeepSeeks Zusage weiterer Benachrichtigungen bei künftigen Änderungen.
• Berichterstattung durch Dritte steht noch aus. Gemäß den Richtlinien dieser Website für Produktvorstellungen stützen wir uns bei Veröffentlichungsdaten ausschließlich auf offizielle Primärquellen; unabhängige Benchmark-Replikationen sowie internationale Analysen auf X erscheinen typischerweise 24–48 Stunden nach einem DeepSeek-Launch und sind hier noch nicht erfasst.

Warum die KV-Cache-Zahl für Entwickler wichtig ist

• Long-Context-Agenten werden dort günstiger, wo es zählt: beim Input. 890 Bytes/Token an globalem KV-Cache (gegenüber ~3,5 KB bei V4-Flash) bedeuten, dass Kontexte im Millionen-Token-Bereich kein Speicherfresser mehr sind. Mit 8B aktiven Parametern beim Prefill sind inputlastige Workloads – repo-weites RAG, lange Agenten-Trajektorien, Dokumenten-Pipelines – genau das Profil, das dieses Modell optimiert.
• Die Preistabelle belohnt diszipliniertes Caching. Ein Cache-Hit-Input für $0.003 (Nebenzeiten) ist 50-mal günstiger als ein Input-Aufruf mit Cache-Miss. Mit dem impliziten Caching der DeepSeek-API lassen sich stabile Präfixe (System-Prompts, Tool-Schemas, lange Dokumente) nahezu kostenlos wiederverwenden.
• Concurrency 2.500. Das Vierfache des Limits von V4 Pro (500) – ein klares Signal für die Durchsatzreserven der neuen Architektur. Details zu Rate-Limits finden sich auf der offiziellen Seite „Rate Limit & Isolation“.
• Self-Hosting vs. API: MIT-Gewichte bieten echte Unabhängigkeit, aber ein Modell mit 552B-Backbone (selbst bei nur 8B/16B aktiven Parametern) erfordert Multi-Node-GPU-Cluster. Die meisten Entwickler dürften die API nutzen und die Gewichte als Ausweichoption vorhalten – die Kalkulation aus „DeepSeek-V4-Pro für API-Entwickler“ bleibt gültig: V4 Pro wird weiterhin unabhängig bereitgestellt und bepreist, nachdem die geplante Umleitung zum 14. September zurückgezogen wurde.

Zugriff von außerhalb Chinas – und der übliche Haftungsausschluss

Der offizielle Endpunkt (https://api.deepseek.com) unterstützt Basis-Formate für OpenAI und Anthropic, inklusive Responses API, Tool Calls, JSON-Output und Vision auf deepseek-flash. Internationale Entwickler sollten Zahlungswege und Abrechnung eigenständig prüfen – einige der offiziellen Aufladeoptionen sind nach wie vor auf China ausgerichtet.

Hinweis zur Unabhängigkeit: ChinaModelAPI ist eine unabhängige Informationsplattform und steht in keiner Verbindung zu DeepSeek. Sämtliche Angaben und Preise in diesem Artikel wurden am 10. September 2026 (UTC+8) dem offiziellen Changelog von DeepSeek und der offiziellen Hugging-Face-Modellkarte entnommen; dieser Artikel stellt keine Kaufempfehlung dar. Prüfen Sie die Preise vor der Implementierung anhand der offiziellen Tariftabelle.

Primärquellen

• DeepSeek API Docs — Changelog, Eintrag vom 10.09.2026: „DeepSeek-V4.1-Flash Release“ (API-Änderungen, V4-Pro-Routing, Preishinweis)
• Hugging Face — Modellkarte deepseek-ai/DeepSeek-V4.1-Flash: Architektur, Pre-Training mit 45T Tokens, Evaluierungen, MIT-Lizenz (README-Rohfassung, geprüft am 10. Sep. 2026)
• DeepSeek API Docs — Modelle & Preise: deepseek-flash-Tariftabelle, Definition der Spitzenzeiten, Fußnoten zu Aliasen und Routing (geprüft am 10. Sep. 2026)

FAQ (2026)