DeepSeek hat am 31. Juli 2026 sein neues Modell V4-Flash-0731 in die öffentliche Beta geschickt und dabei eine Preisliste veröffentlicht, die den Markt für KI-Programmierassistenten durcheinanderwirbelt. Ein Prompt kostet ab 0,14 Dollar pro Million Eingabe-Token und 0,28 Dollar pro Million Ausgabe-Token, bei zwischengespeicherten Anfragen sogar nur rund 0,003 Dollar. Zum Vergleich: Anthropics Claude Opus 5 verlangt 5 Dollar pro Million Eingabe-Token und 25 Dollar für die Ausgabe, OpenAIs GPT-5.6 Sol liegt bei 5 respektive 30 Dollar. Nach Berechnungen des Branchendienstes Codersera ist das V4-Flash-Modell damit zwischen 10 und 90 Mal günstiger als die westlichen Flaggschiffe, bei einer Leistung, die laut mehreren Fachartikeln nahe an der Spitzengruppe liegt.
Für Entwickler in Österreich und im gesamten DACH-Raum ist das mehr als eine technische Randnotiz. Wer heute GitHub Copilot, Cursor oder Claude Code für tägliche Coding-Aufgaben bezahlt, sieht sich plötzlich mit einem chinesischen Open-Weight-Modell konfrontiert, das zu einem Bruchteil der Kosten fast mithalten kann. Dieser Artikel ordnet ein, was V4-Flash-0731 technisch leistet, wie es sich gegen die etablierte Konkurrenz schlägt und welche Folgen der neue Preisdruck für den gesamten Markt der KI-Coding-Tools haben dürfte.
Was ist DeepSeek V4-Flash-0731?
DeepSeek V4-Flash-0731 ist die aktuelle Produktionsversion der Flash-Modellreihe von DeepSeek, einem Unternehmen mit Sitz in Hangzhou, das vom Hedgefonds High-Flyer finanziert und von Gründer Liang Wenfeng geführt wird. Laut dem offiziellen DeepSeek-Änderungsprotokoll ging die API am 31. Juli 2026 in die öffentliche Beta, parallel dazu veröffentlichte das Unternehmen die Gewichte unter MIT-Lizenz zum freien Download. Das Modell folgt auf eine frühere Vorschauversion aus dem April und ersetzt diese als offizielle Produktionsvariante.
Technisch handelt es sich um ein Mixture-of-Experts-Modell mit 284 Milliarden Parametern insgesamt, von denen pro Token nur 13 Milliarden aktiv gerechnet werden. Diese Architektur erlaubt niedrige Rechenkosten pro Anfrage, ohne die Modellgröße insgesamt zu beschränken. Das Kontextfenster liegt bei einer Million Token, sowohl als Standard- als auch als Maximalwert, ermöglicht durch eine als hybride Sparse Attention bezeichnete Technik. Damit kann das Modell theoretisch ganze mittelgroße Codebasen in einem einzigen Durchlauf verarbeiten, ein Merkmal, das zunehmend zum Standard bei agentischen Coding-Werkzeugen wird.
Die Preisstruktur im Detail
DeepSeek unterscheidet bei der Abrechnung zwischen Cache-Treffer und Cache-Fehltreffer. Wird ein Prompt-Präfix erneut verwendet, etwa bei wiederholten Anfragen an dieselbe Codedatei, sinkt der Preis auf etwa 0,0028 bis 0,003 Dollar pro Million Token, ein Rabatt von rund 98 Prozent gegenüber dem regulären Eingabepreis. Bei einem Cache-Fehltreffer liegt der Eingabepreis bei 0,14 Dollar, die Ausgabe kostet durchgehend 0,28 Dollar pro Million Token. Diese Struktur bevorzugt explizit Workloads mit sich wiederholenden Kontexten, wie sie bei automatisierten Coding-Agenten typisch sind, die denselben Repository-Ausschnitt über viele Iterationen hinweg immer wieder lesen.
Für ein Entwicklerteam, das täglich mehrere Millionen Token durch einen Coding-Agenten schickt, macht dieser Unterschied den Ausschlag zwischen einer vierstelligen und einer zweistelligen Monatsrechnung. Genau das erklärt, warum Cloud-Anbieter wie OpenRouter das Modell innerhalb weniger Tage nach Release in ihr Angebot aufgenommen haben und Entwickler es in bestehende Workflows einbinden, ohne auf ein eigenes Rechenzentrum warten zu müssen.
Preisvergleich: DeepSeek V4-Flash gegen die Konkurrenz
Die folgende Tabelle stellt die von den jeweiligen Anbietern veröffentlichten Preise pro Million Token gegenüber. Sie zeigt, wie deutlich sich DeepSeek V4-Flash preislich von den etablierten US-Modellen absetzt, die aktuell in Tools wie GitHub Copilot, Cursor und Claude Code zum Einsatz kommen.
| Modell | Eingabe pro 1 Mio. Token | Ausgabe pro 1 Mio. Token | Kontextfenster |
|---|---|---|---|
| DeepSeek V4-Flash-0731 | 0,14 $ (Cache-Treffer: ~0,003 $) | 0,28 $ | 1 Mio. Token |
| Claude Opus 5 | 5,00 $ | 25,00 $ | 1 Mio. Token |
| GPT-5.6 Sol | 5,00 $ | 30,00 $ | nicht öffentlich beziffert |
| Google Gemini 3.7 Flash (Einführungspreis) | 0,75 $ | 3,75 $ | nicht öffentlich beziffert |
| xAI Grok 4.5 | nicht öffentlich beziffert | nicht öffentlich beziffert | 500.000 Token |
Bei den beiden am genauesten dokumentierten Fällen, Claude Opus 5 und GPT-5.6 Sol, fällt der Abstand besonders deutlich aus. Bei der Ausgabe, die bei langen Coding-Antworten meist den größeren Kostenblock ausmacht, liegt DeepSeek V4-Flash rund 89 Mal unter Claude Opus 5 und gut 107 Mal unter GPT-5.6 Sol. Selbst gegenüber Googles Gemini 3.7 Flash, das im Sommer 2026 selbst mit einem aggressiven Einführungspreis für Aufsehen sorgte (siehe dazu unseren Artikel zu Google Gemini 3.7 Flash), bleibt DeepSeek noch klar günstiger.
Benchmark-Ergebnisse: Was das Modell tatsächlich leistet
Reine Kosten sagen wenig aus, wenn die Qualität nicht mithält. DeepSeek und mehrere unabhängige Testberichte veröffentlichten am Release-Tag Benchmark-Werte für drei Kategorien: Terminal Bench 2.1, DeepSWE und AutomationBench Public. V4-Flash-0731 erreichte dabei 82,7 Punkte auf Terminal Bench 2.1, 54,4 Punkte auf DeepSWE und 25,1 Punkte auf AutomationBench Public. Nach Angaben aus dem offiziellen DeepSeek-Blog übertrifft das neue Flash-Modell damit seinen eigenen Vorgänger, die V4-Pro-Preview, in jeder veröffentlichten Agenten-Metrik.
Ein direkter SWE-bench-Wert, der branchenweite Standard-Benchmark für autonome Code-Reparatur, wurde in den verfügbaren Quellen nicht separat ausgewiesen. Verlässliche Quellen sprechen stattdessen von Werten, die nahe an der Frontlinie der besten verfügbaren Modelle liegen, ohne diese in jeder Disziplin zu erreichen. Damit bleibt offen, wie sich V4-Flash im direkten SWE-bench-Vergleich zu Claude Code oder Windsurf, Replit und Warp schlägt, die in unserem Vergleichstest bereits konkrete SWE-Bench-Werte zwischen 28 und 40 Prozent erreichten.
Terminal Bench und Agent Scores im Detail
Terminal Bench 2.1 prüft, wie gut ein Modell mehrstufige Kommandozeilen-Aufgaben eigenständig löst, etwa das Debuggen eines fehlschlagenden Build-Prozesses ohne menschliches Eingreifen. Ein Wert von 82,7 Punkten platziert DeepSeek V4-Flash in einem Bereich, den bislang vor allem teurere Modelle erreichten. Bei DeepSWE, einem Benchmark für softwaretechnische Problemlösung, liegt der Wert mit 54,4 Punkten niedriger, was zeigt, dass das Modell bei reinen Terminal- und Werkzeugaufgaben stärker abschneidet als bei komplexen, mehrschichtigen Software-Engineering-Problemen.
Wie sich V4-Flash von Kimi K3 und anderen chinesischen Modellen unterscheidet
DeepSeek ist 2026 nicht das einzige chinesische Unternehmen, das den Markt für Coding-Modelle aufmischt. Moonshot AI brachte bereits am 17. Juli 2026 sein Modell Kimi K3 heraus, das als das damals stärkste offene Coding-Modell galt und mit einem eigenständigen Werkzeug namens Kimi Code ausgestattet wurde. GitHub reagierte darauf, indem es Kimi K3 direkt in Copilot integrierte, wie wir in unserem Artikel zu GitHub Copilot und Kimi K3 beschrieben haben. Der Unterschied zu DeepSeek liegt im Vertriebsweg: Während Kimi K3 vor allem über Copilot und Kimi Code selbst zugänglich ist, setzt DeepSeek konsequent auf offene Gewichte und eine eigene, sehr günstige API, was Drittanbietern wie OpenRouter oder Cloud-Plattformen die Integration erleichtert.
Beide Modelle teilen ein gemeinsames Muster: niedrige Kosten, große Kontextfenster und ein starker Fokus auf agentische Workflows statt auf reine Chat-Antworten. Für den Markt bedeutet das, dass innerhalb weniger Wochen gleich zwei ernstzunehmende chinesische Alternativen zu den etablierten US-Anbietern entstanden sind, beide mit offenen oder zumindest sehr günstig lizenzierten Gewichten.
Integration in Entwicklertools und Plattformen
Innerhalb der ersten Tage nach dem Release listeten mehrere Plattformen DeepSeek V4-Flash-0731 in ihrem Modellkatalog. OpenRouter bietet das Modell unter der Kennung deepseek-v4-flash-20260731 als API-Endpunkt an, wodurch Entwickler es ohne eigenen DeepSeek-Vertrag direkt in bestehende Tools einbinden können, die OpenRouter als Modell-Router nutzen. Auch NVIDIA nahm das Modell in seinen Build-Katalog auf, was auf eine Optimierung für NVIDIA-Inferenzhardware hindeutet. Für Entwickler heißt das konkret: Wer bereits ein Tool mit offener Modellwahl nutzt, etwa selbst gehostete VS-Code-Erweiterungen oder Agentenframeworks, kann V4-Flash ohne Wechsel der Werkzeugkette ausprobieren.
Native Unterstützung für Codex-artige Agenten-Frameworks wird von mehreren Fachartikeln erwähnt, konkrete Zahlen zur Anzahl unterstützter IDEs liegen bislang aber nicht vor. Anders als bei GitHub Copilot, wo neue Modelle meist erst nach einer offiziellen Partnerschaft auftauchen, verläuft die Verbreitung von DeepSeek-Modellen tendenziell über die Open-Source-Schiene: Entwickler binden die Gewichte selbst ein, oder Drittanbieter wie OpenRouter übernehmen das Hosting.
Marktauswirkungen für GitHub Copilot, Cursor und Claude Code
Der Preisdruck durch DeepSeek trifft einen Markt, der ohnehin schon in Bewegung ist. GitHub Copilot hat laut unserer Berichterstattung zur Marktverteilung zwischen Copilot und Cursor aktuell den größten Nutzeranteil unter den KI-Coding-Assistenten, während Anthropics Claude Code im direkten SWE-bench-Vergleich mit Cursor die Nase vorn hat. Beide Anbieter haben in den vergangenen Monaten bereits auf günstigere Drittmodelle reagiert, etwa durch die Aufnahme von Grok 4.6 oder Kimi K3 in Copilot. DeepSeek V4-Flash erhöht diesen Druck weiter, weil es nicht nur günstig ist, sondern durch das MIT-lizenzierte Gewichtsmodell auch Unternehmen erlaubt, es komplett selbst zu hosten und damit jede nutzungsbasierte Abrechnung von Drittanbietern zu umgehen.
Auch Meta ist mit seinem Muse-Code-Werkzeug in diesen Preiskampf eingestiegen. Wie in unserem Artikel zu Meta Muse Code beschrieben, verlangt Meta dort 1,25 Dollar pro Million Token, ein Preis, der zwar deutlich unter den US-Flaggschiffen liegt, gegen DeepSeeks 0,14 respektive 0,28 Dollar aber immer noch teuer wirkt. Der Markt für KI-Coding-Werkzeuge bewegt sich damit in Richtung eines Preisniveaus, das noch vor einem Jahr kaum vorstellbar gewesen wäre.
Marktüberblick: Adoption und Positionierung der wichtigsten Modelle
| Anbieter/Modell | Haupteinsatz | Lizenzmodell | Besonderheit |
|---|---|---|---|
| DeepSeek V4-Flash-0731 | Eigenständige API, Drittanbieter-Hosting | MIT (offene Gewichte) | Extrem niedriger Preis pro Token |
| Kimi K3 / Kimi Code (Moonshot AI) | Eigenständiges Tool, GitHub Copilot | Teilweise offen | In Copilot integriert seit Sommer 2026 |
| Claude Opus 5 / Claude Code | Eigenständiges CLI-Tool, IDE-Plugins | Proprietär | 1-Mio.-Token-Kontext, hoher SWE-bench-Wert |
| GPT-5.6 (Sol/Terra/Luna) | ChatGPT, Codex, API | Proprietär | Dreistufiges Modellangebot nach Leistungsklasse |
| Google Gemini 3.7 Flash | API, Entwicklertools | Proprietär | Optimiert auf Geschwindigkeit und Kosten |
Historischer Kontext: Der DeepSeek-Moment vom Jänner 2025
Der aktuelle Preisschock ist nicht der erste, den DeepSeek auslöst. Am 27. Jänner 2025 sorgte die Veröffentlichung der Modelle V3 und R1 für einen historischen Kurseinbruch bei Nvidia. Die Aktie verlor an diesem Tag rund 17 Prozent, was laut übereinstimmenden Berichten von Bloomberg, Forbes und Yahoo Finance einem Marktwertverlust von etwa 589 Milliarden Dollar entsprach, dem größten Ein-Tage-Verlust eines einzelnen Unternehmens in der Börsengeschichte. Auslöser war die Erkenntnis, dass ein chinesisches Team mit deutlich geringeren Rechenressourcen ein Modell trainiert hatte, das mit den damaligen US-Spitzenmodellen mithalten konnte.
DeepSeek selbst wurde im Juli 2023 von Liang Wenfeng gegründet, der zugleich den Hangzhou-basierten Hedgefonds High-Flyer leitet, der das Unternehmen finanziert. Anderthalb Jahre nach dem ersten Schock zeigt V4-Flash-0731, dass dieses Muster kein Einzelfall war, sondern eine wiederkehrende Strategie: DeepSeek veröffentlicht in kurzen Abständen neue, deutlich günstigere Modelle und zwingt damit etablierte Anbieter, ihre eigenen Preise und Architekturen zu überdenken.
Chinesische Open-Weight-Modelle erobern den Entwicklertools-Markt
Was 2025 als einzelner Schockmoment begann, hat sich 2026 zu einem breiteren Trend entwickelt. Neben DeepSeek und Moonshots Kimi K3 tummeln sich weitere chinesische Anbieter im Markt für Coding-Modelle, häufig mit offenen oder halboffenen Lizenzen. Für Unternehmen außerhalb Chinas bedeutet das eine neue Abwägung: Auf der einen Seite stehen drastisch niedrigere Kosten und, dank offener Gewichte, die Möglichkeit zum eigenen Hosting. Auf der anderen Seite bleiben Fragen zu Datenverarbeitung, Trainingsdaten-Herkunft und langfristiger Modellpflege offen, die bei etablierten US-Anbietern durch bestehende Enterprise-Verträge und Zertifizierungen bereits stärker adressiert sind.
Für IT-Verantwortliche in Österreich, wo die DSGVO strenge Anforderungen an die Verarbeitung personenbezogener Daten stellt, ist besonders relevant, ob Anfragen an eine API in China verarbeitet werden oder ob das Modell komplett selbst gehostet wird. Da DeepSeek V4-Flash unter MIT-Lizenz offen verfügbar ist, können Unternehmen das Modell theoretisch vollständig innerhalb der eigenen oder einer EU-Cloud-Infrastruktur betreiben und damit die Frage des Datentransfers nach China umgehen, sofern sie die nötige Rechenkapazität dafür bereitstellen.
Der Preiskrieg im KI-Coding-Markt spitzt sich zu
Innerhalb weniger Monate hat sich die Preislandschaft für KI-Coding-Modelle drastisch verschoben. Google senkte mit Gemini 3.7 Flash die eigenen Einführungspreise gegenüber dem Vorgängermodell um rund die Hälfte, wie unser Bericht zu Gemini 3.7 Flash und dem DeepSWE-Score zeigt. Meta positionierte Muse Code mit 1,25 Dollar pro Million Token bewusst unter den US-Flaggschiffen. DeepSeek unterbietet nun beide Anbieter noch einmal deutlich. Diese Kettenreaktion aus Preissenkungen zeigt, dass Rechenkosten inzwischen zu einem der wichtigsten Wettbewerbsfaktoren im Markt für Entwicklertools geworden sind, noch vor reinen Benchmark-Ergebnissen.
Gleichzeitig bleibt die Qualitätsfrage bestehen. Ein Modell, das zehnmal günstiger ist, aber bei komplexen Refactoring-Aufgaben häufiger fehlschlägt, verursacht am Ende höhere Kosten durch zusätzliche Korrekturdurchläufe. Genau hier liegt der eigentliche Wettbewerbsvorteil, den sich Anbieter wie Anthropic mit Claude Opus 5 und dessen Ein-Millionen-Token-Kontext für komplette Codebasis-Refactorings zu sichern versuchen: nicht der niedrigste Preis pro Token, sondern die niedrigsten Gesamtkosten pro erfolgreich gelöster Aufgabe.
Was Entwickler in Österreich jetzt wissen müssen
Für Teams, die aktuell GitHub Copilot, Cursor oder Claude Code im Einsatz haben, lohnt sich ein nüchterner Blick auf die eigene Token-Nutzung. Wer vor allem repetitive Aufgaben wie Testgenerierung, Dokumentation oder einfache Refactorings automatisiert, kann mit einem günstigeren Modell wie DeepSeek V4-Flash spürbar sparen, ohne bei der Qualität große Abstriche zu machen. Für kritische, komplexe Architekturentscheidungen bleibt der Rat vorsichtiger: Hier zahlt sich ein teureres, besser dokumentiertes Modell mit klarerem Support-Weg oft noch aus.
Wichtig ist außerdem, die Lizenzbedingungen genau zu prüfen, bevor ein Modell in produktiven Code-Pipelines landet. MIT-lizenzierte Gewichte erlauben zwar freie Nutzung, sagen aber nichts über die Herkunft der Trainingsdaten oder etwaige vertragliche Einschränkungen bei der API-Nutzung aus. Unternehmen mit Kundendaten in ihrem Code oder in ihren Prompts sollten vor dem produktiven Einsatz klären, wo die Anfragen tatsächlich verarbeitet werden, insbesondere wenn sie die gehostete DeepSeek-API statt einer selbst betriebenen Instanz nutzen.
Prognosen: Wohin sich der Markt bis 2027 bewegt
- Die Preise pro Million Token werden branchenweit weiter fallen, da DeepSeek, Kimi und Google sich gegenseitig unterbieten und US-Anbieter wie Anthropic und OpenAI unter Zugzwang geraten, eigene Billig-Varianten ihrer Flaggschiffmodelle zu bringen.
- GitHub Copilot und ähnliche Plattform-Tools dürften noch mehr Drittmodelle als Wahloption anbieten, ähnlich wie bereits bei Kimi K3 und Grok 4.6 geschehen, um Kunden nicht an einzelne, teure Modelle zu binden.
- Selbstgehostete, offene Modelle wie DeepSeek V4-Flash werden in regulierten Branchen und im europäischen Raum an Bedeutung gewinnen, sobald mehr Unternehmen die technische Infrastruktur für eigenes Hosting aufbauen.
- Der Wettbewerb verschiebt sich zunehmend von reinen Preisvergleichen hin zu Gesamtkostenrechnungen pro gelöster Aufgabe, da Kunden merken, dass ein billigeres Modell bei komplexen Aufgaben mehr Korrekturdurchläufe und damit versteckte Zusatzkosten verursachen kann.
- Chinesische Anbieter dürften ihre Update-Frequenz weiter erhöhen, DeepSeek hat allein 2025 und 2026 mehrere große Modellgenerationen veröffentlicht, was etablierten Anbietern immer weniger Zeit lässt, auf neue Konkurrenz zu reagieren.
DeepSeek V4-Flash per API ansprechen
Wer das Modell selbst testen möchte, kann es über die DeepSeek-API oder über Drittanbieter wie OpenRouter ansprechen. Das folgende Beispiel zeigt eine einfache API-Anfrage im OpenAI-kompatiblen Format, wie sie DeepSeek für seine Chat-Completions-Schnittstelle dokumentiert:
curl https://api.deepseek.com/v1/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-flash-0731",
"messages": [
{"role": "user", "content": "Refaktoriere diese Funktion und erkläre die Änderungen auf Deutsch."}
],
"max_tokens": 2048
}'Die Antwortstruktur entspricht dem inzwischen etablierten Chat-Completions-Format, wodurch bestehende Integrationen, die für GPT- oder Claude-kompatible Endpunkte gebaut wurden, meist nur die Modellkennung und den API-Schlüssel austauschen müssen.
Grenzen und offene Fragen
Trotz der beeindruckenden Preis-Leistungs-Zahlen bleiben Lücken in der öffentlichen Berichterstattung. Ein direkter, standardisierter SWE-bench-Wert fehlt bislang, was einen exakten Vergleich mit Claude Code oder GPT-5.6 erschwert. Auch zur Anzahl der Entwickler oder Unternehmen, die V4-Flash bereits produktiv einsetzen, liegen keine verifizierten Zahlen vor. Wer das Modell in Erwägung zieht, sollte daher eigene Tests mit realistischen Codebasen durchführen, statt sich allein auf die von DeepSeek veröffentlichten Benchmark-Werte zu verlassen, die naturgemäß das eigene Produkt in einem günstigen Licht zeigen.
Ebenfalls unklar ist, wie nachhaltig das aktuelle Preisniveau ist. Bereits nach dem DeepSeek-Moment 2025 stellte sich die Frage, ob derart niedrige Preise langfristig tragfähig sind oder eher eine Marktverdrängungsstrategie darstellen. Bis belastbare Daten zu Trainingskosten und Marge vorliegen, bleibt diese Einschätzung Spekulation, weshalb Unternehmen bei langfristigen Verträgen auf Basis des aktuellen Preisniveaus vorsichtig kalkulieren sollten.
Häufig gestellte Fragen
Was kostet DeepSeek V4-Flash-0731 im Vergleich zu Claude Opus 5?
DeepSeek V4-Flash-0731 kostet 0,14 Dollar pro Million Eingabe-Token und 0,28 Dollar pro Million Ausgabe-Token. Claude Opus 5 verlangt 5 Dollar für die Eingabe und 25 Dollar für die Ausgabe, laut Berechnungen von Codersera also etwa das 35- bis 89-Fache.
Ist DeepSeek V4-Flash Open Source?
Die Modellgewichte wurden unter MIT-Lizenz veröffentlicht und können selbst gehostet werden. Zusätzlich bietet DeepSeek eine gehostete API an, über die das Modell ohne eigene Infrastruktur genutzt werden kann.
Wie groß ist das Kontextfenster von DeepSeek V4-Flash?
Das Kontextfenster liegt bei einer Million Token, sowohl als Standard- als auch als Maximalwert, ermöglicht durch eine hybride Sparse-Attention-Architektur.
Kann DeepSeek V4-Flash in GitHub Copilot oder Cursor genutzt werden?
Eine offizielle Integration in GitHub Copilot oder Cursor war zum Zeitpunkt der Veröffentlichung nicht bestätigt. Über Drittanbieter wie OpenRouter lässt sich das Modell aber bereits in Tools einbinden, die eine freie Modellwahl über eine kompatible API erlauben.
Was unterscheidet DeepSeek V4-Flash von Kimi K3?
Kimi K3 von Moonshot AI wird primär über das eigene Werkzeug Kimi Code und über eine Integration in GitHub Copilot vertrieben. DeepSeek V4-Flash setzt stattdessen auf offene Gewichte und eine eigene, sehr günstige API, was die Einbindung durch Drittanbieter erleichtert.
Welchen SWE-bench-Wert erreicht DeepSeek V4-Flash?
Ein offizieller SWE-bench-Wert wurde bislang nicht veröffentlicht. DeepSeek nennt stattdessen Werte für Terminal Bench 2.1 (82,7), DeepSWE (54,4) und AutomationBench Public (25,1).
Ist die Nutzung von DeepSeek in Österreich aus DSGVO-Sicht unbedenklich?
Das hängt vom gewählten Betriebsmodell ab. Bei Nutzung der gehosteten DeepSeek-API sollten Unternehmen klären, wo die Datenverarbeitung stattfindet. Da die Gewichte unter MIT-Lizenz offen verfügbar sind, besteht alternativ die Möglichkeit, das Modell vollständig innerhalb der EU selbst zu betreiben.
Wird DeepSeek V4-Flash den Preis von GitHub Copilot beeinflussen?
Direkt lässt sich das nicht belegen, der Zeitpunkt fällt aber mit mehreren Preissenkungen und Modellerweiterungen bei Copilot und Konkurrenzprodukten zusammen. Der branchenweite Trend geht klar in Richtung niedrigerer Preise pro Token.
