DeepSeek hat am 10. September 2026 sein neuestes Sprachmodell veröffentlicht, und diesmal ist nicht nur die Leistung das Thema, sondern die Lizenz. DeepSeek-V4.1-Flash kommt mit 552 Milliarden Parametern, einem Kontextfenster von einer Million Token und offenen Gewichten unter MIT-Lizenz, komplett kostenlos herunterladbar auf Hugging Face. Während OpenAI mit GPT-6 Astra bei 10 Dollar pro Million Eingabe-Token liegt, bietet DeepSeek Eingabepreise ab 0,003 Dollar an, wenn der Cache trifft. Für deutsche und europäische Unternehmen, die zwischen Kostendruck und regulatorischer Vorsicht gegenüber chinesischen KI-Anbietern stehen, ist das eine Rechnung mit vielen Variablen.
Der Start fällt mitten in eine der dichtesten Produktwochen, die die KI-Branche 2026 gesehen hat. Innerhalb von neun Tagen kamen Claude Fable 5.1, Gemini 3.8 Flash, Muse Spark 1.3, GPT-6 Astra und schließlich DeepSeek-V4.1-Flash auf den Markt. Dieser Artikel ordnet ein, was das Modell technisch leistet, was es kostet, wie es sich in die Geschichte der DeepSeek-Schocks einreiht und welche Regeln in Deutschland und der EU für offene KI-Gewichte inzwischen gelten.
Ein neues Kapitel im KI-Wettlauf: DeepSeek prescht vor
DeepSeek-V4.1-Flash löst das bisherige V4-Flash ab und tritt an einem Tag an, an dem die Konkurrenz gerade erst ihre eigenen September-Modelle ausgerollt hat. Laut dem offiziellen Modellblog von DeepSeek trat die neue Preisstruktur um 4:00 Uhr UTC am 10. September in Kraft. Das Modell ist über Hugging Face, vLLM, SGLang und mehrere Inferenz-Anbieter wie Baseten sofort verfügbar, ganz ohne Warteliste oder Zugangsbeschränkung.
Bemerkenswert ist der Zeitpunkt. OpenAI hatte GPT-6 Astra erst eine Woche zuvor, am 3. und 4. September, in Preview und allgemeine Verfügbarkeit gebracht. Google veröffentlichte Gemini 3.8 Flash am 2. September, Anthropic zog mit Claude Fable 5.1 und dem eingeschränkt zugänglichen Mythos 5.1 bereits am 1. September nach. DeepSeek reiht sich damit nicht nur technisch, sondern auch im Timing bewusst in die Riege der Frontier-Anbieter ein, mit dem Unterschied, dass die eigenen Gewichte komplett offenliegen.
Die technischen Eckdaten: 552 Milliarden Parameter, nur 8 Milliarden aktiv
DeepSeek-V4.1-Flash ist ein multimodales Mixture-of-Experts-Sprachmodell mit einem Backbone von 552 Milliarden Parametern, ergänzt um eine zusätzliche Komponente mit 196 Milliarden sogenannten Engram-Parametern, die als Langzeit-Gedächtnisblock dient. Trotz dieser gewaltigen Gesamtgröße bleibt der Rechenaufwand pro Token klein: Beim Prefill, also der Verarbeitung des Eingabetextes, sind nur rund 8 Milliarden Parameter aktiv, beim Decode, also der Textgenerierung, etwa 16 Milliarden.
Möglich macht das eine MoE-Architektur mit einem geteilten Experten und 384 routbaren Experten, von denen pro Token nur sechs aktiviert werden. Das Modell nutzt laut Hugging-Face-Modellkarte einen Causal-Encoder-Decoder-Aufbau mit 40 Schichten, aufgeteilt in 20 Encoder- und 20 Decoder-Schichten. Diese Bauweise erklärt, warum DeepSeek trotz eines Parameter-Rekordwerts kein Modell für riesige GPU-Cluster ist, sondern für viele Unternehmen praktisch nutzbar bleibt.
Ein zweiter technischer Fortschritt betrifft den Arbeitsspeicherbedarf während langer Konversationen. Der KV-Cache, also der Speicher, den ein Modell für bereits verarbeitete Token vorhält, liegt bei rund 890 Byte pro Token, laut DeepSeek etwa viermal kleiner als beim Vorgänger V4-Flash. Für Unternehmen, die lange Dokumente oder ganze Codebasen verarbeiten wollen, senkt das die Infrastrukturkosten spürbar.
Ein Kontextfenster für ganze Codebasen: 1 Million Token
Das Kontextfenster von DeepSeek-V4.1-Flash reicht bis zu 1 Million Token, in manchen technischen Datenblättern mit 1,05 Millionen angegeben. Die maximale Ausgabelänge liegt bei rund 384.000 Token. Damit lässt sich in einer einzigen Anfrage ein mittelgroßes Software-Repository, ein juristisches Vertragswerk oder mehrere hundert Seiten Dokumentation gleichzeitig verarbeiten.
DeepSeek positioniert das Modell explizit für Agenten- und Coding-Workloads. Auf der Modellkarte werden interne Benchmarks für Code-Agenten genannt, darunter Terminal-Bench in den Versionen 2.1, 3.0 und 4.0 sowie DeepSWE v1.1, NL2Repo-Bench und ProgramBench, jeweils mit dem vollen 1-Millionen-Token-Kontext getestet. Direkte, öffentlich nachvollziehbare Vergleichszahlen gegen GPT-6 Astra, Gemini 3.8 Flash oder Claude Fable 5.1 hat DeepSeek zum Start allerdings nicht veröffentlicht, weshalb ein seriöser Kopf-an-Kopf-Vergleich auf Basis unabhängiger Benchmarks noch aussteht.
MIT-Lizenz statt Closed Source: Was das für Entwickler bedeutet
Der eigentliche Unterschied zu GPT-6 Astra, Gemini 3.8 Flash oder Claude Fable 5.1 liegt nicht in einem Benchmark-Wert, sondern im Lizenzmodell. DeepSeek veröffentlicht die Gewichte von V4.1-Flash unter der MIT-Lizenz, einer der freizügigsten Open-Source-Lizenzen überhaupt. Unternehmen dürfen das Modell herunterladen, auf eigener Hardware betreiben, verändern und sogar kommerziell in eigene Produkte einbauen, ohne Lizenzgebühren an DeepSeek zu zahlen.
Das eröffnet Firmen mit strengen Datenschutzanforderungen eine Option, die bei GPT-6 Astra, Gemini 3.8 Flash oder Claude Fable 5.1 schlicht nicht existiert: Das Modell lässt sich komplett offline und ohne Datenfluss an einen externen API-Anbieter betreiben. Für Behörden, Banken oder Industrieunternehmen mit Compliance-Vorgaben ist das ein Argument, das schwerer wiegt als ein paar Prozentpunkte Benchmark-Vorsprung der Konkurrenz. Gleichzeitig bleibt die Frage im Raum, wie vertrauenswürdig die Trainingsdaten eines chinesischen Anbieters für europäische Anwendungsfälle sind, dazu später mehr.
Preisvergleich: DeepSeek V4.1-Flash gegen die September-Konkurrenz
Bei der API-Nutzung über DeepSeeks eigenen Dienst zeigt sich der Preisunterschied deutlich. Laut Angaben von DeepSeek kostet ein Eingabe-Token bei Cache-Treffer in Schwachlastzeiten 0,003 Dollar pro Million Token, bei einem Cache-Fehltreffer 0,15 Dollar, die Ausgabe kostet 0,60 Dollar pro Million Token. Damit unterbietet DeepSeek selbst die günstigsten Angebote der US-Konkurrenz um das Zehn- bis Hundertfache, je nach Tarif und Cache-Trefferquote.
| Modell | Anbieter | Eingabe (pro Mio. Token) | Ausgabe (pro Mio. Token) | Lizenz |
|---|---|---|---|---|
| DeepSeek-V4.1-Flash | DeepSeek | 0,003 $ (Cache-Treffer) / 0,15 $ (Standard) | 0,60 $ | MIT (offen) |
| Gemini 3.8 Flash | 0,75 $ (Einführungspreis bis 31.12.2026) | 3,75 $ | Closed Source | |
| Mistral Medium 3.5 | Mistral AI | 1,50 $ | 7,50 $ | Closed Source |
| Qwen3.8-Max | Alibaba Cloud | 1,65 $ | 4,95 $ | Closed Source |
| GPT-6 Astra | OpenAI | 10,00 $ (1,00 $ bei Cache-Treffer) | 50,00 $ | Closed Source |
Für Anthropics Claude Fable 5.1 liegt zum Redaktionsschluss keine öffentlich einsehbare, vollständige Preistabelle vor, weshalb das Modell in der Tabelle bewusst fehlt statt mit geschätzten Zahlen aufzutauchen. Auffällig ist die Positionierung von Gemini 3.8 Flash: Google hält den Einführungspreis von 0,75 Dollar nur bis Jahresende, ab dem 1. Januar 2027 steigt der Tarif auf 1,50 Dollar Eingabe und 7,50 Dollar Ausgabe pro Million Token. GPT-6 Astra bleibt selbst mit Cache-Rabatt die mit Abstand teuerste Option im Vergleich.
Die September-Modellwelle 2026 im Überblick
DeepSeek-V4.1-Flash ist kein Einzelereignis, sondern Teil einer der dichtesten Release-Wochen der KI-Geschichte. Innerhalb von neun Tagen brachten fünf große Anbieter neue Spitzenmodelle auf den Markt, dazu OpenAIs Sprachmodell GPT-Live-1 für 0,05 Dollar pro Minute Sprachverarbeitung.
| Datum | Modell | Anbieter | Kontextfenster | Lizenz |
|---|---|---|---|---|
| 1. September | Claude Fable 5.1 / Mythos 5.1 | Anthropic | n/a öffentlich | Closed Source |
| 2. September | Gemini 3.8 Flash (+ Cyber-Variante) | Google DeepMind | 1M Token | Closed Source |
| 2. September | Muse Spark 1.3 | Meta | n/a öffentlich | Closed Source |
| 3./4. September | GPT-6 Astra | OpenAI | bis 272K Standard-Tarif | Closed Source |
| 10. September | DeepSeek-V4.1-Flash | DeepSeek | 1M Token | MIT (offen) |
Zum Vergleich: xAIs Grok 4.6 erschien bereits am 12. August und zählt damit noch zur vorherigen Release-Runde, bleibt aber weiterhin ein relevanter Konkurrent im Frontier-Segment. Fünf neue Spitzenmodelle in neun Tagen, das gab es 2026 so bisher nicht, und es zeigt, wie stark der Innovationsdruck zwischen den großen KI-Laboren inzwischen ist.
Rückblick: Der DeepSeek-Schock vom Januar 2025
Um die Bedeutung von V4.1-Flash einzuordnen, lohnt der Blick zurück. Am 27. Januar 2025 löste DeepSeek mit dem Reasoning-Modell R1 einen Ausverkauf an den Technologiebörsen aus. Laut einem Bericht der Nachrichtenagentur Reuters verlor Nvidia an diesem einzigen Handelstag rund 593 Milliarden Dollar an Marktkapitalisierung, der größte Ein-Tages-Verlust, den je ein Unternehmen an der Wall Street verzeichnet hatte. Grund war die Sorge der Investoren, dass ein kostengünstig trainiertes chinesisches Modell die Dominanz und die Gewinnmargen der etablierten US-Anbieter und Chiphersteller untergraben könnte.
V4.1-Flash löst bislang keinen vergleichbaren Kurssturz aus, zumindest liegen dafür keine belastbaren Berichte vor. Das liegt auch daran, dass der Markt seit R1 gelernt hat, mit solchen Ankündigungen umzugehen, und dass DeepSeek inzwischen ein bekannter, wiederkehrender Akteur ist statt eine Überraschung. Die strukturelle Dynamik von 2025, günstige offene Modelle setzen teure geschlossene unter Druck, wiederholt sich mit V4.1-Flash trotzdem, nur langsamer und in kleineren Schritten.
Der Marktanteil kippt: Offene Modelle überholen geschlossene US-Anbieter
Die eigentliche Story ist kein einzelner Kurssturz, sondern eine Verschiebung über Monate. Laut Token-Daten der Routing-Plattform OpenRouter lag der Anteil offener Modelle am gesamten Token-Volumen im März 2026 noch bei rund 41 Prozent, geschlossene Anbieter wie Anthropic, Google, OpenAI und xAI kamen gemeinsam auf etwa 59 Prozent. Bis zum 17. Juni 2026 kehrte sich dieses Verhältnis um: offene Modelle erreichten rund 60 Prozent des Token-Volumens, geschlossene Modelle fielen auf etwa 40 Prozent zurück.
Bei den Einnahmen sieht die Rechnung allerdings komplett anders aus. Laut der Analyse State of Open Source AI der Mozilla Foundation verbuchen geschlossene Anbieter weiterhin rund 96 Prozent der Umsätze auf Modell-Ebene, offene Modelle kommen trotz Mehrheits-Token-Anteil nur auf etwa 4 Prozent. Anders formuliert: Offene Modelle wie DeepSeek erledigen einen Großteil der reinen Rechenarbeit, das Geld verdienen weiterhin überwiegend die geschlossenen Anbieter mit höherpreisigen Premium-Tarifen und Unternehmenskunden. Bei tatsächlichen Produktiveinsätzen in Unternehmen dominiert laut a16z-Daten weiterhin OpenAI mit rund 69 Prozent relativem Marktanteil unter Firmen mit mindestens einem produktiven KI-Modell, vor Google mit 13 Prozent und Metas offenem Llama mit 12 Prozent.
Deutschland, die EU und der AI Act: Regeln für offene Modelle
Für Unternehmen in Deutschland und der DACH-Region ist die rechtliche Einordnung mindestens so wichtig wie der Preis. Der EU AI Act behandelt offene KI-Modelle wie DeepSeek-V4.1-Flash grundsätzlich milder als geschlossene, mit einer wichtigen Ausnahme.
Die Systemrisiko-Schwelle von 10 hoch 25 FLOPs
Nach Artikel 53 Absatz 2 des AI Acts sind Anbieter von KI-Modellen, die unter einer freien Open-Source-Lizenz wie MIT veröffentlicht werden, von zwei Pflichten befreit: der technischen Dokumentation nach Anhang XI und der Weitergabe von Transparenzinformationen an nachgelagerte Anbieter nach Anhang XII. Diese Erleichterung gilt jedoch ausdrücklich nicht, sobald ein Modell als General-Purpose-KI-Modell mit Systemrisiko eingestuft wird. Nach Artikel 51 wird ein Modell als Systemrisiko vermutet, wenn die kumulierte Trainingsrechenleistung 10 hoch 25 FLOPs übersteigt. Eine öffentlich belastbare Angabe zur exakten Trainingsrechenleistung von V4.1-Flash liegt bislang nicht vor, weshalb sich die Einstufung derzeit nicht abschließend beurteilen lässt. Unabhängig von der Lizenz bleibt zudem die Pflicht bestehen, eine ausreichend detaillierte Zusammenfassung der Trainingsdaten zu veröffentlichen, das gilt seit dem 2. August 2025, die Durchsetzungsbefugnisse der EU-Kommission laufen seit dem 2. August 2026.
BSI-Warnungen und das Berliner App-Verbot
Die zweite Baustelle ist die Vergangenheit von DeepSeek als Unternehmen. Das Bundesamt für Sicherheit in der Informationstechnik stufte bereits Anfang 2025 bestimmte Praktiken der DeepSeek-App, darunter die Erfassung von Tastatureingabemustern, für sicherheitskritische Bereiche als bedenklich ein. Im Juni 2025 ging die Berliner Beauftragte für Datenschutz und Informationsfreiheit noch einen Schritt weiter und meldete die DeepSeek-App bei Apple und Google in Deutschland als rechtswidrigen Inhalt, weil Nutzerdaten unzulässig nach China übertragen würden, ein Verstoß gegen die DSGVO.
Diese Einschätzungen bezogen sich auf DeepSeeks Consumer-Chat-App, nicht auf offen heruntergeladene Modellgewichte, die lokal auf eigener Hardware betrieben werden. Wer V4.1-Flash selbst hostet, umgeht damit das zentrale Datenschutzproblem der App, nämlich die Datenübertragung an chinesische Server. Wer stattdessen DeepSeeks eigene API nutzt, bewegt sich in derselben datenschutzrechtlichen Grauzone, die BSI und Berliner Datenschutzbehörde bereits 2025 kritisiert hatten. Für IT-Verantwortliche in Deutschland bleibt die Selbsthosting-Option deshalb der entscheidende Unterschied zwischen nutzbar und riskant.
So ruft man DeepSeek-V4.1-Flash per API auf
Für Entwickler, die das Modell testen wollen, folgt der Zugriff dem inzwischen üblichen OpenAI-kompatiblen Muster. Ein einfacher API-Aufruf sieht beispielhaft so aus:
curl https://api.deepseek.com/v1/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash",
"messages": [
{"role": "user", "content": "Fasse diesen Vertragstext in drei Saetzen zusammen."}
],
"max_tokens": 1024
}'Für den lokalen Betrieb stehen die Gewichte alternativ auf Hugging Face bereit, kompatibel mit vLLM und SGLang. Wegen der Modellgröße von mehreren hundert Gigabyte im FP8-Format ist dafür allerdings Server-Hardware mit mehreren High-End-GPUs nötig, ein Einsatz auf gewöhnlicher Consumer-Hardware ist praktisch ausgeschlossen.
Wettbewerbsvergleich: Stärken und Schwächen von V4.1-Flash
Im direkten Vergleich zeigt sich ein klares Bild. Bei Preis und Lizenzfreiheit hat DeepSeek-V4.1-Flash aktuell keine ernsthafte Konkurrenz unter den Frontier-Modellen. Bei Kontextfenster liegt es mit GPT-6 Astra, Gemini 3.8 Flash und Qwen3.8-Max gleichauf, alle bieten inzwischen Ein-Millionen-Token-Fenster an. Der entscheidende Unterschied liegt bei der Nachvollziehbarkeit der Benchmarks: DeepSeek veröffentlicht bislang keine direkten Vergleichswerte gegen die Konkurrenzmodelle, während unabhängige Tracker wie Artificial Analysis für GPT-6 Astra und Gemini 3.8 Flash bereits eigene Bewertungen führen.
Bei der reinen Enterprise-Adoption liegt DeepSeek trotz des günstigen Preises weit hinter OpenAI, Google und selbst Meta zurück, wie die a16z-Zahlen zur Produktivnutzung zeigen. Der Grund ist selten technisch, meist organisatorisch: Große Unternehmen bevorzugen etablierte Verträge, Compliance-Zertifizierungen und Support-Strukturen, die ein chinesischer Anbieter bislang nicht im gleichen Umfang bietet wie OpenAI oder Google. Für Entwickler, Startups und kostenbewusste Teams außerhalb regulierter Branchen verschiebt der Preisunterschied die Rechnung dagegen deutlich zugunsten von DeepSeek.
Was das für Unternehmen in der DACH-Region bedeutet
Für IT-Entscheider in Deutschland, Österreich und der Schweiz ergibt sich eine differenzierte Lage. Kostensensitive Anwendungen mit hohem Token-Volumen, etwa automatisierte Dokumentenverarbeitung oder Massenübersetzungen, profitieren am stärksten vom Preisvorteil, besonders wenn das Modell selbst gehostet wird und keine Daten das eigene Rechenzentrum verlassen. Für Anwendungen mit Personenbezug oder in regulierten Branchen wie Finanzwesen, Gesundheit oder öffentlicher Verwaltung bleibt dagegen Vorsicht angebracht, solange offizielle Prüfungen von BSI oder Landesdatenschutzbehörden zu DeepSeeks aktueller Modellgeneration ausstehen.
Die MIT-Lizenz verschiebt die Kontrolle dabei spürbar zurück zum Anwender: Wer das Modell lokal betreibt, entscheidet selbst über Datenverarbeitung, Logging und Standort der Infrastruktur, statt sich auf die Zusicherungen eines US- oder chinesischen API-Anbieters zu verlassen. Das macht DeepSeek-V4.1-Flash gerade für Unternehmen mit eigener GPU-Infrastruktur zu einer ernstzunehmenden Alternative, unabhängig davon, wie man zur chinesischen Herkunft des Modells steht.
Prognosen: Wie es mit offenen KI-Modellen weitergeht
- Der Trend zu offenen Gewichten dürfte sich fortsetzen: Wenn der Token-Anteil offener Modelle bereits im Juni 2026 bei 60 Prozent lag, ist eine weitere Verschiebung Richtung 65 bis 70 Prozent bis Ende 2026 realistisch, sofern kein geschlossener Anbieter mit einem drastischen Preisschnitt reagiert.
- Die Einnahmenlücke zwischen offenen und geschlossenen Modellen wird sich langsamer schließen als die Token-Lücke, weil Premium-Support, Enterprise-Verträge und Garantien weiterhin bei OpenAI, Google und Anthropic bleiben.
- Der EU AI Act wird 2027 zum ersten Belastungstest für offene Modelle, sobald genauer geprüft wird, welche Modelle die Systemrisiko-Schwelle von 10 hoch 25 FLOPs tatsächlich überschreiten, DeepSeeks künftige Modelle eingeschlossen.
- Deutsche und europäische Behörden dürften ihre Haltung zu chinesischen Modellen weiter differenzieren, mit strengeren Vorgaben für gehostete APIs und größerer Toleranz für selbstgehostete, offen einsehbare Gewichte.
- Weitere Anbieter, darunter vermutlich auch europäische Labore, werden versuchen, mit eigenen MIT- oder Apache-lizenzierten Modellen auf den Preisdruck von DeepSeek zu reagieren, um nicht komplett von chinesischen Open-Weight-Anbietern abhängig zu werden.
Diese Prognosen basieren auf den aktuell verfügbaren Markt- und Token-Daten und den bereits laufenden regulatorischen Prozessen der EU. Sie sind keine Garantie, sondern eine Einschätzung auf Basis der Faktenlage von Mitte September 2026.
Häufig gestellte Fragen (FAQ)
Was ist DeepSeek-V4.1-Flash genau?
DeepSeek-V4.1-Flash ist ein multimodales Mixture-of-Experts-Sprachmodell mit 552 Milliarden Backbone-Parametern, veröffentlicht am 10. September 2026 unter MIT-Lizenz mit offenen Gewichten. Es unterstützt ein Kontextfenster von bis zu 1 Million Token bei Text- und Bildeingabe.
Ist DeepSeek-V4.1-Flash kostenlos nutzbar?
Die Modellgewichte selbst sind unter MIT-Lizenz kostenlos herunterladbar und lokal einsetzbar, für den Betrieb ist allerdings leistungsfähige Server-Hardware nötig. Die API von DeepSeek ist nicht gratis, aber mit 0,003 bis 0,60 Dollar pro Million Token deutlich günstiger als geschlossene Konkurrenzmodelle wie GPT-6 Astra.
Was bedeutet die MIT-Lizenz für Unternehmen konkret?
Unternehmen dürfen das Modell herunterladen, verändern, lokal betreiben und kommerziell nutzen, ohne Lizenzgebühren an DeepSeek zu zahlen. Das erlaubt einen vollständig eigenständigen Betrieb ohne Datenfluss an externe API-Server.
Ist der Einsatz von DeepSeek-Modellen in Deutschland und der EU rechtlich unbedenklich?
Das BSI stufte bereits 2025 bestimmte Datenschutzpraktiken der DeepSeek-Consumer-App als bedenklich für sicherheitskritische Bereiche ein, die Berliner Datenschutzbehörde meldete die App im Juni 2025 wegen unzulässiger Datenübertragung nach China als rechtswidrig. Diese Kritik betraf DeepSeeks App und API, nicht zwingend selbst gehostete, offene Modellgewichte. Der EU AI Act verlangt zudem unabhängig von der Herkunft eine Trainingsdaten-Zusammenfassung und, bei Überschreiten der Systemrisiko-Schwelle, zusätzliche Prüf- und Meldepflichten.
Wie unterscheidet sich V4.1-Flash vom Vorgänger V4-Flash?
Der KV-Cache-Speicherbedarf sinkt laut DeepSeek um etwa das Vierfache auf rund 890 Byte pro Token, was längere Kontexte effizienter verarbeitbar macht. Die Preisstruktur wurde zum Start ebenfalls neu gefasst, mit einem stark reduzierten Tarif bei Cache-Treffern in Schwachlastzeiten.
Welche Rolle spielt der EU AI Act bei offenen Modellen wie DeepSeek-V4.1-Flash?
Modelle unter freier Open-Source-Lizenz sind von der technischen Dokumentationspflicht nach Anhang XI und der Transparenzpflicht nach Anhang XII befreit, solange sie nicht als Systemrisiko-Modell nach Artikel 51 gelten. Diese Einstufung greift ab einer vermuteten Trainingsrechenleistung von 10 hoch 25 FLOPs, unabhängig von der Lizenz.
Wie schneidet DeepSeek-V4.1-Flash preislich gegen GPT-6 Astra ab?
GPT-6 Astra kostet im Standardtarif 10 Dollar pro Million Eingabe-Token und 50 Dollar pro Million Ausgabe-Token. DeepSeek-V4.1-Flash liegt je nach Cache-Trefferrate zwischen 0,003 und 0,15 Dollar Eingabe sowie 0,60 Dollar Ausgabe pro Million Token, ein Preisunterschied im Bereich von mehreren Größenordnungen.
Wächst der Marktanteil offener Modelle wie DeepSeek tatsächlich?
Ja. Laut Token-Daten von OpenRouter stieg der Anteil offener Modelle am gesamten Token-Volumen von rund 41 Prozent im März 2026 auf etwa 60 Prozent im Juni 2026. Bei den Umsätzen dominieren mit rund 96 Prozent aber weiterhin die geschlossenen Anbieter, weil sie höhere Preise und mehr Enterprise-Verträge halten.
