DeepSeek-V4-Flash ist die kompakte Variante der V4-Generation für schnelle und kostengünstige Anwendungen mit sehr langem Kontext. Wie DeepSeek-V4-Pro verarbeitet es bis zu eine Million Token in einer Anfrage, genug für ganze Codebasen. Auf die Preview vom April 2026 folgte im Juli die finale Version V4-Flash-0731 mit gleicher Architektur und verbessertem Post-Training, das etwa Terminal Bench 2.1 von 61,8 auf 82,7 steigert.
Technisch ist V4-Flash ein Mixture-of-Experts-Modell (MoE) aus vielen spezialisierten Teilnetzen. Von 284 Milliarden Parametern sind je verarbeitetem Textbaustein (Token) nur 13 Milliarden aktiv. Die Gewichte umfassen dank FP4 für die Experten nur rund 170 GB und stehen unter der MIT-Lizenz.
DeepSeek-V4-Flash (aktuell V4-Flash-0731)
DeepSeek AI
April 2026
MIT
MoE, Reasoning mit drei Denkstufen (low, high, max), Denkphase abschaltbar, rein textbasiert
284 Mrd. total (13 Mrd. aktiv pro Token)
MoE mit hybrider Attention aus Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA), mHC und MTP
43
256 Experten, 6 aktiv je Token, 1 geteilter Experte
1.000.000 Token (Ausgabe bis 384.000 Token über die API)
Die finale Version vom Juli 2026 mit unveränderter Architektur und verbessertem Post-Training. Neu sind unter anderem die Unterstützung für die Responses-API und Codex.
Die erste Version vom April 2026, mit den Experten-Gewichten in FP4 und den übrigen Parametern in FP8. Dazu gibt es das Basismodell V4-Flash-Base für eigenes Feintuning.
Zur Preview gibt es eine eigene DSpark-Variante mit einem Zusatzmodul für Speculative Decoding, in der finalen Version ist es bereits enthalten. Dabei schlägt ein kleines Hilfsmodul mehrere Token vorab vor, das beschleunigt die Ausgabe.
Mit V4-Flash-Vision-Exp kam im August 2026 Bildverarbeitung hinzu, im September folgte DeepSeek-V4.1-Flash. Die größere Schwester ist DeepSeek-V4-Pro.
| Benchmark | DeepSeek-V4-Flash-0731 | DeepSeek-V4-Flash (Preview) | DeepSeek-V4-Pro-0813 | GLM-5.2 | Claude Opus 4.8 |
|---|---|---|---|---|---|
| HLE | 37,8 | 34,8 | 42,7 | 40,5 | 49,8 |
| HLE (mit Tools) | 51,5 | 45,1 | 60,0 | 54,7 | 57,9 |
| Terminal Bench 2.1 | 82,7 | 61,8 | 87,9 | 81,0 | 85,0 |
| NL2Repo | 54,2 | 39,4 | 61,5 | 48,9 | 69,7 |
| DeepSWE | 54,4 | 7,3 | 62,7 | 46,2 | 58,0 |
| Toolathlon-Verified | 70,3 | 49,7 | 74,1 | 59,9 | 76,2 |
| Agents’ Last Exam | 25,2 | 15,8 | 25,7 | 23,8 | 25,7 |
| AutomationBench (Public) | 25,1 | 10,8 | 31,8 | 12,9 | 27,2 |
Quelle: offizielle Model Card zu DeepSeek-V4-Pro-0813 (DeepSeek, August 2026). Angaben in Prozent, Coding-Agenten-Aufgaben mit maximaler Denkstufe gemessen.
Eine Million Token Kontext auf zwei GPUs, offen unter MIT-Lizenz. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
DeepSeek hat V4-Flash auf rund 32 Billionen Token vortrainiert, darunter Mathematik, Code, Webseiten und lange Dokumente. Das Kontextfenster wurde dabei schrittweise von 4.000 auf eine Million Token erweitert.
Im Post-Training entstanden zunächst spezialisierte Expertenmodelle für Mathematik, Code, Agenten und das Befolgen von Anweisungen, jeweils mit Feintuning und Reinforcement Learning, bei dem das Modell aus Bewertungen seiner eigenen Lösungen lernt. Anschließend führte DeepSeek sie per On-Policy-Distillation in einem Modell zusammen. Für Version 0731 hat DeepSeek nur das Post-Training überarbeitet.
DeepSeek-V4-Flash eignet sich für Organisationen, die lange Kontexte mit überschaubarer Hardware selbst verarbeiten wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob Flash ausreicht oder V4-Pro nötig ist.
Wenig Hardware für langen Kontext: Eine Million Token Kontext bei rund 170 GB Gewichten.
Großer Sprung mit Version 0731: DeepSWE steigt gegenüber der Preview von 7,3 auf 54,4.
Stark bei Terminal-Aufgaben: Mit 82,7 bei Terminal Bench 2.1 vor GLM-5.2 (81,0).
Drei Denkstufen: Tempo und Gründlichkeit lassen sich je Anfrage abwägen.
Kommerziell frei nutzbar: Die MIT-Lizenz gilt für Code und Gewichte.
Hinter V4-Pro: DeepSeek-V4-Pro liegt in allen Tests vorn, etwa bei HLE mit Tools mit 60,0 gegenüber 51,5.
Rein textbasiert: Bildverarbeitung bieten erst V4-Flash-Vision-Exp und V4.1-Flash.
Hinter Claude Opus 4.8: Vor allem bei HLE und NL2Repo liegt Claude Opus 4.8 deutlich vorn.
Über die API abgelöst: Flash-Anfragen an die DeepSeek-API laufen inzwischen auf V4.1-Flash, V4-Flash gibt es nur noch zum Selbstbetrieb.
Wir planen die Cluster-Auslegung für DeepSeek-V4-Flash, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
V4-Flash hat 284 statt 1.600 Milliarden Parameter und 13 statt 49 Milliarden aktive Parameter. Es braucht deutlich weniger Hardware, liegt in den Benchmarks aber hinter V4-Pro. Mehr dazu auf unserer Seite zu DeepSeek-V4-Pro.
Die Gewichte umfassen rund 170 GB. Das passt auf zwei GPUs der H200- oder B200-Klasse, mit H100 sind mindestens vier nötig. DeepSeek selbst nennt keine Mindestausstattung.
Die Architektur ist unverändert, DeepSeek hat das Post-Training überarbeitet. Besonders bei Agenten-Aufgaben steigen die Werte stark, bei Terminal Bench 2.1 etwa von 61,8 auf 82,7.
Ja. Code und Gewichte stehen unter der MIT-Lizenz. Sie dürfen das Modell kommerziell einsetzen, anpassen und weitergeben.
Ja. Über unsere GPU Cloud stellen wir die nötige Rechenleistung bereit. Alternativ bündelt der MaaS Proxy verschiedene Modelle über eine einheitliche Schnittstelle. Beide Wege betreiben wir DSGVO-konform in Deutschland.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
