DeepSeek V4 Flash 0731: Offizielle Version ersetzt die Vorschau

Was DeepSeek am 31. Juli veröffentlicht hat

DeepSeek bezeichnet DeepSeek V4 Flash 0731 als offizielle Version von V4 Flash. Sie ersetzt die Vorschau und soll nach Angaben des Unternehmens deutlich besser mit Werkzeugen, Programmcode und mehrstufigen Aufgaben umgehen. Der Name „0731“ steht für das Veröffentlichungsdatum 31. Juli.

Die zeitliche Abgrenzung ist wichtig. Das heute öffentliche Repository der V4-Flash-Vorschau wurde auf Hugging Face am 22. April 2026 angelegt. Ende Juni folgte die DSpark-Variante. Am 31. Juli kam die offizielle Flash-Version 0731 hinzu. Es handelt sich also um ein Update innerhalb der vorhandenen V4-Familie, nicht um DeepSeek V5.

Der neue Checkpoint – also eine feste, veröffentlichte Modellversion – besitzt dieselbe Modellstruktur wie V4 Flash DSpark und bringt ein zusätzliches Modul für „speculative decoding“ mit. Vereinfacht gesagt schlägt dieses Modul mehrere nächste Textbausteine vor, die das Hauptmodell anschließend prüft. Das kann die Ausgabe beschleunigen, ohne die eigentliche Antwortlogik durch ein kleineres Ersatzmodell auszutauschen.

Was sich gegenüber der Vorschau verbessert haben soll

DeepSeek legt den Schwerpunkt auf sogenannte Agentenaufgaben. Dabei beantwortet das Modell nicht nur eine Frage, sondern arbeitet mit Werkzeugen, bearbeitet Dateien oder führt mehrere Schritte nacheinander aus. Genau für solche Abläufe meldet die offizielle Modellkarte große Sprünge.

• Terminal Bench 2.1: 82,7 Punkte statt 61,8 bei der Flash-Vorschau.
• DeepSWE: 54,4 Punkte statt 7,3 bei der Vorschau.
• Toolathlon Verified: 70,3 Punkte statt 49,7.
• AutomationBench Public: 25,1 Punkte statt 10,8.

Diese Werte stammen von DeepSeek. Für die Programmier-Agentenaufgaben unter den öffentlichen Prüfungen nutzte das Unternehmen den Minimalmodus des noch nicht veröffentlichten Agenten-Rahmens „DeepSeek Harness“, die höchste Denkstufe „max“, Temperatur 1,0 und top_p 0,95. Die beiden von DeepSeek zusätzlich ausgewiesenen internen DSBench-Prüfsets sind in der Liste oben nicht enthalten. Die Ergebnisse zeigen deshalb eine Entwicklungsrichtung, sind aber kein unabhängiger Beweis für dieselben Fortschritte in Kundenservice, Vertragsprüfung oder Marketing.

Artificial Analysis misst DeepSeek V4 Flash 0731 mit maximaler Denkstufe bei 50 Punkten im Intelligence Index 4.1. Das ist kein Prozentwert, sondern ein Vergleichswert aus neun Prüfungen; der Median der dort verglichenen Modelle lag zum Prüfzeitpunkt bei 25. Für den gesamten Index erzeugte das Modell rund 210 Millionen Ausgabetokens und verursachte 72,02 US-Dollar Modellkosten. Die hohe Ausgabemenge ist für Unternehmen relevant: Ein niedriger Preis je Token schützt nicht vor langen Antworten und unnötigem Verbrauch.

Warum 304 und 284 Milliarden Parameter beide auftauchen

Hugging Faces automatische Metadaten zählen im veröffentlichten Paket rund 304 Milliarden Tensor-Elemente. Der technische Bericht beschreibt die Architektur von V4 Flash dagegen gerundet mit 284 Milliarden Parametern, von denen je verarbeitetem Token etwa 13 Milliarden aktiv sind. Diese beiden Zählweisen sind nicht direkt gleichzusetzen. DeepSeek bestätigt zwar, dass die 0731-Version dieselbe Struktur wie die DSpark-Variante und ein zusätzliches Modul für speculative decoding besitzt. Die Quellen ordnen diesem Modul aber nicht ausdrücklich die gesamte Differenz von rund 20 Milliarden zu. Die Zahl 304 belegt deshalb kein neues, größeres Grundmodell.

Für die betriebliche Auswahl ist die Zahl ohnehin nur ein technisches Merkmal. Sie sagt weder die Fehlerquote im eigenen Ablauf voraus noch bestimmt sie allein die Geschwindigkeit. Wichtiger sind Ergebnisse mit den eigenen Dokumenten, Werkzeugen und Prüfkriterien. Der DeepSeek-Glossareintrag erklärt den Unterschied zwischen Unternehmen, Modellfamilie, offenen Gewichten und gehosteter Schnittstelle.

Was die Nutzung über die DeepSeek-API kostet

DeepSeek führt den Checkpoint inzwischen direkt unter der Modellkennung deepseek-v4-flash. Die offizielle Preisseite nennt zum Stand 1. August 2026 folgende Tarife je Million Token:

• Zwischengespeicherte Eingabe: 0,0028 US-Dollar.
• Nicht zwischengespeicherte Eingabe: 0,14 US-Dollar.
• Ausgabe: 0,28 US-Dollar.

Ein Beispiel: 100 Millionen nicht zwischengespeicherte Eingabetokens und 20 Millionen Ausgabetokens kosten im regulären Tarif 19,60 US-Dollar. Darin fehlen Entwicklung, Überwachung, Qualitätssicherung, Steuern und mögliche Kosten weiterer Dienste.

Die Preisseite enthält außerdem eine wichtige Ankündigung. DeepSeek will während bestimmter Spitzenzeiten künftig das Doppelte des regulären Preises berechnen. Genannt werden täglich 9 bis 12 Uhr sowie 14 bis 18 Uhr Pekinger Zeit. Am 1. August entspricht das 3 bis 6 Uhr und 8 bis 12 Uhr deutscher Sommerzeit; im Winter wären es 2 bis 5 Uhr und 7 bis 11 Uhr. Ein Startdatum steht noch nicht fest. Eine belastbare Kalkulation muss diese geplante Regel beobachten, statt nur den heutigen Listenpreis zu übernehmen.

Eine Million Token Kontext ist kein Ersatz für Datenarbeit

V4 Flash 0731 unterstützt laut DeepSeek bis zu eine Million Token Kontext und maximal 384.000 Ausgabetokens. Ein großer Kontext kann umfangreiche Codebestände, lange Vorgänge oder viele Dokumentseiten aufnehmen. Er garantiert aber nicht, dass das Modell jede Stelle richtig gewichtet oder zuverlässig zitiert.

Sehr große Eingaben erhöhen außerdem Laufzeit und Kosten. In einem sauberen Unternehmensablauf werden deshalb weiterhin passende Dokumente ausgewählt, Zugriffsrechte begrenzt und Antworten gegen Quellen geprüft. Das gilt besonders, wenn ein Sprachmodell Dateien verändern oder andere Systeme bedienen darf.

Cloud-API oder eigene Infrastruktur?

DeepSeek veröffentlicht die Modellgewichte unter der MIT-Lizenz. Ein Unternehmen darf sie grundsätzlich selbst betreiben oder einen spezialisierten Anbieter beauftragen. Ein europäischer Firmensitz allein beantwortet die Datenschutzfragen jedoch nicht. Entscheidend sind tatsächliche Verarbeitung, Unterauftragnehmer, Speicherorte und Vertragsgrundlage.

Das veröffentlichte Paket belegt rund 167 Gigabyte. DeepSeeks Beispiel für den Betrieb mit vLLM nutzt einen einzelnen Serverknoten mit vier NVIDIA-GB300-Grafikprozessoren. Das ist Rechenzentrumsinfrastruktur, kein Modell für einen gewöhnlichen Büroserver. Ein erster API-Test mit synthetischen oder anonymisierten Daten vermeidet diesen Hardwareaufwand. Vor der ersten Übertragung personenbezogener, vertraulicher oder kundeneigener Daten müssen Auftragsverarbeitung, Datenstandort, mögliche Drittlandtransfers, Unterauftragnehmer, Protokollierung und Löschregeln des gewählten Anbieters geklärt sein.

Was Unternehmen jetzt sinnvoll testen können

1. Die richtige Version festhalten: Dokumentiere Modellkennung, Datum und Denkstufe. Sonst sind spätere Vergleiche wertlos.
2. Eigene Fälle verwenden: Prüfe wiederkehrende Aufgaben mit bekannten Soll-Ergebnissen. Miss Fehler, Nacharbeit, Laufzeit und Tokenverbrauch.
3. Agenten begrenzen: Gib dem Modell nur die Dateien und Werkzeuge, die es für den Test braucht. Schreibende oder zahlungsrelevante Aktionen benötigen eine Freigabe.
4. Gesamtkosten vergleichen: Rechne je korrekt abgeschlossenem Vorgang. Der billigste Tokenpreis kann durch lange Antworten oder mehr Nacharbeit seinen Vorteil verlieren.

Für einen ersten Praxistest reicht ein abgegrenzter Prozess. Die Leistungsseite KI-Automatisierung zeigt, wie sich Modellwahl, Datenzugriff und menschliche Kontrolle in einem Ablauf trennen lassen. Wer primär API-Preise vergleicht, findet im vorherigen Beitrag die Einordnung zur Preissenkung von GPT-5.6 Luna.