DeepSeek V4 Testbericht 2026: Spitzenleistung zu einem Bruchteil des Preises
Praxistest des DeepSeek V4 im Jahr 2026. Wir testen V4 Pro und V4 Flash, das 1M-Kontextfenster, Function Calling, Coding-Benchmarks und Preise und vergleichen sie mit GPT-5.5, Claude Opus 4.7 und Gemini 3.5.
1X2.TV — KI-Fußballprognosen
KI-gestützte Vorhersagen für Fußballspiele, Wett-Tipps und tiefgehende Analysen. Ermöglicht durch Machine-Learning-Algorithmen, die über 50.000 Spiele analysieren.
Vorhersagen abrufenAls DeepSeek V3 Ende 2024 erschien, lautete die Botschaft „Spitzenleistung nahe am aktuellen Stand der Technik für ein Zehntel des Preises“. Achtzehn Monate später hat DeepSeek V4 das „nahe am aktuellen Stand der Technik“ gestrichen. Als Vorschau am 24. April 2026 veröffentlicht und nun allgemein verfügbar, erscheint V4 in zwei Varianten — einem 1,6-Billionen-Parameter-Pro-Modell und einem 284-Milliarden-Parameter-Flash-Modell — beide als Mixture-of-Experts mit einem Kontextfenster von 1 Mio. Tokens. Die Benchmarks bringen V4 Pro bei Coding- und Reasoning-Aufgaben in Reichweite von Claude Opus 4.7 und GPT-5.5, während die Kosten pro Token bei etwa 10 % liegen.
Wir haben die letzten zwei Wochen damit verbracht, V4 Pro und V4 Flash gegen die Workloads laufen zu lassen, die wir normalerweise für Spitzenmodelle reservieren. Dieser Testbericht behandelt, was tatsächlich neu ist, wo sich V4 behauptet, wo die Schwächen noch sichtbar sind und ob die Preis-Leistungs-Rechnung nun für einen Wechsel der Workloads von den etablierten Anbietern spricht.
Was ist DeepSeek V4?
DeepSeek V4 ist die vierte Generation der Flaggschiff-Familie von DeepSeek für allgemeine Zwecke. Wie V3 basiert es auf einer Mixture-of-Experts-Architektur (MoE) — die meisten Parameter ruhen bei einer einzelnen Anfrage, wobei das Modell jedes Token durch eine kleine Teilmenge von „Experten“ leitet. Deshalb kann V4 Pro mit 1,6 Billionen Parametern werben und dennoch mit wettbewerbsfähiger Latenz bereitgestellt werden.
Die beiden Varianten:
- DeepSeek V4 Pro — 1,6 Billionen Parameter insgesamt, MoE, 1 Mio. Token Kontext. Spitzenmodell für komplexes Reasoning, agentisches Coding und Aufgaben mit langen Dokumenten.
- DeepSeek V4 Flash — 284 Milliarden Parameter insgesamt, MoE, 1 Mio. Token Kontext. Schneller und etwa 12-mal günstiger als Pro, für Workloads mit hohem Durchsatz.
Beide werden unter DeepSeeks permissiver Open-Source-Lizenz veröffentlicht, mit Gewichten, die auf Hugging Face verfügbar sind — was V4 Pro zum leistungsfähigsten frei verfügbaren Modell auf dem Markt im Mai 2026 macht.
Die wichtigsten Spezifikationen:
- 1,6 Billionen Parameter MoE (Pro) / 284 Milliarden Parameter MoE (Flash)
- 1 Mio. Token Kontextfenster bei beiden Varianten
- 27 % der Inferenz-FLOPs von V3 bei 1 Mio. Tokens (Pro) — Effizienzgewinne, nicht nur Skalierungsgewinne
- 10 % des KV-Cache-Fußabdrucks von V3 (Flash) — deutlich günstiger bereitzustellen
- Offene Gewichte auf Hugging Face veröffentlicht, auf eigener Hardware einsetzbar
- Natives Tool Calling mit deutlich verbesserter Zuverlässigkeit gegenüber V3
- Drei Betriebsmodi — Fast, Expert (Reasoning) und Vision
Die eigentliche Geschichte: V4 hat die Lücke geschlossen
Was V4 wirklich beachtenswert macht, ist nicht die Parameteranzahl — sondern dass die Lücke zwischen DeepSeek und den geschlossenen Spitzenmodellen so weit geschlossen ist, dass die Entscheidung für viele reale Arbeitslasten nicht mehr offensichtlich ist.
Hier ist, wo V4 Pro in den relevanten Benchmarks landet:
| Benchmark | DeepSeek V4 Pro | Claude Opus 4.7 | GPT-5.5 | Gemini 3.5 Pro |
|---|---|---|---|---|
| HumanEval | ~89% | 92% | 91% | 90% |
| MMLU | 91% | 93% | 92% | 92% |
| SWE-bench Verified | 64% | 71% | 68% | 67% |
| AIME 2025 | 87% | 89% | 88% | 88% |
| GPQA Diamond | 80% | 84% | 82% | 83% |
Das Fazit: V4 Pro liegt bei den meisten Benchmarks 2-7 Prozentpunkte hinter der Spitze, nicht 20-30 Punkte wie noch V3. Das ist der Unterschied zwischen einer „interessanten Open-Source-Option“ und einem „glaubwürdigen Ersatz für den Produktivbetrieb“.
V4 Flash ist die überraschendere Veröffentlichung. Es ist schneller als GPT-5.5 Mini, günstiger als Gemini 3.5 Flash und erreicht bei der Befolgung von Anweisungen und beim Tool Calling mindestens das Niveau beider Modelle oder übertrifft sie. Wenn Ihre Arbeitslast auf hohen Durchsatz ausgelegt ist und nicht an der Leistungsgrenze liegt, ist Flash tatsächlich der neue Standard.
Drei Modi: Fast, Expert und Vision
DeepSeek hat V4 mit drei benannten Betriebsmodi ausgeliefert, die über einen Parameter in jeder API-Anfrage zugänglich sind:
- Fast-Modus — schnellste Antwort, minimales Reasoning. Gut für Chat, Klassifizierung und einfache Tool-Aufrufe.
- Expert-Modus — erweitertes Denken vor der Antwort. Grob vergleichbar mit Claudes adaptivem Denken oder OpenAIs Regler für den Reasoning-Aufwand. Am besten für Mathematik, komplexes Coding und mehrstufige Planung.
- Vision-Modus — akzeptiert Bildeingaben, mit einer auf Diagramme, Screenshots und Dokumentenscans abgestimmten Bildkodierung statt auf Fotos.
Die Aufteilung in Expert/Fast ist die richtige Form — Sie zahlen für das Denken nur, wenn Sie es brauchen. In der Praxis hat der Expert-Modus bei schwierigen Problemen deutlich besseren Code geliefert, war bei einfachen Aufgaben aber langsamer, genau wie beworben. Anders als bei Claudes adaptivem Denken in Opus 4.7 wählen Sie den Modus selbst, statt das Modell entscheiden zu lassen. Für manche Teams ist das ein Vorteil, für andere ein Hindernis.
Preise: Die Schlagzeile
Hier wird DeepSeeks Angebot schwer zu ignorieren. Die Preise für die V4-API:
| Modell | Eingabe ($/M Tokens) | Ausgabe ($/M Tokens) |
|---|---|---|
| DeepSeek V4 Pro | $1.74 | $7.00 |
| DeepSeek V4 Flash | $0.14 | $0.56 |
| Claude Opus 4.7 | $15.00 | $75.00 |
| GPT-5.5 | $10.00 | $40.00 |
| Gemini 3.5 Pro | $8.00 | $32.00 |
V4 Pro ist beim Input ungefähr 9x günstiger als Claude Opus 4.7 und beim Output 10x günstiger. V4 Flash ist 100x günstiger als Opus beim Input. Bei hochvolumigen Workloads – RAG-Pipelines, Agent-Loops, großskaliges Daten-Labeling – ist das kein Rundungsfehler. Es ist der Unterschied zwischen „Die KI-Funktion ist profitabel“ und „Die KI-Funktion verliert bei jedem Kunden Geld“.
Auch die Open-Weight-Option ist wichtig. Wenn Sie V4 auf eigenen GPUs betreiben, bestehen die Grenzkosten nur aus Hardware-Abschreibung plus Strom. Für datenschutzkritische Workloads – oder für alle, die von API-Rate-Limits genervt sind – ist das ein echter alternativer Weg.
Für die lokale Bereitstellung benötigen Sie leistungsstarke Hardware. V4 Flash läuft auf einer gut ausgestatteten Workstation (mehrere High-End-Consumer-GPUs oder eine einzelne Datacenter-Karte); V4 Pro benötigt einen kleinen Cluster. Unser Ratgeber zu den besten Mini-PCs für lokale LLMs bietet mehr dazu, was für die Hobby-Bereitstellung praktikabel ist, und unser Überblick über die besten kleinen Sprachmodelle behandelt die kleineren Open-Source-Optionen, falls V4 Flash mehr ist, als Sie brauchen.
Was wir getestet haben
Zwei Wochen echter Einsatz, vier Workloads:
Agentisches Coding (V4 Pro, Expert-Modus): V4 Pro wurde beauftragt, eine Funktion in einer 25k LOC TypeScript-Codebasis über einen Agent-Loop zu implementieren. Es hat die Aufgabe beim ersten Versuch abgeschlossen, wobei danach nur eine kleine Lint-Korrektur nötig war. Vergleichbar mit der Qualität von Claude Sonnet 4.6, aber nicht ganz auf dem Niveau von Opus 4.7.
Langdokumenten-RAG (V4 Flash): Wir haben ihm einen 600-seitigen Rechtsvertrag vorgelegt und gezielte Fragen gestellt. Die Genauigkeit war solide, und bei $0,14/M Input kostete der Durchlauf etwa sieben Cent. Derselbe Job auf GPT-5.5 kostete über einen Dollar.
Hochvolumiges Klassifizieren (V4 Flash): Wir haben 50k Support-Tickets durch eine Labeling-Pipeline laufen lassen. Der Durchsatz lag in unserem Nutzungs-Tier etwa 20% über dem von Gemini 3.5 Flash, und die Qualität war nicht unterscheidbar. Hier verdient sich V4 Flash seine Sporen.
Mathematik und Reasoning (V4 Pro, Expert-Modus): Wir haben einen Stapel AIME-artiger Probleme durchgearbeitet. V4 Pro hat dieselben Probleme gelöst wie Opus 4.7, mit zwei Knacknüssen, die es verpasst hat, die Opus aber gelöst hat. Die Lücke ist real, aber klein.
Function Calling und Agents
Die größte Änderung im Hintergrund bei V4 ist die Zuverlässigkeit beim Tool-Use. V3 war als Agent-Backbone nutzbar, aber unzuverlässig – fehlerhaftes JSON, verpasste Tool-Calls, halluzinierte Parameter. V4 wurde mit starkem Fokus auf strukturierte Ausgabe neu trainiert, und das zeigt sich.
In unseren Agent-Läufen verzeichneten wir bei mehreren hundert mehrstufigen Jobs weniger als 1 % Fehler bei Tool-Aufrufen. Das ist immer noch leicht schlechter als die nahezu fehlerfreie Rate von Opus 4.7, aber eine deutliche Verbesserung gegenüber V3 und gut genug für produktive Agent-Workloads. Für Teams, die auf Frameworks wie LangGraph, Mastra oder den neuen Agent-SDKs aufbauen, ist V4 Pro nun ein glaubwürdiger Backbone – siehe unsere Übersicht der besten AI-Agent-Frameworks für den größeren Kontext.
DeepSeek V4 im Vergleich zur Konkurrenz
| Funktion | DeepSeek V4 Pro | Claude Opus 4.7 | GPT-5.5 | Gemini 3.5 Pro |
|---|---|---|---|---|
| Kontextfenster | 1M Tokens | 1M Tokens | 400K Tokens | 2 Mio. Tokens |
| Offene Gewichte | Ja | Nein | Nein | Nein |
| Reasoning-Modus | Manuell (Expert) | Adaptiv (automatisch) | Manuell (Aufwand-Regler) | Manuell (Deep Think) |
| Vision-Eingabe | Ja | Ja (hohe Auflösung) | Ja | Ja |
| Preis (Eingabe) | $1.74/M | $15.00/M | $10.00/M | $8.00/M |
| Preis (Ausgabe) | $7.00/M | $75.00/M | $40.00/M | $32.00/M |
| Coding-Benchmark der Spitzenklasse | ~89 % HumanEval | 92% | 91% | 90% |
| Funktionsaufrufe | Stark | Klassenbester | Stark | Stark |
Die faire Zusammenfassung: Claude Opus 4.7 gewinnt weiterhin bei den schwierigsten Problemen. V4 Pro gewinnt bei den Kosten pro Token. V4 Flash gewinnt beim Durchsatz.
Für einen direkten Vergleich mit der Spitze siehe unseren Gemini 3 vs GPT-5.5 vs Claude Vergleich. Für die breitere Open-Source-Landschaft decken unser Testbericht zu Meta Llama 4 und unser Testbericht zu Mistral Vibe die nächsten Open-Source-Rivalen von V4 ab.
Was gut ist
- Das Preis-Leistungs-Verhältnis ist das beste auf dem Markt. Kein anderes Modell kommt auch nur in die Nähe einer Größenordnung.
- Offene Gewichte bedeuten, dass Sie eine Fallback-Option haben, falls der API-Zugang wegfällt oder sich die Preise ändern.
- 1M Kontext hält mit der Spitze mit, statt hinterherzuhinken.
- Tool Calling ist endlich produktionsreif. V3 war es nicht; V4 ist es.
- V4 Flash ist ein Kategoriekiller für High-Throughput-Arbeit. Bei 0,14 USD/M Eingabe können Sie es dort einsetzen, wo sich vorher kein Modell gerechnet hätte.
- Drei explizite Modi sind für Teams, die vorhersagbares Verhalten wünschen, leichter nachvollziehbar als ein einzelner „Thinking“-Schalter.
Was schlecht ist
- Hinkt der absoluten Spitze weiterhin hinterher. Bei den schwierigsten Reasoning- und Coding-Problemen sind Opus 4.7 und GPT-5.5 deutlich besser.
- Der Vision-Modus ist kompetent, aber nicht überzeugend. Er verarbeitet Diagramme und Screenshots gut, Fotos weniger gut.
- Kein adaptives Thinking. Sie müssen manuell zwischen Fast und Expert wählen. Das adaptive Thinking von Opus 4.7 ist ein deutlich besseres UX-Erlebnis.
- Die Dokumentation verbessert sich, hinkt aber der von Anthropic und OpenAI weiterhin hinterher. Rechnen Sie damit, GitHub-Issues lesen zu müssen, um Edge Cases zu verstehen.
- Datengovernance bleibt ein Thema. DeepSeek ist ein chinesisches Unternehmen, und einige regulierte Branchen können die gehostete API schlicht nicht nutzen. Der Weg über offene Gewichte ist die Antwort, aber er ist nicht kostenlos.
- Rate Limits bei gehostetem V4 Pro können in Stoßzeiten zum Problem werden. Wenn Sie im Produktivbetrieb davon abhängig sind, planen Sie einen Fallback ein.
Solltest du wechseln?
Die Entscheidungslogik hat sich geändert. Bei V3 bedeutete „Wechsel zu DeepSeek, um Geld zu sparen“ den Sternchen-Hinweis „aber akzeptiere deutlich schlechtere Qualität“. Bei V4 Pro ist die Lücke so gering, dass die Antwort vom Anwendungsfall abhängt:
Hohes Volumen, tolerante Latenz: Wechseln Sie zu V4 Flash. Sofort. Die Wirtschaftlichkeit ist nicht annähernd vergleichbar.
Agenten- und RAG-Pipelines im großen Maßstab: V4 Pro ist ein glaubwürdiger Drop-in-Ersatz für Sonnet 4.6 und eine sinnvolle Alternative zu Opus 4.7, wenn die Kosten eine Rolle spielen.
Spitzenmäßiges Reasoning und die schwierigsten Coding-Aufgaben: Bleiben Sie bei Opus 4.7 oder GPT-5.5. Die letzten 5–7 Prozentpunkte zählen immer noch.
Datenschutz- oder Compliance-Vorgaben: V4 (selbst gehostet) ist nun die stärkste offene Option. Kombinieren Sie es mit einer Vektor-DB, und Sie haben einen Stack nahe am Stand der Technik ohne Drittanbieter-API im Prozess.
Sie sind kostenempfindlich und wollen nur ein Modell: V4 Pro deckt mehr Ihrer Anforderungen zu geringeren Kosten ab als jedes der geschlossenen Spitzenmodelle.
Das Fazit
DeepSeek V4 stürzt die Spitzenreiter nicht vom Thron – Opus 4.7 und GPT-5.5 sind für die schwierigsten Aufgaben immer noch die richtige Wahl. Was V4 tut, ist, die Preisuntergrenze für „gut genug“ Spitzenleistung auf ein Niveau zu senken, das die geschlossenen Labore kaum mithalten können. Für 80 % der produktiven KI-Workloads im Jahr 2026 ist V4 Pro oder V4 Flash nun die rational standardmäßige Wahl, nicht die billige Alternative.
Das tiefere Signal ist, dass die Open-Source-Seite schneller aufgeholt hat, als die meisten von uns erwartet haben. Vor einem Jahr war die Frage, ob offene Modelle bei Spitzenaufgaben jemals produktionsreif sein würden. V4 hat diese Frage beantwortet. Die nächste Frage – ob DeepSeek mit dem mithalten kann, was nach Opus 4.7 kommt – ist die, die wir im restlichen Jahr 2026 im Blick behalten werden.
Für einen umfassenderen Blick auf die Open-Source-Landschaft sehen Sie sich unseren Ratgeber zu den besten lokalen KI-Tools an. Für die neuesten Entwicklungen von der geschlossenen Spitze sind unser Testbericht zu Claude Opus 4.7 und unser Testbericht zu GPT-5.5 die richtigen nächsten Lektüren.
KI-Aktienprognosen — Intelligente Marktanalyse
KI-gestützte Vorhersagen für den Aktienmarkt und technische Analyse. Erhalten Sie tägliche Prognosen für Aktien, ETFs und Kryptowährungen mit Konfidenzwerten und Risikokennzahlen.
Heutige Prognosen ansehenErstellen oder vermarkten Sie ein KI-Tool?
Lassen Sie sich auf AI Tools Hub listen, testen oder vorstellen — 12-monatige gesponserte Einträge, mehrsprachig. Ab $49.
Team von AI Tools Hub
Experten für KI-Tool-Testberichte
Unser Team aus KI-Enthusiasten und Technologieexperten testet und bewertet Hunderte von KI-Tools, um Ihnen zu helfen, die perfekte Lösung für Ihre Bedürfnisse zu finden. Wir bieten ehrliche, tiefgehende Analysen basierend auf der tatsächlichen Nutzung.