DeepSeek V4 Flash

Überblick

DeepSeek-V4-Flash ist das kleinere der beiden Modelle der V4-Reihe (daneben V4-Pro mit 1,6T/49B) und trägt dieselbe Architektur: Mixture-of-Experts mit 284B Gesamt- und 13B aktiven Parametern, dazu Hybrid Attention aus Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA). Diese Card beschreibt den Preview-Build vom 24.04.2026, also die Gewichte unter deepseek-ai/DeepSeek-V4-Flash.

Achtung: Am 31.07.2026 hat DeepSeek unter DeepSeek-V4-Flash-0731 einen neu post-trainierten Build derselben Architektur veröffentlicht, der besonders bei agentischen Aufgaben deutlich stärker ist. Für Neuprojekte ist dieser die richtige Wahl — siehe die eigene Card „DeepSeek V4 Flash 0731".

Use Cases

• Long-Context-Verarbeitung bis 1M Tokens bei einem Bruchteil der Kosten von V4 Pro
• Durchsatzstarke Anwendungen: DeepSeek gibt für Flash 2.500 gleichzeitige Requests an, für Pro nur 500
• Self-Hosting, wo V4 Pro an der Hardware scheitert — 13B aktive Parameter und FP4-Experten machen das Modell auf deutlich kleinerem Gerät lauffähig
• Coding und Software-Engineering (SWE-Bench Verified 79,0 % im Think-Max-Modus)

Stärken & Grenzen

• Stark: Das Preis-Leistungs-Verhältnis. Flash kostet rund ein Drittel von V4 Pro bei Ergebnissen, die auf vielen Benchmarks nur wenige Punkte darunter liegen — MMLU-Pro 86,2 vs. 87,5, SWE-Bench Verified 79,0 vs. 80,6, LiveCodeBench 91,6 vs. 93,5.
• Stark: Drei per Request wählbare Reasoning-Stufen (Non-think / Think High / Think Max). Der Sprung von Non-think auf Think High ist bei Reasoning-Aufgaben drastisch — GPQA Diamond steigt von 71,2 auf 87,4 %, LiveCodeBench von 55,2 auf 88,4 %.
• Grenze: Faktenwissen ist die klare Schwachstelle. SimpleQA-Verified erreicht 34,1 % gegenüber 57,9 % bei V4 Pro; im AA-Omniscience-Test liegt der Index bei −23 bei einer Halluzinationsrate um 95 %. Für wissensintensive Fragen ohne Retrieval ist das Modell ungeeignet.
• Grenze: Long-Context nur nominell auf Pro-Niveau — MRCR 1M 78,7 vs. 83,5 %, CorpusQA 1M 60,5 vs. 62,0 %.
• Grenze: Reine Textmodalität, kein Bild-Input.
• Grenze: Agentische Aufgaben sind die Schwäche dieses Builds (Terminal Bench 2.0 56,9 %, Toolathlon 47,8 %) — genau der Punkt, den der Nachfolger 0731 adressiert.

Praxis-Erfahrung

• Reasoning-Tiefe über reasoning_effort steuerbar; Tool-Calling in vLLM über --tool-call-parser deepseek_v4.
• API-kompatibel zu OpenAI ChatCompletions und zum Anthropic-Interface.
• Offizielle DeepSeek-Preise: 0,14 $/1M Input (Cache-Miss), 0,28 $/1M Output, 0,0028 $/1M bei Cache-Hit. Reseller wie OpenRouter nennen abweichende Werte (0,09/0,18 $) — das sind deren Konditionen, nicht DeepSeeks Liste.
• Max. Output 384K Tokens; einzelne Anbieter deckeln niedriger.

Hinweis: Diese Card beruht auf der offiziellen Model Card und externen Analyse-Seiten.

Gut zu wissen

• Lizenz: MIT, freie Gewichte auf Hugging Face und ModelScope
• Trainiert auf über 32T Tokens; 43 Layer, 256 Routed Experts + 1 Shared, 6 aktiv pro Token
• Präzision FP4 (MoE-Experten) + FP8 (übrige Parameter)
• Die alten API-Namen deepseek-chat und deepseek-reasoner wurden zum 24.07.2026 abgeschaltet

Weitere Benchmarks

Alle Werte im Think-Max-Modus, Quelle DeepSeek (offizielle Model Card):

• Terminal Bench 2.0 56,9 % (Version 2.0, nicht v2.1) · Toolathlon 47,8 % · MCPAtlas 69,0 %
• SWE Pro 52,6 % · SWE Multilingual 73,3 % · BrowseComp 73,2 % · HLE mit Tools 45,1 %
• MRCR 1M 78,7 MMR · CorpusQA 1M 60,5 % · Chinese-SimpleQA 78,9 % · SimpleQA-Verified 34,1 %
• Codeforces 3052 (Rating) · IMOAnswerBench 88,4 % · Apex 33,0 % · GDPval-AA 1395 (Elo)

Quelle Artificial Analysis: Intelligence Index 40 · 𝜏³-Banking 23 % · AA-Omniscience Index −23 · GDPval-AA v2 1189 (Elo)