DeepSeek V4 Pro · thoughtflash

Offenes MoE-Flaggschiff von DeepSeek (1,6T gesamt / 49B aktiv) mit 1M-Kontext und MIT-Lizenz – führend beim Weltwissen unter offenen Modellen, nur Gemini 3.1 Pro voraus.

Überblick

DeepSeek-V4-Pro ist das Open-Weight-Flaggschiff des chinesischen Labors DeepSeek (Hangzhou) und der größere von zwei Modellen der V4-Reihe (daneben V4-Flash mit 284B/13B). Es nutzt eine Mixture-of-Experts-Architektur mit 1,6T Gesamtparametern und 49B aktiven Parametern pro Token. Die dokumentierten Werte beziehen sich auf den Max-Reasoning-Modus (Chart-Label „DeepSeek V4 Pro (Max)"). DeepSeek positioniert das Modell als bestes Open-Source-Modell für Weltwissen, das nur Gemini 3.1 Pro nachsteht.

Use Cases

Agentisches Coding und Software-Engineering auf Frontier-Niveau (Open-Source-SOTA in mehreren Coding-Benchmarks)
Mathematik, STEM und komplexes Reasoning
Long-Context-Workflows bis 1M Tokens dank effizienter Hybrid-Attention
Tool-Use und Function Calling in autonomen Agenten; OpenAI- und Anthropic-API-kompatibel

Stärken & Grenzen

Stärken: Stärkstes Wissensprofil unter offenen Modellen (AA-Omniscience Accuracy 43 % – höchster Wert aller getesteten Modelle), sehr gutes agentisches Coding (Terminal-Bench v2.1 64 %), solide Long-Context-Leistung (AA-LCR 66 %) und Physik-Reasoning (CritPt 13 %, Rang 2). MIT-Lizenz, 1M-Kontext bei stark reduziertem FLOP-/KV-Cache-Bedarf (27 % bzw. 10 % von V3.2). Drei Reasoning-Effort-Stufen (Non-think / Think High / Think Max).

Grenzen: Auffällig niedrige Non-Hallucination-Rate (6 %) – das Modell halluziniert im AA-Test vergleichsweise häufig, trotz hoher Wissens-Accuracy. Reine Textmodalität (kein Bild-/Audio-Input). Die 1,6T Gesamtparameter erfordern Cluster-Hardware für Self-Hosting mit konkurrenzfähiger Latenz. Think-Max ist sehr token-intensiv (ca. 190M Output-Tokens im AA-Intelligence-Index-Lauf, Median 47M).

Praxis-Erfahrung

Empfohlene Sampling-Parameter: temperature 1.0, top_p 1.0. Für Think-Max wird ein Kontextfenster von mindestens 384K empfohlen. Die Reasoning-Tiefe ist per Request wählbar (Latenz vs. Analysetiefe). Self-Hosting realistisch eher mit V4-Flash; V4-Pro braucht Cluster-Scale. Cache-Hit-Preise sind extrem niedrig (V4-Pro ca. $0,0036/1M Cache-Hit), was agentische Schleifen mit wiederholtem Kontext stark verbilligt.

Gut zu wissen

Lizenz: MIT, freie Gewichte (Hugging Face, ModelScope), Release 24.04.2026
Trainiert auf 33T Tokens; 61 Transformer-Layer, 384 Routed Experts + 1 Shared, 6 aktiv pro Token
Max. Output: 384K Tokens; Präzision FP4 (MoE-Experten) + FP8 (übrige Parameter)
API-Preise (Liste): ~$0,435/1M Input, ~$0,87/1M Output
Werte ohne Eintrag in der Score-Tabelle (Quelle: Artificial Analysis): 𝜏³-Banking 26 %, CritPt 13 %, AA-Omniscience Accuracy 43 %, AA-Omniscience Non-Hallucination 6 %, AA-Briefcase 22 %
Hinweis: Erstpartei-Benchmarkzahlen von DeepSeek werden von unabhängigen Reviewern teils als „internal claim" eingestuft; die hier eingetragenen Scores stammen aus der unabhängigen Messung von Artificial Analysis

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: DeepSeek (offizielle Model Card, Reasoning „Max"):

Terminal Bench 2.0 67,9 % (Hinweis: Version 2.0, nicht v2.1) · GDPval-AA (Elo) 1554
SimpleQA-Verified 57,9 % · Chinese-SimpleQA 84,4 % · BrowseComp 83,4 %
Codeforces (Rating) 3206 · HMMT 2026 Feb 95,2 % · IMOAnswerBench 89,8 %
SWE Pro (Resolved) 55,4 % · SWE Multilingual (Resolved) 76,2 %
MMLU (Base) 90,1 % · GSM8K (Base) 92,6 %

Quelle: BenchLM (Chatbot Arena): Coding-Elo 1502 · Hard-Prompts-Elo 1476 (Text-Overall-Elo 1456 steht oben in der Score-Tabelle).