DeepSeek V4 Flash Modell-Übersicht

DeepSeek V4 Flash ist die effizienzoptimierte Variante der V4-Serie des chinesischen Labors DeepSeek, seit dem 23. April 2026 als Open-Weights-Modell unter MIT-Lizenz verfügbar. Als Mixture-of-Experts-Modell (MoE) aktiviert es pro Token nur 13 von 284 Mrd. Parametern und nutzt eine hybride Attention aus Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA), um ein Kontextfenster von 1 Mio. Token effizient zu bedienen. Mit $0,14 / $0,28 pro 1 Mio. Input-/Output-Token positioniert DeepSeek es als günstigen Allrounder – rund dreimal billiger als das große Schwestermodell V4 Pro (1,6 Bio. Parameter, $0,435 / $0,87). Anders als der Gateway-Eintrag mit den Tags "vision" und "file-input" suggeriert, verarbeitet das Modell zum Start ausschließlich Text und Code; nativen Bild- oder Vision-Input bietet es offiziell nicht. Reasoning ist über drei Modi abrufbar (non-think, think high, think max).

Ankündigung API & Pricing Hugging Face Chat Interface

Features & Modalitäten

Nicht verfügbar

MultimodalitätWebsucheQuellenangaben

Verfügbar

ReasoningToolsStrukturierte AusgabenFinetuning

Input:Text

Output:TextJson

Details zum Modell

1 Mio. Token

384k Token

0,14 $

0,28 $

284 Mrd.

155,43 GB

129,28k

32.000 Mrd.

Kosten berechnen Geschwindigkeit testen

DeepSeek V4 Flash Benchmark Scores

Auf einen Blick

40 Pkt.Rang 16 von 19

Stärken

Top 3Agentische Aufgaben

Top 3Cybersecurity

DeepSeek V4 Flash Benchmark Übersicht

DeepSeek V4 Flash Performance im Vergleich zu anderen KI-Modellen

Benchmark	DeepSeek V4 Flash	DeepSeek-v3.2	DeepSeek-V4-Pro	GPT-5.5	Gemini 3.5 Flash	Muse Glimmer 30B	Muse Spark 1.2
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	40 Pkt.	—	44 Pkt.	—

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark APEX-Agents. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Kimi K3	37,6 %
DeepSeek V4 Flash	33 %
Kimi K2.6	27,9 %
MiniMax-M3	27,7 %
MiniMax M2.7	5,6 %

Vergleich von LLMs im Benchmark APEX-Agents. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	65 %
Claude Opus 5	61 %
Claude Opus 4.8	61 %
GPT-5.6 Sol	58,9 %
Kimi K3	57 %
GPT-5.6 Terra	55 %
Gemini 3.5 Flash	55 %
Muse Spark 1.2	54,07 %
Grok 4.5	53,8 %
GPT-5.6 Luna	51,2 %
Gemini 3.6 Flash	50,1 %
MiniMax M2.7	50 %
DeepSeek V4 Flash 0731	49,9 %
DeepSeek-V4-Pro (Preview)	44 %
Inkling	41 %
Inkling-Small	40 %
DeepSeek V4 Flash	40 %
Gemini 3.5 Flash-Lite	36,5 %
Muse Glimmer 30B	35,06 %

Vergleich von LLMs im Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Kimi K3	91,2 %
Claude Opus 5	90,8 %
GPT-5.6 Sol	90,4 %
GPT-5.6 Terra	87,5 %
Claude Sonnet 5	84,7 %
GPT-5.5	84,4 %
Claude Opus 4.8	84,3 %
MiniMax-M3	83,52 %
DeepSeek-V4-Pro (Preview)	83,4 %
GPT-5.6 Luna	83,3 %
Kimi K2.6	83,2 %
Claude Opus 4.7	79,3 %
Inkling-Small	77,4 %
Inkling	77,1 %
MiniMax M2.7	76,3 %
DeepSeek V4 Flash	72,2 %
GLM-5.1	68 %

Vergleich von LLMs im Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	1.932 %
Claude Opus 4.8	1.890 %
Claude Opus 5	1.861 %
GPT-5.6 Sol	1.747,8 %
Gemini 3.5 Flash	1.656 %
Muse Spark 1.2	1.631 %
Claude Sonnet 5	1.618 %
GPT-5.6 Terra	1.593 %
GPT-5.6 Luna	1.591,8 %
DeepSeek V4 Flash 0731	1.558,61 %
DeepSeek-V4-Pro (Preview)	1.554 %
Grok 4.5	1.543 %
Muse Spark	1.444 %
Gemini 3.6 Flash	1.421 %
DeepSeek V4 Flash	1.395 %
Muse Spark 1.1	1.381 %
Inkling-Small	1.269 %
Inkling	1.238 %
Gemini 3.5 Flash-Lite	1.140 %
Muse Glimmer 30B	953 %

Vergleich von LLMs im Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	95,5 %
GPT-5.6 Sol	94,6 %
Claude Opus 4.8	93,6 %
Kimi K3	93,5 %
Claude Opus 5	93,43 %
Claude Fable 5	93,18 %
Grok 4.5	93,1 %
GPT-5.6 Terra	92,9 %
Gemini 3.6 Flash	92,8 %
Qwen 3.8 Max	92,6 %
GPT-5.6 Luna	92,3 %
GLM-5.2	91,2 %
DeepSeek V4 Flash 0731	90,8 %
Muse Spark 1.2	90,4 %
DeepSeek-V4-Pro (Preview)	90,1 %
Inkling-Small	89,5 %
DeepSeek V4 Flash	88,1 %
Inkling	87,2 %
Gemini 3.5 Flash-Lite	83,8 %
Muse Glimmer 30B	83,5 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	56,3 %
Muse Spark 1.1	52,2 %
Fugu Ultra	50 %
Claude Opus 4.8	49,8 %
GPT-5.6 Sol	47,2 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Kimi K3	43,5 %
Claude Sonnet 5	43,2 %
GPT-5.6 Terra	41,8 %
GLM-5.2	40,5 %
Grok 4.5	40,3 %
Gemini 3.5 Flash	40,2 %
Gemini 3.6 Flash	38,3 %
DeepSeek V4 Flash 0731	36,8 %
DeepSeek V4 Flash	34,8 %
Inkling-Small	31,6 %
Inkling	29,7 %
Muse Glimmer 30B	22 %
Gemini 3.5 Flash-Lite	17,5 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3.1 Pro	2.887 %
DeepSeek-V4-Pro (Preview)	93,5 %
Fugu Ultra	93,2 %
DeepSeek V4 Flash	91,6 %
Kimi K2.6	89,6 %
Claude Opus 5	89,03 %
DeepSeek-v3.2 Speciale	88,7 %
GPT-5.6 Terra	85,93 %
Kimi K2.5 (Thinking)	85 %
GLM-4.7	84,9 %
Qwen3.5-397B-A17B	83,6 %
DeepSeek-v3.2 Thinking	83,3 %
Kimi K2 Thinking	83,1 %
MiniMax-M2	83 %
GPT-5.6 Sol	82,6 %
Nemotron 3 Super	81,19 %
MiniMax M2.1	81 %
Muse Spark	80 %
Gemma 4 31B	80 %
Gemini 3.1 Flash-Lite	72 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MCP-Atlas. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Muse Spark 1.1	88,1 %
Claude Opus 5	85,8 %
Kimi K3	84,2 %
Gemini 3.5 Flash	83,6 %
Claude Fable 5	83,3 %
Claude Opus 4.8	82,2 %
Inkling-Small	79,2 %
Claude Opus 4.7	77,3 %
GLM-5.2	76,8 %
Muse Glimmer 30B	75,5 %
GPT-5.5	75,3 %
MiniMax-M3	74,2 %
Inkling	74,1 %
DeepSeek-V4-Pro (Preview)	73,6 %
GLM-5.1	71,8 %
DeepSeek V4 Flash	69 %
MiniMax M2.7	49,4 %

Vergleich von LLMs im Benchmark MCP-Atlas. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	91,59 %
GPT-5.6 Sol	89,1 %
MiniMax M2.1	88 %
Qwen3.5-397B-A17B	87,8 %
DeepSeek-V4-Pro (Preview)	87,5 %
Kimi K2.5 (Thinking)	87,1 %
GPT-5.6 Terra	86,66 %
Grok-4	86,6 %
DeepSeek V4 Flash	86,2 %
Gemma 4 31B	85,2 %
DeepSeek-R1-0528	85 %
Kimi K2 Thinking	84,6 %
GLM-4.5	84,6 %
Qwen3 235B A22B Thinking 2507	84,4 %
GLM-4.7	84,3 %
Nemotron 3 Super	83,73 %
MiniMax-M2	82 %
GLM-4.5 Air	81,4 %
Qwen3 30B A3B Instruct 2507	78,4 %
Gemma 3	67,5 %

Vergleich von LLMs im Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMMLU. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Mythos Preview	92,7 %
Claude Opus 4.7	91,5 %
DeepSeek-V4-Pro (Preview)	90,3 %
DeepSeek V4 Flash	88,8 %
Gemma 4 31B	88,4 %

Vergleich von LLMs im Benchmark MMMLU. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SimpleQA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
DeepSeek-V4-Pro (Preview)	57,9 %
DeepSeek V4 Flash	34,1 %

Vergleich von LLMs im Benchmark SimpleQA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Multilingual. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	89,5 %
Claude Mythos Preview	87,3 %
Claude Opus 4.8	84,4 %
Laguna S 2.1	78,5 %
Claude Sonnet 5	78,3 %
Grok 4.5	78 %
Kimi K2.6	76,7 %
MiniMax M2.7	76,5 %
DeepSeek-V4-Pro (Preview)	76,2 %
DeepSeek V4 Flash	73,3 %

Vergleich von LLMs im Benchmark SWE-bench Multilingual. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	80 %
Claude Opus 5	79,2 %
Fugu Ultra	73,7 %
Claude Opus 4.8	69,2 %
Qwen 3.8 Max	67,7 %
Grok 4.5	64,7 %
GPT-5.6 Sol	64,6 %
GPT-5.6 Terra	63,4 %
Claude Sonnet 5	63,2 %
GPT-5.6 Luna	62,7 %
GLM-5.2	62,1 %
Muse Spark 1.1	61,5 %
Laguna S 2.1	59,4 %
MiniMax-M3	59 %
Gemini 3.6 Flash	58,7 %
Inkling-Small	55,9 %
Inkling	54,3 %
Gemini 3.5 Flash-Lite	54,2 %
DeepSeek V4 Flash	52,6 %
Muse Glimmer 30B	51,2 %

Vergleich von LLMs im Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Verified. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	96,2 %
Claude Opus 5	96 %
Claude Fable 5	95 %
Claude Mythos Preview	93,9 %
Claude Opus 4.8	88,6 %
Claude Opus 4.7	87,6 %
Claude Sonnet 5	85,2 %
DeepSeek-V4-Pro (Preview)	80,6 %
Gemini 3.1 Pro	80,6 %
MiniMax-M3	80,5 %
Inkling-Small	80,2 %
Kimi K2.6	80,2 %
MiniMax M2.7	79,9 %
Claude Sonnet 4.6	79,6 %
DeepSeek V4 Flash	79 %
Inkling	77,6 %
Muse Spark	77,4 %
Qwen3.5-397B-A17B	76,4 %
Muse Glimmer 30B	76 %
GPT-5.6 Terra	75,2 %

Vergleich von LLMs im Benchmark SWE-bench Verified. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.0. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.5	82,7 %
Claude Mythos Preview	82 %
GPT-5.3-Codex	77,3 %
GPT-5.4	75,1 %
Claude Opus 4.7	69,4 %
Gemini 3.1 Pro	68,5 %
DeepSeek-V4-Pro (Preview)	67,9 %
Kimi K2.6	66,7 %
Claude Opus 4.6	65,4 %
GLM-5.1	63,5 %
Claude Sonnet 4.6	59,1 %
Muse Spark	59 %
MiniMax M2.7	57 %
DeepSeek V4 Flash	56,9 %
GLM-5	56,2 %
Qwen3.5-397B-A17B	52,5 %
MiniMax M2.5	51,7 %
GPT-5.4 nano	46,3 %
GPT-5.4 mini	38,2 %
Nemotron 3 Super	31 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.0. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Sparse MoE mit 256 Routed Experts, von denen pro Token 6 aktiv sind (13 Mrd. von 284 Mrd. Parametern aktiv), bei 43 Layern. Die hybride Attention kombiniert Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA) für effizientes…
Input Kontextlänge	1 Mio.
Output Kontextlänge	384k
Tokenizer	Byte-Pair-Encoding-Tokenizer mit einem Vokabular von 129.280 Token.

Besonderheiten

Hybrid Attention (CSA + HCA)	Kombiniert Compressed Sparse Attention und Heavily Compressed Attention, um lange Kontexte effizient zu verarbeiten.
Drei Reasoning-Modi	non-think für schnelle Antworten, think high für bewusste Analyse und think max für die volle Reasoning-Tiefe.
1M-Token-Kontext mit Context Caching	Verarbeitet bis zu 1 Mio. Token pro Prompt; wiederkehrender Kontext wird über Context Caching automatisch gecacht.
Open Weights & Agent-Integration	Vollständig offene Gewichte unter MIT-Lizenz; OpenAI-ChatCompletions- und Anthropic-kompatible API mit Tool-Calls.

Vorteile & Nachteile

Vorteile

Sehr günstiger Preis bei riesigem Kontext
Mit $0,14 / $0,28 pro 1 Mio. Input-/Output-Token und 1 Mio. Token Kontext ist Flash rund dreimal billiger als V4 Pro ($0,435 / $0,87). Cache-Hits drücken den Input über Context Caching auf $0,0028 pro 1 Mio. Token.
Hohe Inferenz-Effizienz durch Hybrid-Attention
Die Kombination aus CSA und HCA senkt laut DeepSeek bei 1 Mio. Token den Rechenaufwand auf rund 10 % der Single-Token-FLOPs und 7 % des KV-Cache gegenüber V3.2 – das macht lange Kontexte bezahlbar.
Open Weights unter MIT-Lizenz
Die Gewichte sind vollständig offen auf Hugging Face, kommerziell nutzbar und lokal deploybar (FP4+FP8). Fine-Tuning ist damit ohne Lizenzhürden möglich.
Effizient trotz weniger aktiver Parameter
DeepSeek gibt an, dass V4 Flash-Base den Vorgänger V3.2-Base übertrifft, obwohl pro Token nur 13 Mrd. statt rund dreimal so viele Parameter aktiv sind.

Nachteile

Keine Vision oder Multimodalität
Trotz der Gateway-Tags "vision" und "file-input" verarbeitet V4 Flash zum Start offiziell nur Text und Code. Für Bild-, Video- oder Audio-Input brauchst du ein anderes Modell.
Schwächer als V4 Pro
Als Effizienzvariante mit 13 Mrd. aktiven Parametern liegt Flash bei anspruchsvollen Coding- und Reasoning-Aufgaben unter dem 1,6-Bio.-Modell V4 Pro (49 Mrd. aktiv); ausführliche Benchmarks veröffentlichte DeepSeek vor allem für Pro.
Hoher Hardware-Bedarf beim Self-Hosting
Die 284 Mrd. Gesamtparameter erfordern trotz MoE-Sparsity Datacenter-GPUs oder Multi-GPU-Setups; ein lokaler Betrieb auf einzelner Consumer-Hardware ist nicht realistisch.
China-Hosting und intransparente Eckdaten
Die offizielle API läuft über DeepSeek in China – für sensible Daten ist Self-Hosting der offenen Gewichte nötig. Knowledge Cutoff und Flash-spezifische Benchmarks hat DeepSeek nicht veröffentlicht.

Vergleiche DeepSeek V4 Flash mit anderen LLMs

Vergleiche DeepSeek V4 Flash mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
DeepSeek AI	DeepSeek V4 Flash	MIT	40	1 Mio.	384k	0,14 $	0,28 $	23.04.2026
Meta AI	Muse Glimmer 30B	Apache 2.0	35,1	131,07k	131,07k	0,35 $	1,50 $	10.08.2026
Meta AI	Muse Spark 1.2	Proprietär	54,1	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	05.08.2026
Alibaba	Qwen 3.8 Max	Proprietär	–	1 Mio.	128k	2,00 $	6,00 $	02.08.2026
DeepSeek AI	DeepSeek V4 Flash	MIT	49,9	1 Mio.	384k	0,14 $	0,28 $	31.07.2026
Thinking Machines Lab	Inkling Small	Apache 2.0	40	1 Mio.	1 Mio.	0,50 $	1,20 $	30.07.2026
Anthropic	Claude Opus 5	Proprietär	61	1 Mio.	128k	5,00 $	25,00 $	24.07.2026
Google DeepMind	Gemini 3.5 Flash Lite	Proprietär	36,5	1 Mio.	65,54k	0,30 $	2,50 $	21.07.2026
Google DeepMind	Gemini 3.6 Flash	Proprietär	50,1	1 Mio.	64k	1,50 $	7,50 $	21.07.2026
Poolside	Laguna S 2.1	Open Model License	–	1,05 Mio.	131,07k	0,10 $	0,20 $	20.07.2026
DeepSeek AI	DeepSeek-v3.2 Speciale	MIT	–	131,07k	64k	0,28 $	0,42 $	01.12.2025

Inklusive Vorgänger DeepSeek-v3.2 Speciale — zusätzlich zu den 10 neuesten Modellen.

‌
Alle Modelle vergleichen

DeepSeek V4 Flash ausprobieren

Du musst kein Entwickler sein: DeepSeek V4 Flash ist auch direkt in DeepSeek AI nutzbar.

DeepSeek AI

Provider & APIs

Du kannst DeepSeek AI DeepSeek V4 Flash über die API folgender Anbieter nutzen.

DeepInfraGünstigster
Prompt CachingZero Data RetentionDaten: Verarbeitung primär in US-Rechenzentren. DeepInfra betreibt eine strikte Zero-Retention-Policy: Eingaben, Ausgaben und Nutzerdaten werden nicht gespeichert und nicht zum Modelltraining verwendet. SOC-2- und ISO-27001-zertifiziert, mit technischen und organisatorischen Maßnahmen für DSGVO und HIPAA. Eine garantierte EU-Datenresidenz wird nicht zugesichert; für DSGVO-relevante Workloads die Auftragsverarbeitungs-Bedingungen prüfen.SOC2ISO-27001GDPRHIPAA
Zu DeepInfra
Token (in)
Unbekannt
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
0,14 $
USD / 1M Output
0,28 $
Throughput
Unbekannt
Novita AIGünstigster
Free-TierPrompt CachingBatch APIDaten: Betrieb über globale Cloud-Infrastruktur (u. a. AWS) mit Rechenzentren in mehreren Regionen, darunter USA, EU (Deutschland), Asien-Pazifik und Naher Osten. Eine garantierte EU-Datenresidenz für die Inference-API wird nicht zugesichert; laut Datenschutzerklärung werden Personendaten jedoch nicht zum Modelltraining verwendet. Für DSGVO-relevante Workloads die Auftragsverarbeitungs-Bedingungen prüfen.SOC2ISO-27001HIPAAGDPR
Zu Novita AI
Token (in)
Unbekannt

‌
‌
‌

Häufige Fragen zu DeepSeek V4 Flash

Kann ich DeepSeek V4 Flash kostenlos nutzen?

Ja, DeepSeek V4 Flash ist in DeepSeek AI auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist DeepSeek V4 Flash Open Source?

DeepSeek V4 Flash wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht DeepSeek V4 Flash?

DeepSeek V4 Flash verarbeitet folgende Eingabeformate: Text.

Was kostet DeepSeek V4 Flash über die API?

Über die API kostet DeepSeek V4 Flash 0,14 $ pro 1 Mio. Input-Token und 0,28 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von DeepSeek V4 Flash?

DeepSeek V4 Flash verarbeitet bis zu 1 Mio. Token in einer Anfrage.

Was ist der Vorgänger von DeepSeek V4 Flash?

Der direkte Vorgänger von DeepSeek V4 Flash ist DeepSeek-v3.2 Speciale (erschienen Dezember 2025). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.

DeepSeek V4 Flash Modell-Übersicht

Features & Modalitäten

Details zum Modell