DeepSeek V4 Flash 0731 Modell-Übersicht

DeepSeek V4 Flash 0731 ist eine neue Version von DeepSeek V4-Flash, die die Preview-Version aus April 2026 ablöst. Laut Entwickler blieben Architektur und Größe unverändert (Mixture-of-Experts mit 284 Mrd. Parametern, davon ~13 Mrd. aktiv pro Token), über erneutes Post-Training, wurde allerdings ein riesiger Sprung in Benchmark-Scores, v.a. für Agentic- und Coding-Tasks erreicht. Das Modell lässt sich also in guter Geschwindigkeit bereits auf zwei NVIDIA Spark DGX ausführen, einem Setup, das man sich theoretisch Zuhause gut einrichten könnte. In Terminal-Bench 2.1 erreicht das Modell 82,7 % und liegt damit über GLM-5.2 (81,0 %) und nahe an Claude Opus 4.8 (85,0 %). Der große Sprung ließ viele Leute aus der AI Community spekulieren, dass es sich um "Benchmark-Maxxing" handeln könnte, also das gezielte Training auf Aufgaben aus den Benchmarks. Bislang konnte sich das aber noch nicht bestätigen. Mit $0.14 / $0.28 pro 1 Mio. Input-/Output-Token und einem Kontextfenster von 1 Mio. Token positioniert sich das Modell als günstige API-Alternative zum großen Bruder, DeepSeek-V4 Pro. Damit unterbietet das Modell sogar das vergleichbare GPT-5.6 Luna (max), dessen Preis OpenAI einen Tag vor Veröffentlichung von V4-Flash noch um 80% reduziert hatte.

Playground API-Dokumentation Hugging Face Technischer Report

Features & Modalitäten

Nicht verfügbar

Multimodalität

Verfügbar

ReasoningToolsWebsucheStrukturierte AusgabenQuellenangabenFinetuning

Input:Text

Output:TextJson

Details zum Modell

1 Mio. Token

384k Token

0,14 $

0,28 $

284 Mrd.

155,43 GB

129,28k

Kosten berechnen Geschwindigkeit testen

DeepSeek V4 Flash 0731 Benchmark Scores

Auf einen Blick

49,9 Pkt.Rang 13 von 19

1.436 ELORang 1 von 1

Stärken

TopLogik & Schlussfolgerung

DeepSeek V4 Flash 0731 Benchmark Übersicht

DeepSeek V4 Flash 0731 Performance im Vergleich zu anderen KI-Modellen

Benchmark	DeepSeek V4 Flash 0731	DeepSeek-V4-Pro	Inkling Small	Qwen 3.8 Max	Muse Glimmer 30B	Muse Spark 1.2	Claude Opus 5
AA-OmniscienceWissen & Sprache	-15,7 Pkt.	—	-9 Pkt.	—	-32,9 Pkt.	21,5 Pkt.	0,5 Pkt.
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	49,9 Pkt.	44 Pkt.	40 Pkt.	—	35,1 Pkt.	54,1 Pkt.	61 Pkt.
GDPval-AAAgentische Aufgaben	1.558,6 ELO	1.554 ELO	1.269 ELO	—	953 ELO	1.631 ELO	1.861 ELO
GPQA DiamondWissen & Sprache	90,8 %	90,1 %	89,5 %	92,6 %	83,5 %	90,4 %	93,4 %
Humanity's Last ExamWissen & Sprache	36,8 %	37,7 %	31,6 %	43,6 %	22 %	43,9 %	56,3 %
Terminal-Bench 2.1Programmierung	82,7 %	—	64,7 %	86,6 %	51,7 %	82,9 %	84,6 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AA-Omniscience. Der niedrigste Score im Benchmark ist -100 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3.1 Pro	33 %
Grok 4.5	26,4 %
Gemini 3.6 Flash	23,5 %
Muse Spark 1.2	21,53 %
Claude Opus 4.6	14 %
Claude Sonnet 4.6	12 %
GPT-5.3-Codex	10 %
Gemini 3.5 Flash-Lite	6,9 %
GPT-5.4	6 %
Inkling	2,1 %
MiniMax M2.7	1 %
Claude Opus 5	0,49 %
GLM-5	-1 %
Kimi K2.5 (Thinking)	-8 %
Inkling-Small	-9 %
DeepSeek V4 Flash 0731	-15,7 %
GPT-5.6 Terra	-21,67 %
Muse Glimmer 30B	-32,85 %
Qwen3.5-397B-A17B	-36 %
MiniMax M2.5	-40 %

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

Darstellung der Rohdaten für den Benchmark Arena.ai. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
DeepSeek V4 Flash 0731	1.436 %

Vergleich von LLMs im Benchmark Arena.ai. 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 CyberGym. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	84,5 %
GPT-5.6 Terra	81,8 %
GPT-5.5	81,8 %
Claude Opus 4.8	78,8 %
GPT-5.6 Luna	77,9 %
DeepSeek V4 Flash 0731	76,7 %
Claude Opus 4.7	73,1 %
GLM-5.1	68,7 %
Muse Spark 1.1	59 %
Claude Sonnet 5	52,7 %

Vergleich von LLMs im Benchmark CyberGym. 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-Pro (Preview)	37,7 %
DeepSeek V4 Flash 0731	36,8 %
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 Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	88,8 %
Kimi K3	88,3 %
GPT-5.6 Terra	87,4 %
Qwen 3.8 Max	86,6 %
GPT-5.6 Luna	84,7 %
Claude Opus 5	84,64 %
Claude Fable 5	84,3 %
Grok 4.5	83,3 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
GLM-5.2	82,7 %
Fugu Ultra	82,1 %
Claude Sonnet 5	80,4 %
Muse Spark 1.1	80 %
Gemini 3.6 Flash	78 %
Laguna S 2.1	70,2 %
Inkling-Small	64,7 %
Inkling	63,8 %
Gemini 3.5 Flash-Lite	54 %
Muse Glimmer 30B	51,7 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Sparse MoE-Transformer
Input Kontextlänge	1 Mio.
Output Kontextlänge	384k
Tokenizer	Unbekannt

Besonderheiten

Responses API & Codex-Kompatibilität	Nativ OpenAI-Responses-API-Format plus /anthropic-Endpoint

Vorteile & Nachteile

Vorteile

Sehr günstiges Pricing
Mit $0.14 / $0.28 pro 1 Mio. Input-/Output-Token unterbietet das Modell vergleichbar intelligente LLMs deutlich! Über die API kosten Cache-Hits sogar nur $0,0028 und das Modell lässt sich sogar mit Token-Geschwindigkeiten von bis zu 75 Tokens/s auf 2 NVIDIA Spark DGX Geräten ausführen.
Starke Agentic- und Coding-Leistung
Trotz der kleinen Größe erreicht DeepSeek V4-Flash ca. 82,7 % in Terminal-Bench 2.1 und liegt damit über dem großen GLM-5.2 (81,0 %) und nahe an Claude Opus 4.8 (85,0 %). Der Sprung ist so groß, dass Benchmark Maxxing, zumindest in Teilen, vermutet werden kann.
Großes Kontextfenster
Bis zu 1 Mio. Token Input und bis zu 384K Token Output erlauben lange Loops und Tool-lastige Aufgaben ohne Kontext-Splitting oder Compaction.
Effiziente MoE-Architektur
Von den ~284 Mrd. Parametern sind pro Token-Generierung nur ~13 Mrd. aktiv, was die lokale Ausführung auf eigener Hardware ermöglicht.
Open Weights Modell
DeepSeek veröffentlicht die Gewichte frei unter einer MIT-Lizenz auf Hugging Face, sodass sich das Modell lokal und kommerziell nutzen lässt.

Nachteile

Nur Text, keine Multimodalität
Das Modell verarbeitet ausschließlich Text – für Bild-, Audio- oder Video-Eingaben ist es nicht ausgelegt.
Benchmark-Maxxing befürchtet
Zum Zeitpunkt der Veröffentlichung des Modells wurden noch keine Benchmark-Ergebnisse von DeepSeek unabhängig bestätigt. Der Sprung von der Preview-Version ist so groß, dass sich erst noch herausstellen muss, ob das zusätzliche Post-Training zu diesem großen Intelligenz-Sprung führen konnte.
Geplantes Peak-Pricing
DeepSeek hat ein dynamisches Preismodell angekündigt, das die Preise während der Stoßzeiten (zu Peking-Zeit) verdoppelt. Dies bezieht sich allerdings nur auf die DeepSeek API und nicht auf die anderer Inferenz-Anbieter.

Vergleiche DeepSeek V4 Flash 0731 mit anderen LLMs

Vergleiche DeepSeek V4 Flash 0731 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	49,9	1 Mio.	384k	0,14 $	0,28 $	31.07.2026
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
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
Moonshot AI	Kimi K3	Unbekannt	57	1,05 Mio.	131,07k	3,00 $	15,00 $	16.07.2026
DeepSeek AI	DeepSeek-V4-Pro	MIT	44	1 Mio.	384k	1,74 $	0,87 $	24.04.2026

Inklusive Vorgänger DeepSeek-V4-Pro — zusätzlich zu den 10 neuesten Modellen.

‌
Alle Modelle vergleichen

DeepSeek V4 Flash 0731 ausprobieren

Du musst kein Entwickler sein: DeepSeek V4 Flash 0731 ist auch direkt in DeepSeek AI nutzbar.

DeepSeek AI

Provider & APIs

Du kannst DeepSeek AI DeepSeek V4 Flash 0731 über die API folgender Anbieter nutzen.

DeepInfra
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
0,09 $
USD / 1M Output
0,18 $
Throughput
Unbekannt

‌
‌
‌

Häufige Fragen zu DeepSeek V4 Flash 0731

Kann ich DeepSeek V4 Flash 0731 kostenlos nutzen?

Ja, DeepSeek V4 Flash 0731 ist in DeepSeek AI auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist DeepSeek V4 Flash 0731 Open Source?

DeepSeek V4 Flash 0731 wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht DeepSeek V4 Flash 0731?

DeepSeek V4 Flash 0731 verarbeitet folgende Eingabeformate: Text.

Was kostet DeepSeek V4 Flash 0731 über die API?

Über die API kostet DeepSeek V4 Flash 0731 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 0731?

DeepSeek V4 Flash 0731 verarbeitet bis zu 1 Mio. Token in einer Anfrage.

Was ist der Vorgänger von DeepSeek V4 Flash 0731?

Der direkte Vorgänger von DeepSeek V4 Flash 0731 ist DeepSeek-V4-Pro (erschienen April 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.

DeepSeek V4 Flash 0731 Modell-Übersicht

Features & Modalitäten

Details zum Modell