DeepSeek-V4-Pro Modell-Übersicht

DeepSeek-V4-Pro (Preview) ist ein Flaggschiff-Modell von DeepSeek AI, das am 24. April 2026 veröffentlicht wurde. Mit 1,6 Billionen Gesamtparametern (49 Milliarden aktiv) in einer Mixture-of-Experts-Architektur und einem nativen 1-Million-Token-Kontextfenster gehört es zu den größten Open Weights Modellen. Das Modell kombiniert Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA) zu einem hybriden Attention-Mechanismus, der bei 1M-Token-Kontext nur 27% der Inference-FLOPs und 10% des KV-Cache von DeepSeek-V3.2 benötigt. Bei der Nutzung gibt es drei verschiedene Reasoning-Modi. DeepSeek-V4-Pro sollte die Lücke zu Frontier-Modellen wie GPT-5.5 und Claude Opus 4.7 schließen, enttäusche allerdings und fiel in vielen Benchmarks sogar hinter andere Open Source Modelle wie z.B. Kimi-K2.6.

Playground API Dokumentation Hugging Face System Card Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

1 Mio. Token

384k Token

32.000 Mrd.

1.600 Mrd.

$1.74

$3.48

129,28k

805,33 GB

DeepSeek-V4-Pro Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

DeepSeek-V4-Pro Benchmark Übersicht

BrowseComp

GDPval-AA

GPQA Diamond

LiveCodeBench

MMLU-Pro

SWE-bench Verified

DeepSeek-V4-Pro Performance im Vergleich zu anderen Modellen

Benchmark	DeepSeek-V4-Pro	DeepSeek-v3.2	GPT-5.5	Kimi K2.6	Claude Opus 4.7	Muse Spark	GLM-5.1
BrowseCompBrowseComp	83,4 %	—	84,4 %	83,2 %	79,3 %	—	68 %
GDPval-AAGDPval-AA	1.619 ELO	—	—	—	—	1.444 ELO	—
GPQA DiamondGPQA Diamond	90,1 %	82,4 %	93,6 %	90,5 %	94,2 %	89,5 %	86,2 %
LiveCodeBenchLiveCodeBench	93,5 %	83,3 %	—	89,6 %	—	80 %	—
MMLU-ProMMLU-Pro	87,5 %	—	—	—	—	—	—
SWE-bench VerifiedSWE-bench Verified	80,6 %	—	—	80,2 %	87,6 %	77,4 %	—

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.5	84,4 %
DeepSeek-V4-Pro (Preview)	83,4 %
Kimi K2.6	83,2 %
Claude Opus 4.7	79,3 %
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
DeepSeek-V4-Pro (Preview)	1.619 %
Muse Spark	1.444 %

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
Claude Mythos Preview	94,5 %
Gemini 3.1 Pro	94,3 %
Claude Opus 4.7	94,2 %
GPT-5.5	93,6 %
GPT-5.4	92,8 %
Claude Opus 4.6	91,3 %
Kimi K2.6	90,5 %
DeepSeek-V4-Pro (Preview)	90,1 %
Claude Sonnet 4.6	89,9 %
Muse Spark	89,5 %
Kimi K2.5 (Thinking)	87,6 %
Gemini 3.1 Flash-Lite	86,9 %
GLM-5.1	86,2 %
GLM-5	86 %
GLM-4.7	85,7 %
MiniMax M2.5	85,2 %
Gemma 4 31B	84,3 %
MiniMax M2.1	83 %
GPT-5.4 nano	82,83 %
GPT-5.4 mini	81,57 %

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 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 %
Kimi K2.6	89,6 %
DeepSeek-v3.2 Speciale	88,7 %
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 %
GLM-4.6	82,8 %
Nemotron 3 Super	81,19 %
MiniMax M2.1	81 %
Muse Spark	80 %
Gemma 4 31B	80 %
GLM-4.5	72,9 %
Gemini 3.1 Flash-Lite	72 %
GLM-4.5 Air	70,7 %
Kimi K2 (0905)	53,7 %
Qwen3 30B A3B Instruct 2507	43,2 %

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 MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
MiniMax M2.1	88 %
Qwen3.5-397B-A17B	87,8 %
DeepSeek-V4-Pro (Preview)	87,5 %
Kimi K2.5 (Thinking)	87,1 %
Grok-4	86,6 %
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 SWE-bench Verified. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Mythos Preview	93,9 %
Claude Opus 4.7	87,6 %
Claude Opus 4.5	80,9 %
Claude Opus 4.6	80,8 %
DeepSeek-V4-Pro (Preview)	80,6 %
Gemini 3.1 Pro	80,6 %
Kimi K2.6	80,2 %
MiniMax M2.5	80,2 %
GPT-5.2	80 %
Claude Sonnet 4.6	79,6 %
GLM-5	77,8 %
Muse Spark	77,4 %
Kimi K2.5 (Thinking)	76,8 %
Qwen3.5-397B-A17B	76,4 %
GPT-5.1	76,3 %
Gemini 3 Pro	76,2 %
MiniMax M2.1	74 %
GLM-4.7	73,8 %
Kimi K2 Thinking	71,3 %
MiniMax-M2	69,4 %

Vergleich von LLMs im Benchmark SWE-bench Verified. 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	DeepSeek V4 Tokenizer (encoding_dsv4)

Besonderheiten

1 Mio. Token-Kontextfenster	DeepSeek V4 kann bis zu 1 Mio. Input-Tokens verarbeiten

Vorteile & Nachteile

Vorteile

Gute Benchmark Ergebnisse
DeepSeek V4 Pro erreicht 93.5% im LiveCodeBench (vor Gemini 3.1 Pro mit 91.7% und Claude Opus 4.7 mit 88.8%) sowie 80.6% bei SWE-Bench Verified mit nur ~14% der Kosten von GPT-5.5.
Größtes Open-Weights-Modell weltweit
DeepSeek V4 hat 1,6 Billionen Parameter und wurde vollständig unter MIT-Lizenz auf Hugging Face verfügbar gemacht. Das Modell lässt sich lokal deployen und ohne Internetverbindung verwenden, passende Hardware vorausgesetzt.
Drei wählbare Reasoning-Modi
Non-Think, Think High und Think Max erlauben pro Request die Wahl der Reasoning-Tiefe für mehr Einfluss auf Latenz und Tokenverbrauch.

Nachteile

DeepSeek V4 bleibt hinter den Erwartungen zurück
Sowohl in den Benchmarks, als auch in subjektiven Tests bleibt DeepSeek V4 hinter den (hohen) Erwartungen an das Modell zurück. Der Vorsprung führender (proprietärer) US-Modelle scheint sich zum Veröffentlichungszeitpunkt zu vergrößern und viele Open-Source Nutzer greifen eher auf Kimi-K2.6 oder GLM-5.1 zurück.
Kein Multimodal-Support
DeepSeek V4 ist aktuell ein rein textbasiertes LLM. Für die Verarbeitung von Bildern, Audio oder Video sind zusätzliche Modelle notwendig.

Vergleiche DeepSeek-V4-Pro mit anderen LLMs

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

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
DeepSeek AI	DeepSeek-V4-Pro	MIT	1.600 Mrd.	1 Mio.	384k	$1.74	$3.48	24.04.2026
OpenAI	GPT-5.5	Proprietär	Unbekannt	1,05 Mio.	128k	$5.00	$30.00	23.04.2026
Moonshot AI	Kimi K2.6	MIT	1.000 Mrd.	262,14k	262,14k	$0.75	$3.50	20.04.2026
Anthropic	Claude Opus 4.7	Proprietär	Unbekannt	1 Mio.	128k	$5.00	$25.00	16.04.2026
Meta AI	Muse Spark	Proprietär	Unbekannt	262k	unbekannt	unbekannt	unbekannt	08.04.2026
Z.ai	GLM-5.1	MIT	744 Mrd.	202,75k	128k	$1.40	$4.40	07.04.2026
Anthropic	Claude Mythos	Proprietär	Unbekannt	1 Mio.	128k	$25.00	$125.00	07.04.2026
Google DeepMind	Gemma 4	Apache 2.0	30,7 Mrd.	262,14k	131,07k	$0.14	$0.40	02.04.2026
MiniMax	MiniMax M2.7	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	18.03.2026
OpenAI	GPT-5.4 nano	Proprietär	Unbekannt	400k	128k	$0.20	$1.25	17.03.2026

‌
Alle Modelle vergleichen

Provider & APIs

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

Das Modell ist derzeit bei keinen Anbietern verfügbar.