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 & Modalitäten

Nicht verfügbar

Multimodalität

Verfügbar

ReasoningToolsWebsucheStrukturierte AusgabenQuellenangabenFinetuning

Input:Text

Output:TextJson

Details zum Modell

1 Mio. Token

384k Token

1,74 $

0,87 $

1.600 Mrd.

805,33 GB

129,28k

32.000 Mrd.

Kosten berechnen Geschwindigkeit testen

DeepSeek-V4-Pro Benchmark Scores

Auf einen Blick

44 Pkt.Rang 14 von 19

Stärken

TopCybersecurity

Top 3Programmierung

Top 3Wissen & Sprache

DeepSeek-V4-Pro Benchmark Übersicht

DeepSeek-V4-Pro Performance im Vergleich zu anderen KI-Modellen

Benchmark	DeepSeek-V4-Pro	DeepSeek V4 Flash	DeepSeek V4 Flash	GPT-5.5	Gemini 3.5 Flash	Muse Glimmer 30B	Muse Spark 1.2
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	44 Pkt.	40 Pkt.	49,9 Pkt.

Ergebnisse in Benchmarks

Benchmark auswählen

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-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 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 %
DeepSeek-V4-Pro (Preview)	55,4 %
Inkling	54,3 %
Gemini 3.5 Flash-Lite	54,2 %
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-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, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
DeepSeek AI	DeepSeek-V4-Pro	MIT	44	1 Mio.	384k	1,74 $	0,87 $	24.04.2026
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

‌
Alle Modelle vergleichen

DeepSeek-V4-Pro ausprobieren

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

DeepSeek AI

Provider & APIs

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

Das Modell ist derzeit bei keinen Anbietern verfügbar.

Häufige Fragen zu DeepSeek-V4-Pro

Kann ich DeepSeek-V4-Pro kostenlos nutzen?

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

Ist DeepSeek-V4-Pro Open Source?

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

Welche Eingabeformate versteht DeepSeek-V4-Pro?

DeepSeek-V4-Pro verarbeitet folgende Eingabeformate: Text.

Was kostet DeepSeek-V4-Pro über die API?

Über die API kostet DeepSeek-V4-Pro 1,74 $ pro 1 Mio. Input-Token und 0,87 $ 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-Pro?

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

Was ist der Vorgänger von DeepSeek-V4-Pro?

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

DeepSeek-V4-Pro Modell-Übersicht

Features & Modalitäten

Details zum Modell