DeepSeek V4.1 Flash Modell-Übersicht

DeepSeek V4.1 Flash ist das neue kompakte Modell von DeepSeek und der Nachfolger von DeepSeek V4 Flash 0731, veröffentlicht am 10. September 2026 als Open Weights Modell unter MIT-Lizenz. Neu ist vor allem die Architektur: Statt eines klassischen Decoder-only-Transformers nutzt V4.1 Flash als erstes DeepSeek-Modell einen Causal Encoder-Decoder (CED). Von den 552 Mrd. Parametern sind beim Einlesen nur 8 Mrd., beim Generieren 16 Mrd. aktiv, und der KV-Cache schrumpft auf ein Viertel von V4 Flash. Dazu kommt native Bildverarbeitung über einen gemeinsam mit dem Sprachmodell trainierten Vision-Encoder. In Terminal-Bench 2.1 steigt der Wert laut DeepSeek von 82,7 % auf 90,6 %. Mit $0,15 / $0,60 pro 1 Mio. Input-/Output-Token (Off-Peak) bleibt das Modell sehr günstig, zu Peak-Zeiten verdoppeln sich die Preise allerdings. Nach unserer Einschätzung macht die CED-Architektur V4.1 Flash besonders für input-lastige KI-Agenten mit langen Kontexten interessant. Die Benchmark-Werte stammen bislang aber ausschließlich aus DeepSeeks eigenem Technical Report.

Playground API Dokumentation Hugging Face Technischer Report Blog

Features & Modalitäten

Nicht verfügbar

WebsucheQuellenangabenFinetuning

Verfügbar

ReasoningToolsMultimodalitätStrukturierte Ausgaben

Input:TextBild

Output:TextJson

Details zum Modell

1 Mio. Token

384k Token

0,15 $

0,60 $

552 Mrd.

45.000 Mrd.

Kosten berechnen Geschwindigkeit testen

DeepSeek V4.1 Flash Benchmark Scores

Stärken

TopLogik & Schlussfolgerung

Top 3Programmierung

Top 3Cybersecurity

DeepSeek V4.1 Flash Benchmark Übersicht

DeepSeek V4.1 Flash Performance im Vergleich zu anderen KI-Modellen

Benchmark	DeepSeek V4.1 Flash	DeepSeek-V4-Pro	GPT-6 Astra	Grok 4.7	GPT-6 Sol	GPT-6 Luna	Claude Opus 5.5
CyberGymCybersecurity	88,1 %	83,3 %	—	—	—	—	—
GPQA DiamondWissen & Sprache	90,9 %	92,8 %	96 %	—	—	—	—
Humanity's Last ExamWissen & Sprache	36,8 %	42,7 %	57,2 %	43,1 %	—	—	67,7 %
MMMU-ProMultimodalität	56,5 %	—	86,9 %	—	—	—	87,7 %
Terminal-Bench 2.1Programmierung	90,6 %	87,9 %	88,4 %	76 %	—	—	—

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AIME 2026. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
DeepSeek V4.1 Flash	100 %
GLM-5.2	99,2 %
Inkling	97,1 %
Kimi K2.6	96,4 %
Inkling-Small	95,5 %
GLM-5.1	95,3 %
Muse Glimmer 30B	94,7 %
Gemma 4 31B	89,2 %

Vergleich von LLMs im Benchmark AIME 2026. 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
MiMo V2.6 Flash	95,1 %
MiMo V2.6 Pro	94 %
DeepSeek V4.1 Flash	88,1 %
GLM-5.3	84,5 %
GPT-5.6 Sol	84,5 %
DeepSeek V4 Pro 0813	83,3 %
GPT-5.6 Terra	81,8 %
GPT-5.5	81,8 %
Claude Opus 4.8	78,8 %
Tencent Hy4 Preview	78,4 %
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 GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-6 Astra	96 %
Gemini 3.8 Flash	95,25 %
Grok 4.6	94,95 %
Claude Fable 5.1	93,7 %
Kimi K3	93,5 %
Claude Opus 5	93,43 %
DeepSeek V4 Pro 0813	92,8 %
Gemini 3.6 Flash	92,8 %
Qwen 3.8 Max	92,6 %
Qwen3.8 2.4T A95B	92,6 %
Tencent Hy4 Preview	92,3 %
GLM-5.3	91,7 %
DeepSeek V4.1 Flash	90,9 %
DeepSeek V4 Flash 0731	90,8 %
Muse Spark 1.2	90,4 %
Inkling-Small	89,5 %
Qwen3.8 27B	89,2 %
Gemini 3.5 Flash-Lite	83,8 %
Muse Glimmer 30B	83,5 %
Nemotron 3.5 Lightning 30B	75,44 %

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 5.5	67,7 %
GLM-5.3	62,5 %
Claude Fable 5.1	60,9 %
GPT-6 Astra	57,2 %
Claude Opus 5	56,3 %
MiMo V2.6 Pro	49,35 %
Gemini 3.8 Flash	47,82 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Qwen3.8 2.4T A95B	43,6 %
Tencent Hy4 Preview	43,4 %
Grok 4.7	43,14 %
Grok 4.6	42,91 %
DeepSeek V4 Pro 0813	42,7 %
DeepSeek V4.1 Flash	36,8 %
DeepSeek V4 Flash 0731	36,8 %
Inkling-Small	31,6 %
Qwen3.8 27B	30,8 %
Muse Glimmer 30B	22 %
Nemotron 3.5 Lightning 30B	11,72 %

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 V4.1 Flash	94,1 %
DeepSeek-V4-Pro (Preview)	93,5 %
Fugu Ultra	93,2 %
DeepSeek V4 Flash	91,6 %
Qwen3.8 27B	90,3 %
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 %
GPT-5.6 Sol	82,6 %
Nemotron 3 Super	81,19 %
MiniMax M2.1	81 %
GLM-5.3	80,5 %
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 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 %
GLM-5.3	86,8 %
GPT-5.6 Terra	86,66 %
DeepSeek V4 Flash	86,2 %
Gemma 4 31B	85,2 %
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 %
Nemotron 3.5 Lightning 30B	81,94 %
GLM-4.5 Air	81,4 %
Qwen3 30B A3B Instruct 2507	78,4 %
DeepSeek V4.1 Flash	74,1 %

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 MMMU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	89,88 %
Claude Fable 5	89,31 %
Claude Opus 5.5	87,7 %
GPT-6 Astra	86,9 %
Gemini 3.5 Flash	83,6 %
Gemini 3.6 Flash	83,2 %
GPT-5.6 Sol	83 %
Qwen3.8 Max 0902	82,7 %
Qwen3.8 2.4T A95B	82,31 %
Qwen 3.8 Max	82,3 %
Kimi K3	81,6 %
GPT-5.6 Terra	80,7 %
Grok 4.5	80,4 %
Gemini 3.5 Flash-Lite	79 %
GPT-5.6 Luna	78,4 %
MiniMax-M3	78,1 %
Muse Glimmer 30B	74 %
Inkling-Small	74 %
Inkling	73,5 %
DeepSeek V4.1 Flash	56,5 %

Vergleich von LLMs im Benchmark MMMU-Pro. 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
Claude Fable 5.1	91,39 %
DeepSeek V4.1 Flash	90,6 %
MiMo V2.6 Pro	89,9 %
Gemini 3.8 Flash	89,4 %
Muse Spark 1.3	88,8 %
GPT-6 Astra	88,4 %
Grok 4.6	88,39 %
GLM-5.3	88,2 %
DeepSeek V4 Pro 0813	87,9 %
MiMo V2.6 Flash	87,6 %
Qwen 3.8 Max	86,6 %
Qwen3.8 2.4T A95B	86,6 %
Tencent Hy4 Preview	85,4 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
Grok 4.7	76,03 %
Qwen3.8 27B	73 %
Inkling-Small	64,7 %
Muse Glimmer 30B	51,7 %
Nemotron 3.5 Lightning 30B	24,58 %

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	Causal Encoder-Decoder (Sparse MoE)
Input Kontextlänge	1 Mio.
Output Kontextlänge	384k
Tokenizer	Unbekannt

Besonderheiten

Causal Encoder-Decoder (CED)	Trennt Einlesen und Generieren: 8 Mrd. aktive Parameter beim Prefill, 16 Mrd. beim Decode.
Komprimierter KV-Cache	FP4-KV-Cache und Cross-Layer-Attention-Reuse für effizienten Langkontext.
Reasoning-Effort von 1 bis 100	Die Reasoning-Tiefe lässt sich stufenlos als Ganzzahl einstellen.

Vorteile & Nachteile

Vorteile

Sehr günstiges Pricing
Mit $0,15 / $0,60 pro 1 Mio. Input-/Output-Token (Off-Peak) gehört V4.1 Flash zu den günstigsten multimodalen Modellen. Cache-Hits kosten sogar nur $0,003 pro 1 Mio. Input-Token.
Effiziente CED-Architektur
Nur 8 Mrd. aktive Parameter beim Einlesen und ein auf ein Viertel geschrumpfter KV-Cache machen input-lastige Agenten- und Langkontext-Workloads spürbar billiger.
Starke Benchmarks für die Größe
Laut DeepSeek erreicht V4.1 Flash 90,6 % in Terminal-Bench 2.1 (V4 Flash 0731: 82,7 %), 90,9 % in GPQA Diamond und 100 % in AIME 2026.
Open Weights unter MIT-Lizenz
Die Gewichte stehen auf Hugging Face bereit und lassen sich ohne Einschränkungen kommerziell nutzen, finetunen und selbst hosten.

Nachteile

Peak-Preise verdoppeln die Kosten
Werktags zwischen 01:00–04:00 und 06:00–10:00 UTC steigen die Preise auf $0,30 / $1,20 pro 1 Mio. Token. Das erschwert die Kostenplanung.
Benchmark Scores noch unbelegt
Alle genannten Werte stammen aus DeepSeeks eigenem Technical Report. Unabhängige Vergleiche für die neue Architektur stehen noch aus.
Hoher Hardware-Bedarf beim Self-Hosting
Trotz sparsamer Aktivierung müssen alle 552 Mrd. Parameter im Speicher liegen. Lokales Deployment ist damit nur auf Multi-GPU-Hardware realistisch.
China-Hosting
Die offizielle API läuft über DeepSeek in China. Für DSGVO-sensible Daten bleibt nur das Self-Hosting der offenen Gewichte.

Vergleiche DeepSeek V4.1 Flash mit anderen LLMs

Vergleiche DeepSeek V4.1 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 V4.1 Flash	MIT	–	1 Mio.	384k	0,15 $	0,60 $	10.09.2026
OpenAI	GPT-6 Sol	Proprietär	48	1,05 Mio.	128k	2,00 $	10,00 $	22.09.2026
Anthropic	Claude Opus 5.5	Proprietär	57,6	1 Mio.	128k	4,00 $	20,00 $	22.09.2026
OpenAI	GPT-6 Luna	Proprietär	–	1,05 Mio.	128k	0,10 $	0,50 $	22.09.2026
xAI	Grok 4.7	Proprietär	46,5	500k	500k	2,00 $	6,00 $	21.09.2026
Xiaomi	MiMo V2.6 Pro	MIT	46,3	1,05 Mio.	131,07k	0,44 $	0,87 $	21.09.2026
Xiaomi	MiMo V2.6 Flash	MIT	–	1,05 Mio.	131,07k	0,14 $	0,28 $	21.09.2026
OpenAI	GPT-6 Astra	Proprietär	61,2	1,05 Mio.	128k	10,00 $	50,00 $	04.09.2026
Google DeepMind	Gemini 3.8 Flash	Proprietär	58,7	1 Mio.	65,54k	0,75 $	3,75 $	02.09.2026
Meta AI	Muse Spark 1.3	Proprietär	62	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	02.09.2026
DeepSeek AI	DeepSeek V4 Flash	MIT	49,9	1 Mio.	384k	0,14 $	0,28 $	31.07.2026

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

‌
Alle Modelle vergleichen

DeepSeek V4.1 Flash ausprobieren

Du musst kein Entwickler sein: DeepSeek V4.1 Flash ist auch direkt in DeepSeek AI nutzbar.

DeepSeek AI

Provider & APIs

Du kannst DeepSeek AI DeepSeek V4.1 Flash über die API folgender Anbieter nutzen.

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
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
0,30 $
USD / 1M Output
1,20 $
Throughput
Unbekannt
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
0,30 $
USD / 1M Output
1,20 $
Throughput
Unbekannt

‌
‌
‌

Häufige Fragen zu DeepSeek V4.1 Flash

Kann ich DeepSeek V4.1 Flash kostenlos nutzen?

Ja, DeepSeek V4.1 Flash ist in DeepSeek AI auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist DeepSeek V4.1 Flash Open Source?

DeepSeek V4.1 Flash wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht DeepSeek V4.1 Flash?

DeepSeek V4.1 Flash verarbeitet folgende Eingabeformate: Text, Bild.

Was kostet DeepSeek V4.1 Flash über die API?

Über die API kostet DeepSeek V4.1 Flash 0,15 $ pro 1 Mio. Input-Token und 0,60 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von DeepSeek V4.1 Flash?

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

Was ist der Vorgänger von DeepSeek V4.1 Flash?

Der direkte Vorgänger von DeepSeek V4.1 Flash ist DeepSeek V4 Flash (erschienen Juli 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.

DeepSeek V4.1 Flash Modell-Übersicht

Features & Modalitäten

Details zum Modell