DeepSeek-V4.1-Flash
DeepSeek AI- Input / 1 Mio.
- $0,15
- Output / 1 Mio.
- $0,60
- Kontextfenster
- 1,05 Mio. Tokens
- Veröffentlichung
- September 2026
Offenes Mixture-of-Experts-Modell von DeepSeek AI mit Bild- und Texteingabe. Es eignet sich für Agentic-Coding-Aufgaben und Dokumente bis 1 Mio. Tokens.
Stand November 2026 führt DeepSeek V4.1 Flash 1017 zwei Ranglisten auf Byte.de an: NL2Repo-Bench (68,2 %) und BabyVision (92,5 %). Im Artificial Analysis Intelligence Index steht es mit 32 Punkten auf Platz 50 von 136 Modellen.
Für KI-Agenten mit Codeaufgaben nennt die Modellkarte 77,0 % bei DeepSWE v1.1 und liegt damit vor Opus 5 (74,0 %) und GPT-5.6 Sol (73,0 %). Bei Terminal-Bench 4.0 steigt der Wert gegenüber V4.1 Flash von 31,2 % auf 42,3 %, bleibt aber unter Opus 5 mit 51,8 %. Unabhängige Messungen fallen niedriger aus: Vals AI führt für den Eintrag DeepSeek V4.1 Flash 19,70 % bei Terminal-Bench 4.0 (Mini-SWE-agent).
Redaktionelle Einordnung auf Basis der Modellbeschreibung und der unten verlinkten Messungen.
32Punkte
Der Artificial Analysis Intelligence Index ist ein Meta-Benchmark, der keine eigenen Fragen enthält, sondern die Ergebnisse von zehn unabhängigen Benchmarks aggregiert: GDPval-AA (220 Aufgaben), tau2-Bench Telecom (114 Aufgaben), Terminal-Bench Hard (44 Aufgaben), SciCode (338 Teilprobleme), AA-LCR (100 Fragen), AA-Omniscience (6.000 Fragen), IFBench (294 Aufgaben), Humanity's Last Exam (2.158 Fragen), GPQA Diamond (198 Fragen) und CritPt (70 Aufgaben).
Mehr zum BenchmarkDie Ausgabelänge ist eine eigene Obergrenze. Der tatsächlich verfügbare Eingaberaum hängt auch vom Output-Budget und der API-Konfiguration ab.
Daten aktualisiert am 7. November 2026. Fehler gefunden? kontakt@byte.de

Preise und Limits laut den Anbietern. Die Verfügbarkeit hängt vom Konto und den jeweiligen Limits ab.
Die Preise hängen vom Anbieter ab. DeepInfra nennt $0,098 bis $0,20 je 1 Mio. Input-Tokens und $0,294 bis $0,60 je 1 Mio. Output-Tokens.
Laut Modelldaten umfasst es 1 Mio. Tokens, die maximale Ausgabe liegt bei 384.000 Tokens. Die Modellkarte empfiehlt für max_tokens mindestens 256K.
Die Gewichte stehen laut Modellkarte unter der MIT-Lizenz. Wegen der Größe von 763 Mrd. Parametern ist der lokale Betrieb nur mit viel Hardware realistisch.
Laut Modellkarte steigt Terminal-Bench 4.0 von 31,2 % auf 42,3 % und DeepSWE v1.1 von 74,2 % auf 77,0 %. Konkrete Werte für die kürzere Ausführungszeit nennen die Quellen nicht.