DeepSeek hat am 17. Oktober in aller Stille eine aktualisierte Version seines Open-Weight-Workhorse-Modells veröffentlicht und V4.1-Flash-1017 mit stärkeren Argumentations-, Codierungs-, Agenten- und visuellen Fähigkeiten ausgeliefert – und in seiner Top-Konfiguration eine Top-2-Platzierung auf einer der am meisten beobachteten unabhängigen Bestenlisten der Branche.
Die Veröffentlichung aktualisiert das V4.1-Flash-Modell, das das chinesische Labor im September eingeführt hat, anstatt eine neue Modellfamilie zu starten, berichtete TechNode. Die Gewichte sind auf Hugging Face unter der freizügigen MIT-Lizenz verfügbar, zusammen mit Inferenzcode und Bereitstellungsanweisungen für Entwickler, die das Modell auf ihrer eigenen Infrastruktur ausführen möchten.
Was sich in V4.1-Flash-1017 geändert hat
Laut DeepSeek ist die wichtigste Verbesserung die Ausführungsgeschwindigkeit: Das Unternehmen gibt an, dass das Modell Aufgaben jetzt schneller und mit kürzeren Ausgaben erledigt, sodass Benutzer dieselbe Arbeit zu geringeren Kosten erledigen können. Für Teams, die das Modell im großen Maßstab ausführen, sind kürzere Ausgaben ebenso wichtig wie die reine Geschwindigkeit, da die meisten API-Anbieter die Rechnung nach Token abrechnen.
Die entwicklungsorientierten Verbesserungen zielen auf Agenten-Workflows ab – das Muster, nach dem ein KI-System ein Projekt plant, Code schreibt, externe Tools aufruft und iterativ auf ein Arbeitsergebnis hinarbeitet. Der Bericht von TechNode beschreibt, dass das Update genau diese Schleife stärkt und gleichzeitig das visuelle Verständnis für Bildeingaben verbessert.
Die unabhängige Benchmark-Anzeige der Max-Variante
Artificial Analysis, ein unabhängiges Unternehmen, das Grenzmodelle bewertet, listet DeepSeek V4.1 Flash 1017 (Max) mit einem Artificial Analysis Intelligence Index von 45 auf – dem zweiten unter den 121 verfolgten Modellen und deutlich über dem Mittelwert von 19. Der gleiche Eintrag verzeichnet eine Ausgabegeschwindigkeit von etwa 230 Token pro Sekunde, ein Kontextfenster mit 1 Million Token und Unterstützung für Text- und Bildeingabe.
Die Preise bleiben aggressiv. Artificial Analysis meldet für die Max-Variante 0,30 US-Dollar pro Million Input-Tokens und 1,20 US-Dollar pro Million Output-Tokens, was unter den verfolgten Medianwerten von 0,43 US-Dollar bzw. 1,68 US-Dollar liegt. Für wiederholten Kontext gilt ein Cache-Rabatt von 98 Prozent, und das Unternehmen beziffert die Kosten für eine einzelne Intelligence-Index-Auswertungsaufgabe auf etwa 0,26 US-Dollar.
Das Benchmarking-Unternehmen weist jedoch auf einen Kompromiss hin: Ausführlichkeit. Die Max-Variante generierte im Rahmen ihrer Intelligence-Index-Auswertungen etwa 210 Millionen Token – etwa 50 Prozent mehr als der Median von 140 Millionen Token – was in der Praxis einen Teil der Einsparungen pro Token ausgleichen kann.
Die Entwickler-Community nimmt Kenntnis
Die Veröffentlichung erregte sofort Aufmerksamkeit bei Hacker News, wo die Hugging Face-Liste mehr als 900 Upvotes sammelte und die OpenRouter-Liste innerhalb weniger Stunden die 500-Marke erreichte – ein Maß an Anklang, das Open-Model-Releases aus westlichen Labors selten erreichen. Die Begeisterung spiegelt sowohl den Benchmark-Status des Modells als auch seine Lizenzierung wider: Die MIT-Lizenz erlaubt die kommerzielle Nutzung, Modifikation und Weiterverbreitung mit minimalen Einschränkungen und macht das Modell zu einer praktischen Basis für Start-ups, die auf offenen Gewichten aufbauen.
Da DeepSeek neben den Gewichtungen auch Inferenzcode und Bereitstellungsanweisungen veröffentlicht, können Unternehmen mit eigener GPU-Kapazität das Modell bereitstellen, ohne von externen API-Anbietern abhängig zu sein – eine Option, die immer relevanter wird, da Unternehmen Bedenken hinsichtlich der Datenresidenz und der Kostenkontrolle gegen die Bequemlichkeit gehosteter Inferenz abwägen.
Warum die Agentenleistung jetzt wichtig ist
Die Betonung der Agentenkodierung spiegelt wider, wohin sich der Wettbewerb zwischen Grenzlaboren verlagert hat. Benchmark-Gewinne bei statischen Fragesätzen sind schrittweise geworden; Das Unterscheidungsmerkmal im Jahr 2026 ist, wie zuverlässig ein Modell die mehrstufige Arbeit aufrechterhält – Planung, Code schreiben, ausführen, Fehler lesen und den Kurs ohne menschliches Eingreifen korrigieren.
Das Update von DeepSeek geht genau in diese Richtung. Ein Modell, das Codierungsaufgaben in weniger Iterationen und mit weniger verschwendeter Ausgabe abschließt, reduziert direkt die Kosten für den Betrieb von Agentenflotten, die Token in einem Ausmaß verbrauchen, das einzelne Chat-Benutzer nie sehen. Für Ingenieurteams, die Open-Weights-Optionen im Vergleich zu geschlossenen APIs bewerten, ist die Kombination aus einem Nr. 2-Intelligence-Ranking und einer MIT-Lizenzierung ein besonders starkes Paket.
Der Preiskampf zeigt keine Anzeichen einer Abkühlung
DeepSeek hat seinen Ruf auf aggressiven Preisen aufgebaut, und V4.1-Flash-1017 setzt dieses Muster fort. Der Cache-Rabatt von 98 Prozent – die Preisreduzierung, die angewendet wird, wenn eine Anfrage Kontext wiederverwendet, den der Anbieter bereits verarbeitet hat – gehört zu den großzügigsten in der Branche und belohnt effektiv Anwendungen, die lang laufende Konversationen führen oder große Codebasen über Abfragen hinweg wiederverwenden.
Mit einem Input-Preis von 0,30 $ pro Million Token und einem Output von 1,20 $ unterbietet die Max-Variante die Durchschnittspreise, die Artificial Analysis auf dem Markt ermittelt, noch bevor der Cache-Rabatt angewendet wird. Bei kostensensiblen Arbeitslasten – Stapelverarbeitung, Zusammenfassung großer Mengen, Generierung mit Abruferweiterung – sind die wirtschaftlichen Aspekte für proprietäre Anbieter schwierig zu erreichen.
Die Veröffentlichung erfolgt auch inmitten einer intensivierten Prüfung der Hardware-Lieferketten chinesischer KI-Labore, einem Bereich, in dem DeepSeek zuvor die Aufmerksamkeit auf sich gezogen hat, weil es die Leistung auf Grenzniveau aus eingeschränkter Rechenleistung herausholt. Das Unternehmen hat keine detaillierten Schulungs- oder Hardware-Spezifikationen für dieses Update bekannt gegeben.
Was Sie als Nächstes sehen sollten
Der Rhythmus von DeepSeek – eine Flash-Aktualisierung im September, ein gezieltes 1017-Update im Oktober – deutet darauf hin, dass das Labor schneller iteriert als die traditionellen sechs- bis zwölfmonatigen Veröffentlichungszyklen seiner westlichen Konkurrenten. Unabhängige Rankings von Artificial Analysis und Community-Benchmarks werden zeigen, ob die Zuwächse außerhalb der eigenen Bewertungen des Unternehmens bestehen bleiben.
Derzeit sind die von unabhängiger Seite überprüfbaren Zahlen überzeugend: ein zweiter Platz in der Intelligenz-Rangliste unter 121 verfolgten Modellen, ein Ausgabedurchsatz von fast 230 Token pro Sekunde, ein Kontextfenster mit 1 Million Token und einige der niedrigsten Preise auf dem Markt – alles unter einer Lizenz, die es jedem ermöglicht, die Gewichte zu nehmen und zu bauen.
Bleiben Sie der KI immer einen Schritt voraus
Die KI-Landschaft verändert sich schnell – folgen Sie AI Buzz Wire für aktuelle KI-Neuigkeiten, Modellveröffentlichungen und Branchenanalysen.
Weitere KI-Neuigkeiten lesen →
