Das chinesische KI-Labor DeepSeek hat V4.1-Flash veröffentlicht, ein multimodales Open-Weight-Modell, das ein 552-Milliarden-Parameter-Backbone mit einer der aggressivsten Speicherkomprimierung verbindet, die bisher in einem System der Spitzenklasse angeboten wurde. Das Modell ging am Mittwoch mit einer MIT-Lizenz auf Hugging Face und einem begleitenden technischen Bericht live, berichtete Reuters und krönte damit eine Reihe von Schlagzeilen für das in Hangzhou ansässige Labor.
Die Veröffentlichung ist mehr als eine routinemäßige Versionserhöhung. DeepSeek hat gleichzeitig seine Flaggschiff-Stufe V4 Pro eingestellt, und TechNode berichtete, dass Anfragen an V4 Pro jetzt an V4.1-Flash weitergeleitet werden – ein beeindruckender Vertrauensbeweis für ein Modell, das den Namen „Flash“ trägt, aber Benchmark-Werte auf oder über dem Modell, das es ersetzt, erzielt. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.
Ein größerer „Flash“ mit einer kleineren Speicherrechnung
Laut der offiziellen Modellkarte handelt es sich bei DeepSeek-V4.1-Flash um ein Mixture-of-Experts (MoE)-Modell mit 552 Milliarden Backbone-Parametern plus einer bedingten Speicherkomponente „Engram“ mit 196 Milliarden Parametern, auf die durch tokenbasierte Suche nur spärlich zugegriffen wird. Trotz der schieren Größe aktiviert das Modell nur 8 Milliarden Parameter pro Token während der Vorfüllung und 16 Milliarden während der Dekodierung – weniger aktive Parameter als sein Vorgänger mit 284B-Parametern, der konstant 13 Milliarden lief.
Das architektonische Herzstück ist das, was DeepSeek als Causal Encoder-Decoder (CED)-Design bezeichnet: ein 40-schichtiger Transformer, aufgeteilt in einen 20-schichtigen kausalen Encoder, gefolgt von einem 20-schichtigen Decoder. Da der globale KV-Cache des Decoders aus den endgültigen verborgenen Zuständen des Encoders projiziert und nicht Schicht für Schicht akkumuliert wird, schrumpft der für die Aufrechterhaltung langer Gespräche erforderliche Speicher drastisch.
Die Komprimierungszahlen sind die Schlagzeile. Mit FP4-Haupt-KV-Caching im E2M1-Format sinkt der globale KV-Cache-Footprint auf 890 Bytes pro Token – etwa ein Viertel von DeepSeek-V4-Flash. Eine Technik namens SWA Bounded Replay rekonstruiert fehlende Aufmerksamkeitszustände, indem sie nur das letzte Token-Fenster wiedergibt und so den persistenten KV-Cache auf etwa ein Achtel des vorherigen Flash-Modells reduziert. Laut Modellkarte beträgt die Reduzierung ungefähr das Vierfache gegenüber V4-Flash und das 437-fache gegenüber DeepSeek-V1. Zu den weiteren Komponenten gehören Compressed Sparse Attention 2 (CSA2), das jeder Aufmerksamkeitsschicht einen von drei statischen Modi zuweist, und die spekulative Dekodierung von DSpark für eine schnellere Generierung.
Unter der Haube kombiniert jede MoE-Schicht einen gemeinsamen Experten mit 384 weitergeleiteten Experten, wodurch sechs weitergeleitete Experten pro Token aktiviert werden.
Benchmarks: Dem ausgemusterten Flaggschiff voraus
Bei den Basismodellbewertungen im technischen Bericht liegt V4.1-Flash in mehreren Schlüsseltests über dem viel größeren V4 Pro: 74,1 bei MMLU-Pro gegenüber 73,5, 79,4 bei HumanEval gegenüber 76,8, 60,6 bei BigCodeBench und 93,0 bei GSM8K. Die South China Morning Post berichtete, dass laut DeepSeek das neue Modell „Kimi K3 bei Cyber- und Coding-Benchmarks übertrifft“, eine bemerkenswerte Behauptung in einem chinesischen Open-Model-Bereich, zu dem auch Z.ais GLM-5.3 und Alibabas Qwen-Reihe gehören.
Bei maximalem Argumentationsaufwand erzielt das Instruct-Modell einen GPQA Diamond-Wert von 90,9 – beeindruckend, liegt aber immer noch hinter den führenden Grenzsystemen, die in DeepSeeks eigener Vergleichstabelle aufgeführt sind, GPT-5.6 Sol mit 94,1 und Claude Opus 5,0 mit 93,4. Kimi K3 liegt bei 92,9. Die ehrliche Lektüre: Dies ist ein grenzüberschreitendes Modell zu offenen Gewichtspreisen, kein reiner Abzug der geschlossenen Labore.
V4.1-Flash ist auch wirklich multimodal. Ein von Grund auf trainierter DeepSeek-ViT-Vision-Encoder speist Bilder durch einen zweischichtigen Projektor, und das Modell wurde von Beginn des Vortrainings an gemeinsam auf Text und Bilder trainiert. Es erreicht 56,5 bei MMMU-Pro und 95,6 bei DocVQA.
Für Agenten entwickelt, volumengerechter Preis
Die Designentscheidungen machen die Zielgruppe klar: agentische Workloads, bei denen Modelle enorme Kontexte lesen und über lange Horizonte agieren. Das Modell unterstützt Kontextfenster von bis zu einer Million Token, wurde auf einem multimodalen Korpus mit 45 Billionen Token trainiert und bietet eine kontinuierlich steuerbare Einstellung für den Argumentationsaufwand von 1 bis 100, bei der Inferenzkosten gegen Genauigkeit abgewogen werden. In der Berichterstattung des Decoder wurde betont, dass die Speichereinsparungen insbesondere die Kosten für die Ausführung von KI-Agenten senken – Arbeitslasten, die weitaus mehr Zeit mit dem Lesen von Eingaben als mit der Generierung von Ausgaben verbringen.
Die Reaktion der Gemeinschaft war nachdrücklich. Der Startthread auf Hacker News erhielt mehr als 650 Punkte, und ein früherer Thread mit dem Titel „DeepSeek startet v4.1 Flash billiger und leistungsfähiger als v4 Pro“ sammelte fast 400 weitere. Kommentatoren, die Modelle lokal ausführen, bemerkten, dass die Engram-Parameter sogar auf schnelle SSDs verlagert werden können, was den Weg für grenzüberschreitende Inferenzen auf Verbraucherhardware ebnet.
Seeking Alpha formulierte die kommerziellen Interessen unverblümt und nannte es ein extrem kostengünstiges Modell, das US-Grenzlabore vor Herausforderungen stellt – eine Erinnerung daran, dass der Preiskampf bei der KI-Inferenz keine Anzeichen einer Abkühlung zeigt.
Ein bewusster Moment für die Ankündigung
Der Zeitpunkt ist bezeichnend. Einen Tag vor dem Start berichtete Reuters, dass DeepSeek CITIC Securities beauftragt habe, einen Börsengang am STAR Market in Shanghai zu arrangieren, nachdem zuvor berichtet worden war, dass sich die Einnahmen des Labors im Vorfeld einer möglichen Notierung verzehnfacht hätten. Die Auslieferung eines schlagzeilenträchtigen offenen Modells wenige Tage später hält diesen Schwung aufrecht.
Die Veröffentlichung erfolgt auch vor dem Hintergrund einer verschärften Prüfung chinesischer KI-Unternehmen. Anfang dieser Woche nannten US-Behörden wie NSA, CISA und FBI sechs chinesische KI-Unternehmen in einem Gutachten zur Modelldestillation im industriellen Maßstab – eine Erinnerung daran, dass die technischen Erfolge von DeepSeek jetzt mit geopolitischem Ballast einhergehen.
Nichts davon trübt die technische Geschichte. Nachdem V4 Pro eingestellt und der Datenverkehr auf ein günstigeres, stärkeres Modell umgeleitet wurde, hat DeepSeek das klarste Argument vorgebracht, dass die interessante Grenze der KI im Jahr 2026 möglicherweise nicht nur darin besteht, wer das größte Modell baut, sondern auch, wer die größte Kapazität pro Gigabyte Speicher bereitstellt.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
