DeepSeek übertrifft eigenes Pro-Modell in agentiven Benchmarks mit V4-Flash-0731 für 0,14 USD pro Million Tokens

DeepSeek hat das DeepSeek-V4-Flash-0731 auf Hugging Face veröffentlicht und die offizielle API am 31. Juli 2026 in die öffentliche Beta überführt. Das Unternehmen war in der Dokumentation des Modells klar: Die Architektur und die Größe des Checkpoints sind identisch mit der Vorschau im April. Das Modell behält insgesamt 284 Milliarden Parameter bei, von denen 13 Milliarden pro Token über Sparse Mixture-of-Experts aktiviert werden, mit einem Kontextfenster von 1 Million Tokens und einer maximalen Ausgabe von 384.000 Tokens. Was sich geändert hat, ist das Post-Training, das neu erstellt wurde mit Schwerpunkt auf Codierung, Logik, Nutzung von Werkzeugen und agentiven Abläufen.

Für Produktteams, die bereits den Endpunkt deepseek-v4-flash verwendeten, war der Übergang automatisch: Anwendungen erben das Upgrade ohne Codeänderungen. Das Modell unterstützt jetzt nativ das Format Responses API und ist in die Beta der Codex API eingetreten, denselben Schnittstellenstandard, der von OpenAI angenommen wurde, was direkte Vergleiche zwischen den beiden Werkzeugumgebungen ohne Stapelmigration erleichtert.

Die Zahlen stammen von DeepSeek und sind erheblich

Laut von DeepSeek veröffentlichten Daten übertrifft der V4-Flash-0731 das V4-Pro-Preview in allen neun agentiven Benchmarks des Unternehmens. Im TerminalBench 2.1 erzielt das neue Modell 82,7, gegenüber 72,1 des Pro-Preview und 61,8 der Flash-Vorschau von April. Im DeepSWE ist der Unterschied noch ausgeprägter: 54,4 im 0731 gegen 7,3 in der Vorschau, eine Variation von 7,4-fach. Der Intelligenzindex der Artificial Analysis positioniert das Modell bei 50 Punkten, 10 über dem vorherigen Flash.

Eine Warnung ist notwendig: Alle diese Zahlen stammen aus dem internen Harness von DeepSeek. Bis zum Abschluss dieses Berichts hatte kein unabhängiges Labor die Metriken reproduziert. Das entwertet die Daten nicht, hält sie jedoch im Bereich der Anbietererklärung, während eine externe Überprüfung erwartet wird.

Der Preis ist das Argument, das nicht von Benchmarks abhängt

Der V4-Flash-0731 wird im OpenRouter zu 0,14 USD pro Million Tokens bei Cache-Misses und 0,28 USD pro Million Ausgabetokens gelistet. Cache-Hits sinken auf 0,0028 USD. Anthropic berechnet 2,00 USD pro Million Eingabe-Tokens im Sonnet 5, ein Einführungspreis, der bis zum 31. August 2026 gültig ist, und 5,00 USD im Opus 5, laut Preistabellen, die das Unternehmen im Juli 2026 veröffentlicht hat. Der Unterschied im Fall des Spitzenmodells von Anthropic liegt bei 36-fach.

Im TerminalBench 2.1 erzielt das Opus 4.8 von Anthropic 85,0, laut der Vergleichstabelle, die von DeepSeek veröffentlicht wurde, 2,3 Punkte über dem V4-Flash-0731. Das Sonnet 5, das Anthropic als leistungsstark nah am Opus 4.8 positioniert, kostet 14-mal so viel wie der V4-Flash-0731 zum Einführungspreis. Sollten die Benchmarks von DeepSeek unter externer Bewertung Bestand haben, ist der Abstand zwischen dem chinesischen Modell und der Spitze des westlichen Marktes geringer als der Abstand zwischen ihren Preisen.

Von China zum Silicon Valley und nach Bengaluru

DeepSeek wird von der High Flyer Capital Management betrieben, einer quantitativen Vermögensverwaltung mit Sitz in Shenzhen. Das Modell verteilt offene Gewichte über Hugging Face, wo die gehostete Inferenz einen Durchsatz von 400 Tokens pro Sekunde zu 10 USD pro Stunde berichtete, und ist global über API verfügbar, einschließlich über den OpenRouter und den eigenen Endpunkt von DeepSeek.

In den Vereinigten Staaten fällt der Start mit dem Höchststand der Annahme von Code-Agenten in Entwicklungsumgebungen zusammen. Softwareunternehmen und Automatisierungs-Startups, die die Kosten der Inferenz in großem Maßstab bewerten, haben nun ein konkretes Preisargument: 0,14 USD pro Million Eingabe-Tokens, unabhängig von der geografischen Herkunft des Modells.

In Indien verwalten Wipro, Infosys und HCL Technologies Softwareautomatisierungsverträge im Wert von mehreren Milliarden Dollar. Für die Lösungsarchitekten dieser Unternehmen qualifiziert ein Modell mit agentiven Benchmarks dieser Größenordnung, für weniger als ein Zehntel des Einführungspreises von Sonnet 5, die Kalkulation darüber, ob man die bevorzugte Modellinfrastruktur westlicher Kunden einführt oder eine eigene, kostengünstigere Stapelösung aufbaut.

Was der Markt in den kommenden Wochen erwartet, ist klar: unabhängige Reproduktion. Wenn externe Labore die agentiven Benchmarks des 0731 bestätigen, zwingt das Modell westliche Anbieter, Margen zu rechtfertigen, die heute zum Teil in der Abwesenheit von geprüften Alternativen in diesem Preissegment bestehen. Sollten die Zahlen unter der Bewertung Dritter schrumpfen, verstärkt sich der wachsende Skeptizismus bezüglich selbst veröffentlichtem Benchmarking in einem Sektor, in dem der Anreiz, Metriken aufzublähen, strukturell ist und die Fähigkeit zur externen Überprüfung noch langsam ist.