Am 24. April 2026 veröffentlichte das chinesische KI-Unternehmen DeepSeek einen Ausblick auf ihr mit Spannung erwartetes neues Flaggschiffmodell V4. Dieses Modell kann deutlich längere Texte verarbeiten als die vorherige Generation, was auf ein neues Design zurückzuführen ist, das ihm hilft, große Textmengen effizienter zu handhaben. Wie die vorherigen Modelle von DeepSeek ist auch V4 Open Source, was bedeutet, dass es für jeden zum Download, zur Nutzung und zur Modifikation zur Verfügung steht.
V4 markiert DeepSeeks bedeutendsten Release seit R1, dem Denkmodell, das im Januar 2025 auf den Markt kam. R1, das mit begrenzten Rechenressourcen trainiert wurde, begeisterte die globale KI-Branche durch seine starke Leistung und Effizienz und machte DeepSeek über Nacht zu Chinas bekanntestem KI-Unternehmen. Es hat auch eine Welle von Veröffentlichung offener Gewichtsmodelle anderer chinesischer KI-Firmen ausgelöst.
Seitdem hält DeepSeek eine relativ niedrige Profil, aber Anfang dieses Monats kündigte das Unternehmen effektiv die Veröffentlichung von V4 an, als es “Experten”- und “Blitz”-Modi zur Online-Version seines Modells hinzufügte, was Spekulationen über eine größere bevorstehende Veröffentlichung auslöste.
1. Es ist ein Durchbruch für ein Open-Source-Modell
Wie bereits zuvor bei R1 behauptet DeepSeek, dass die Leistung von V4 mit den besten verfügbaren Modellen zu einem Bruchteil der Kosten konkurriert. Dies ist eine großartige Nachricht für Entwickler und Unternehmen, die die Technologie nutzen, da sie durch V4 Zugang zu innovativen KI-Fähigkeiten erhalten, ohne sich um stark steigende Kosten sorgen zu müssen.
Das neue Modell gibt es in zwei Versionen, die beide auf der DeepSeek-Website und in der App verfügbar sind. V4-Pro ist ein größeres Modell, das für Programmierung und komplexe Agentenaufgaben gebaut wurde, während V4-Flash eine kleinere, schnellere und günstigere Version ist. Beide Modelle bieten Denkmodi, in denen das Modell die Eingabe des Benutzers sorgfältig analysieren und jeden Schritt darlegen kann, während es das Problem löst.
Für V4-Pro verlangt DeepSeek $1,74 pro Million Eingabetoken und $3,48 pro Million Ausgabetoken, was einem Bruchteil der Kosten vergleichbarer Modelle von OpenAI und Anthropic entspricht. V4-Flash ist sogar noch günstiger, mit etwa $0,14 pro Million Eingabetoken und $0,28 pro Million Ausgabetoken. Dies macht es zu einem der günstigsten erstklassigen Modelle, das zur Anwendungsentwicklung verwendet werden kann.
In Bezug auf die Leistung ist V4, wenig überraschend, ein großer Sprung von R1 und scheint eine starke Alternative zu fast allen neuesten großen KI-Modellen zu sein. Laut Unternehmensangaben konkurriert DeepSeek V4-Pro auf den wichtigsten Benchmarks mit führenden geschlossenen Modellen, erreicht die Leistung von Anthropic’s Claude-Opus-4.6, OpenAI’s GPT-5.4 und Googles Gemini-3.1. Im Vergleich zu anderen Open-Source-Modellen, wie z.B. Alibabas Qwen-3.5 oder Z.ai’s GLM-5.1, übertrifft DeepSeek V4 diese alle bei Programmierung, Mathematik und STEM-Problemen, was es zu einem der stärksten Open-Source-Modelle macht, die jemals veröffentlicht wurden.
2. Es setzt einen neuen Ansatz zur Speichereffizienz um
Eine der Schlüsselinnovationen von V4 ist sein großer Kontextumfang – die Menge an Text, die das Modell auf einmal verarbeiten kann. Beide Versionen können 1 Million Tokens verarbeiten, was groß genug ist, um alle drei Bände von “Der Herr der Ringe” und “Der Hobbit” zusammenzufassen. Das Unternehmen gibt an, dass diese Kontextgröße nun der Standard über alle DeepSeek-Dienste hinweg ist und dem entspricht, was bei den hochmodernen Versionen der Modelle wie Gemini und Claude angeboten wird.
Doch es ist wichtig zu wissen, dass DeepSeek nicht nur diesen Sprung gemacht hat, sondern auch wie es das getan hat. V4 bringt erhebliche architektonische Änderungen an den früheren Modellen des Unternehmens mit sich - insbesondere am Aufmerksamkeitsmechanismus, der den KI-Modellen hilft, jeden Teil einer Eingabe in Relation zum Rest zu verstehen.
DeepSeeks Innovation bestand darin, das Modell selektiver zu gestalten, was die Aufmerksamkeit anbelangt. Anstatt alle vorhergehenden Texte als gleich wichtig zu betrachten, komprimiert V4 ältere Informationen und konzentriert sich auf die Teile, die im aktuellen Moment am wahrscheinlichsten von Bedeutung sind, während es gleichzeitig benachbarte Texte in voller Länge bewahrt, um keine wichtigen Details zu verpassen.
DeepSeek gibt an, dass dies die Kosten für die Nutzung eines langen Kontexts erheblich senkt. In einem Kontext von 1 Million Tokens benötigt V4-Pro nur 27% der Rechenleistung, die von seinem vorherigen Modell, V3.2, erforderlich war, während der Speicherbedarf auf 10% gesenkt wird. Die Einsparungen bei V4-Flash sind sogar noch größer: es benötigt nur 10% der Rechenleistung und 7% des Speichers. In der Praxis könnte dies den Bau von Werkzeugen billiger machen, die über große Mengen Material hinweg arbeiten müssen, etwa ein KI-Programm zum Codieren, das eine gesamte Codebasis lesen kann oder ein Forschungsagent, der ein umfangreiches Dokumentenarchiv analysiert, ohne ständig das Vorangegangene zu vergessen.
3. Es markiert die ersten Schritte auf dem schwierigen Weg weg von Nvidia
V4 ist DeepSeeks erstes Modell, das für inländische chinesische Chips optimiert ist, wie Huawei’s Ascend – ein Schritt, der die Einführung zu einem Test gemacht hat, ob Chinas heimische KI-Industrie beginnen kann, ihre Abhängigkeit vom US-Chiphersteller Nvidia zu lösen.
Dies wurde weitgehend erwartet, da The Information früher in diesem Monat berichtete, dass DeepSeek amerikanischen Chipherstellern wie Nvidia und AMD keinen frühen Zugang zu V4 gewährt hat, obwohl der Zugang vor der Veröffentlichung üblich ist, um die Unterstützung des neuen Modells zu optimieren. Stattdessen gab das Unternehmen Berichten zufolge nur chinesischen Chipherstellern frühen Zugang.
Am Freitag sagte Huawei, dass seine Ascend-Supernode-Produkte, die auf der Ascend-950-Serie basieren, DeepSeek V4 unterstützen werden. Dies bedeutet, dass Unternehmen und Einzelpersonen, die ihre eigene modifizierte Version von DeepSeek V4 ausführen möchten, Huawei-Chips problemlos verwenden können.
Berichten zufolge drängten chinesische Regierungsbeamte DeepSeek dazu, Huawei-Chips in seinen Trainingsprozess zu integrieren. Dieser Druck passt in ein breiteres Muster der chinesischen Industriepolitik, bei dem strategische Sektoren oft gedrängt und manchmal effektiv zur Einhaltung nationaler Selbstversorgungsziele verpflichtet werden. Doch im Bereich KI besteht eine besondere Dringlichkeit. Seit 2022 haben US-Exportkontrollen chinesische Unternehmen von Nvidias leistungsstärksten Chips abgeschnitten und später auch den Zugang zu herabgestuften Versionen für den chinesischen Markt eingeschränkt. Die Antwort Pekings war eine Beschleunigung des Vorstoßes zu einem inländischen KI-Stack, von Chips bis zu Software-Frameworks und Rechenzentren.
Es ist jedoch nicht einfach, Nvidia zu ersetzen, denn Nvidias Vorteil liegt nicht nur in seinen Chips, sondern auch in dem Software-Ökosystem, das Entwickler über Jahre hinweg rund um diese aufgebaut haben. Der Umstieg auf Huaweis Ascend-Chips erfordert Anpassungen des Modellcodes, den Wiederaufbau von Werkzeugen und den Nachweis, dass Systeme, die auf diesen Chips aufgebaut sind, stabil genug für den ernsthaften Einsatz sind.
Um deutlich zu machen, DeepSeek hat den Übergang zu Nvidias Chips offenbar noch nicht vollzogen. Der technischer Bericht des Unternehmens zeigt, dass es chinesische Chips verwendet, um das Modell für Inference zu betreiben, oder wenn jemand das Modell auffordert, eine Aufgabe zu erfüllen. Aber Liu Zhiyuan, ein Professor für Informatik an der Tsinghua-Universität, hat gegenüber der MIT Technology Review erklärt, dass DeepSeek anscheinend nur einen Teil des Trainingprozesses von V4 für chinesische Chips angepasst hat. Der Bericht sagt nicht, ob einige wichtige Langkontextfunktionen für Inlands-Chips angepasst wurden, weshalb Liu vermutet, dass V4 möglicherweise immer noch hauptsächlich auf Nvidia-Chips trainiert wurde. Mehrere Quellen, die anonym bleiben möchten, da diese Themen politisch sensibel sind, berichteten der MIT Technology Review, dass chinesische Chips zwar nicht so gut wie Nvidia-Chips sind, sich jedoch besser für Inference eignen.
DeepSeek bindet auch die zukünftigen Kosten von V4 an diesen Hardwarewechsel. Das Unternehmen gibt an, dass die Preise für V4-Pro erheblich sinken könnten, sobald Huaweis Ascend-950-Supernodes ab der zweiten Jahreshälfte dieses Jahres in größeren Mengen ausgeliefert werden. Wenn das klappt, könnte V4 ein frühes Zeichen dafür sein, dass China erfolgreich eine parallele KI-Infrastruktur aufbaut.
