DeepSeek V4.1 Flash: aktueller API-Preis, Architektur und lokale Grenzen

Geprüft am 9. Oktober 2026. DeepSeek V4.1 Flash ist seit dem 10. September als deepseek-flash in der DeepSeek API verfügbar. Das Modell kombiniert ein 1M-Kontextfenster, native Bildverarbeitung und eine asymmetrische Causal-Encoder-Decoder-Architektur mit einem 552B-MoE-Backbone. ¹²

Technische Eckdaten

Merkmal	DeepSeek V4.1 Flash
API-ID	deepseek-flash
Kontext	bis 1M Tokens
Maximaler API-Output	bis 384K Tokens laut aktueller DeepSeek-Preistabelle; Provider-/Endpoint-Grenzen können abweichen
Architektur	Causal Encoder-Decoder, MoE
Backbone	552B Parameter
Aktiv beim Input	ca. 8B Parameter pro Token
Aktiv beim Output	ca. 16B Parameter pro Token
Vision	ja
Tool Calling	ja
Responses API	ja
Open Weights	ja

DeepSeek beschreibt zusätzlich einen großen Engram-Speicher. Die auf Hugging Face veröffentlichten Dateien ergeben eine wesentlich größere Gesamtdatenmenge als die 8B/16B-Aktivierungswerte vermuten lassen. Diese Zahlen messen unterschiedliche Dinge und sollten nicht zu einem vermeintlichen „16B-Modell“ verkürzt werden. ³⁴

Warum der KV-Cache für Agenten wichtig ist

DeepSeek nennt für V4.1 Flash gegenüber V4 Flash nur noch ein Viertel des HBM-Bedarfs und ein Achtel des SSD-Bedarfs für den globalen KV-Cache. Der Hersteller beziffert den globalen KV-Cache auf rund 890 Byte pro Token. ¹³

Für Agenten mit langen Repository-Kontexten oder wiederkehrenden Dokumenten ist das relevanter als eine isolierte Kontext-Maximalzahl. Ein 1M-Fenster bleibt teuer, wenn jeder Request große Mengen neuen Texts verarbeitet. Caching hilft vor allem dann, wenn ein großer Anteil des Inputs tatsächlich wiederverwendet wird.

API-Preise

DeepSeek arbeitet weiter mit Peak- und Off-Peak-Preisen. Off-Peak kostet die Hälfte des Peak-Tarifs. Aktuell gelten: ⁵

Tokenklasse	Off-Peak	Peak
Cache Hit	$0,003 / 1M	$0,006 / 1M
Uncached Input	$0,15 / 1M	$0,30 / 1M
Output	$0,60 / 1M	$1,20 / 1M

Peak-Zeiten sind laut DeepSeek werktags 01:00–04:00 und 06:00–10:00 UTC, chinesische Feiertage ausgenommen. Wochenenden und chinesische Feiertage zählen vollständig als Off-Peak. ⁵

Agenten-Kosten mit und ohne Cache-Hits

Die DeepSeek-Preistabelle berechnet normalen Input, bereits gecachten Input und Output getrennt. Ein Cache-Hit darf also nicht nochmals als Cache-Miss angesetzt werden. Das folgende Beispiel hält das Tokenvolumen bewusst konstant: 10 Mio. Input-Tokens insgesamt, davon 8 Mio. tatsächlich als Cache-Hit bestätigt, plus 2 Mio. Output-Tokens.

Eigene Rechenfälle	Off-Peak	Peak
Ohne Cache: 10M uncached + 2M Output	2,70 USD	5,40 USD
Mit Cache: 2M uncached + 8M cached + 2M Output	1,524 USD	3,048 USD

Die Rechnung mit Cache lautet Off-Peak: 2 × 0,15 + 8 × 0,003 + 2 × 0,60 = 1,524 USD, Peak: 2 × 0,30 + 8 × 0,006 + 2 × 1,20 = 3,048 USD. Das sind Token-Tarifrechnungen, keine gemessenen Mac- oder Agenten-Benchmarks. Cached Input zählt nur dann zum günstigen Tarif, wenn die API ihn tatsächlich als Cache-Hit ausweist. Die Rechnung berücksichtigt weder Providerwechsel noch andere Dienste, Tools, Steuern oder erneute Fehlversuche.

Zeitzone und Tarifgrenze: DeepSeek nennt als Peak Montag bis Freitag 01:00–04:00 UTC und 06:00–10:00 UTC, ausgenommen chinesische Feiertage. Am 9. Oktober 2026 entspricht das in Berlin 03:00–06:00 und 08:00–12:00 MESZ; nach der Winterzeitumstellung ändern sich die lokalen Uhrzeiten. Off-Peak gilt auch an Wochenenden und chinesischen gesetzlichen Feiertagen. Diese Preisregel gilt für den DeepSeek-API-Anbieter, nicht automatisch für Drittanbieter-Router.⁵

Ein günstiger Tokenpreis garantiert trotzdem keine niedrigen Kosten pro erledigter Aufgabe. Reasoning-Länge, Tool-Wiederholungen und Output-Menge können den Vorteil auffressen. Für Agenten sollte daher immer die Rechnung Kosten pro erfolgreich abgeschlossenem Task geführt werden.

Kostenrechner: Cache-Hits nicht doppelt zählen

Die folgenden Rechnungen beziehen sich ausschließlich auf DeepSeeks eigene API, nicht auf OpenRouter oder einen Harness-Zugang. Ein Cache-Hit darf nur zum reduzierten Preis angesetzt werden, wenn DeepSeek den betreffenden Token tatsächlich als gecacht abrechnet. Der Rechner verwendet die drei getrennten Preisklassen der offiziellen DeepSeek-Tabelle, benötigt keinen Schlüssel, sendet keine Requests und kostet nichts.

RATE=offpeak UNCACHED=2000000 CACHED=8000000 OUTPUT=2000000 python3 - <<'PY'
from decimal import Decimal
import os

# Only a rate-card calculator; never accesses the DeepSeek API.
rate = os.environ.get("RATE", "offpeak")
if rate not in ("offpeak", "peak"):
    raise SystemExit("RATE must be offpeak or peak")
prices = {
  "UNCACHED": Decimal("0.30" if rate == "peak" else "0.15"),
  "CACHED": Decimal("0.006" if rate == "peak" else "0.003"),
  "OUTPUT": Decimal("1.20" if rate == "peak" else "0.60"),
}
defaults = {"UNCACHED": "2000000", "CACHED": "8000000", "OUTPUT": "2000000"}
costs = {}
for kind, price in prices.items():
    count = Decimal(os.environ.get(kind, defaults[kind]))
    if not count.is_finite() or count < 0 or count != count.to_integral_value():
        raise SystemExit("Invalid token count for " + kind)
    costs[kind] = count * price / Decimal(1000000)
    print(kind, "USD", f"{costs[kind]:.4f}")
print("TOTAL USD", f"{sum(costs.values(), Decimal(0)):.4f}")
print("Illustrative only; verify actual cache hits and vendor billing.")
PY

Mit diesen Werten ergibt das 1,5240 USD Off-Peak und mit RATE=peak 3,0480 USD Peak. Ohne Cache-Hits (UNCACHED=10000000 CACHED=0) entstehen 2,7000 USD beziehungsweise 5,4000 USD. Es sind Tarifrechnungen, keine gemessenen Agentenläufe. Schlage tatsächliche Fehlversuche, Tool-Aufrufe, Kontextlänge und abgerechnete Tokens nach; entscheidend sind die Kosten pro erfolgreicher Aufgabe.

Vision, Tools und Responses API

V4.1 Flash unterstützt native Bildverarbeitung. Die Vision-Dokumentation nennt JPEG, PNG, GIF und WebP; Bilder können über URL, Base64 oder die Files API eingebunden werden. DeepSeek spezifiziert parallel Tool Calls und die Responses API. ⁶⁷⁸

Das macht deepseek-flash für Coding- und Research-Agenten interessant, die Screenshots, Dokumentseiten oder UI-Zustände gemeinsam mit Text und Tools verarbeiten.

Vision-Limits: Alte Vision-Exp-Angaben sind überholt

Die eingestellte V4 Flash Vision Exp wurde noch mit einem Limit von 384 Bildtokens beschrieben. Für das aktuelle deepseek-flash dokumentiert DeepSeek nach Größenanpassung bis zu 1.024 Tokens pro Bild. Das ist kein Festpreis pro Bild; die tatsächliche Tokenzahl hängt von der Eingabe ab. Die Angaben gelten für die direkte DeepSeek Vision API, nicht automatisch für Drittanbieter.

Eingabemethode	Aktuelle Grenze	Was beim Implementieren zählt
Externe URL / Base64	32 MiB pro Bild	Inline-Base64 zählt zum 48 MiB Request-Body-Limit
Files API file_id	64 MiB pro Bild	Wiederverwendung ohne erneuten Inline-Upload
Gesamter Request	600 Bilder	Höchstens 64 MiB ohne file_id, bis 200 MiB mit file_id
Bilddimension	8.192 Pixel pro Seite	Ab 15 Bildern höchstens 4.096 Pixel pro Seite
Chat Completions	Bild nur in user	system/assistant mit Bild: HTTP 400
Responses API	input_image	Entweder image_url oder file_id

JPEG, PNG, GIF und WebP sind möglich; der Anbieter erkennt das Format anhand der Datei, nicht der Endung. detail=low skaliert auf 512 × 512 Pixel, high und original behalten die ursprüngliche Auflösung. file_id ignoriert die Detail-Einstellung. Ein lokal liegendes Bild ist nicht automatisch für die API abrufbar: Entweder Base64 selbst übertragen, eine zugängliche HTTPS-URL verwenden oder vorher über die Files API hochladen. Diese Anleitung hat keine privaten Bilder an DeepSeek gesendet.

Wichtige Korrektur zu V4 Pro

Die Launch-Ankündigung vom 10. September sagte zunächst, dass deepseek-v4-pro ab 14. September vorübergehend auf V4.1 Flash geroutet werden sollte. Diese Information ist inzwischen überholt.

Im offiziellen Changelog schreibt DeepSeek ausdrücklich, dass V4 Pro aufgrund der Nachfrage weiter als API-Service angeboten wird und die Abrechnung unverändert bleibt. Weitere Änderungen sollen separat angekündigt werden. ⁹

Das ist ein gutes Beispiel dafür, warum Launch-Posts bei schnelllebigen Modellen nicht als dauerhafte Statusquelle behandelt werden sollten.

Benchmarks

DeepSeek veröffentlicht unter anderem 90,6 auf Terminal-Bench 2.1, 90,9 auf GPQA Diamond und 74,2 auf DeepSWE v1.1. Diese Werte stammen aus DeepSeeks eigener Evaluation. ⁹

Unabhängige Messungen sollten separat betrachtet werden, weil Prompting, Harness, Reasoning-Stufe und Provider-Latenz das Ergebnis stark beeinflussen können. ¹⁰

Lokale Nutzung auf dem Mac

Die Open Weights ändern nichts an der Größenordnung des vollständigen Checkpoints. Das Hugging-Face-Repository liegt im Bereich von Hunderten Gigabyte. Schon eine rein theoretische 4-Bit-Untergrenze für die veröffentlichten Safetensor-Parameter liegt weit über dem Speicher normaler Macs. ³⁴

Die 8B beziehungsweise 16B aktiven Parameter sagen aus, wie viel des MoE-Modells pro Token rechnet. Sie sagen nicht, dass nur 8B oder 16B Gewichte im Speicher liegen müssen. Für einen normalen Mac ist V4.1 Flash daher primär ein API-Modell.

DeepSeek V4.1 Flash mit DeepSeek Harness auf dem Mac verbinden

Modell und Laufzeit sind zwei getrennte Produkte: DeepSeek V4.1 Flash beantwortet Anfragen über die DeepSeek-API. DeepSeek Harness (DSH) ist die Agenten-Laufzeit für Dateien, Tools, MCP und Sessions. Harness kann unterschiedliche LLM-Anbieter nutzen; die Verwendung von DSH macht das 552B-MoE-Modell nicht lokal ausführbar und umgeht auch kein API-Limit. Für die tatsächliche Einrichtung gibt es unseren DeepSeek-Harness-Leitfaden für macOS.¹¹

Ein überprüfbarer Ablauf ohne erfundene Modellzugänge

1. Starte DSH mit der offiziellen Web-Anleitung und wähle einen Wegwerf-Arbeitsordner. Gib keine vollständige Home-Directory oder private SSH-Schlüssel frei.
2. Öffne Settings → Models und konfiguriere den integrierten DeepSeek-Provider mit deinem echten DeepSeek-API-Key. Das ist nicht dasselbe wie ein Chat-Abo oder das lokale Starten eines Checkpoints.
3. Verifiziere die tatsächlich angebotene Modell-ID im Modell-Picker und beim Anbieter. DeepSeeks API verwendet den Alias deepseek-flash für die aktuelle Flash-Route; ob eine bestimmte Harness-Konfiguration die ID anbietet, muss dein Account zeigen. Die in dieser Serie beschriebenen V4-Pro- und V4.1-Flash-Routen nicht ungeprüft austauschen.⁹¹¹
4. Erstelle eine neue Session und lasse in einem Testrepository eine kurze synthetische Code-Review-Aufgabe beantworten. Prüfe zunächst den Text, danach nur ungefährliche Dateileseoperationen. Ein Modell im Dropdown beweist noch nicht, dass Tools, Bilder oder alle Reasoning-Optionen funktionieren.
5. Vergleiche anschließend pro erfolgreich erledigter Aufgabe die gemeldeten Eingabe-/Ausgabetokens, Laufzeit, Tool-Reparaturen und DeepSeeks tatsächliche Rechnung. Ein Cache-Hit-Preis gilt nur für nachweislich gecachte Eingabetokens. API-Key niemals in GitHub oder einem öffentlichen Screenshot veröffentlichen.

Automatisierungsrahmen: DSHs Host Schedule verwaltet derzeit sitzungsgebundene Erinnerungen, keine garantierten autonomen CI-Jobs. Wer mit Hermes oder einem anderen Scheduler dauerhaft Repository-Aufgaben abarbeiten will, muss die Ausführung über eine dedizierte ACP-Session anstoßen und die tatsächlichen Tests/Artefakte kontrollieren. Das ist eine mögliche Architektur, keine hier getestete Integration. Ein zugestellter Reminder ist kein erfolgreicher GitHub-Build.¹²

Datengrenze: Selbst auf einem Mac mit lokal gestarteter DSH-Oberfläche verarbeitet die DeepSeek-Cloud-API den Prompt extern. In Deutschland personenbezogene Inhalte, Vertragsbedingungen, Retention und mögliche Transfers vor dem Einsatz getrennt prüfen; lokaler Workspace-Zugriff allein begründet keine DSGVO-Konformität. Die Anleitung wurde nicht mit einem kostenpflichtigen API-Key ausgeführt.

Einordnung

DeepSeek V4.1 Flash kombiniert sehr niedrige Tokenpreise, 1M Kontext, native Vision und eine Architektur, die explizit auf Cache-Effizienz und Agenten ausgerichtet ist. Die aktuelle API-Lage ist inzwischen stabiler als am Launch-Tag: V4 Flash und V4 Flash Vision Exp sind auf V4.1 Flash umgestellt, während V4 Pro entgegen der ursprünglichen Planung weiterhin separat angeboten wird. ¹⁹⁵

Für Mac-Nutzer ist die Trennung einfach: als Cloud-Modell sehr interessant, als vollständiger lokaler Checkpoint nur für außergewöhnlich große Speicher- und Inferenz-Setups realistisch.

Quellenbelege

Footnotes

1. DeepSeek: Ankündigung ↩ ↩² ↩³

2. DeepSeek: API-Änderung ↩

3. DeepSeek: Modellkarte ↩ ↩² ↩³

4. DeepSeek: Gewichtsdateien ↩ ↩²

5. DeepSeek: API-Preise ↩ ↩² ↩³ ↩⁴

6. DeepSeek: Vision API ↩

7. DeepSeek: Responses API ↩

8. DeepSeek: Tool-Calls ↩

9. DeepSeek: Changelog ↩ ↩² ↩³ ↩⁴

10. Artificial Analysis ↩

11. DeepSeek Harness provider guide ↩ ↩²

12. DeepSeek Harness scheduling guide ↩