DeepSeek V4 Pro 0813: Preise, Benchmarks und Mac-Praxischeck

Stand: 18. August 2026

DeepSeek hat DeepSeek-V4-Pro-0813 am 13. August 2026 als GA-Version seines großen V4-Pro-Modells veröffentlicht. Die Eckdaten sind ungewöhnlich: 1,6 Billionen Gesamtparameter, 49 Milliarden aktive Parameter pro Token, ein Kontextfenster von einer Million Tokens und drei Reasoning-Stufen. Für die direkte DeepSeek-API bleibt der Modellname trotzdem schlicht deepseek-v4-pro.

Für Entwickler ist aber nicht die Namensänderung entscheidend. Interessanter ist, was sich seit dem Preview tatsächlich verbessert hat, wie sich Pro heute gegen das günstigere Flash 0731 schlägt und welche Aussagen über lokale Nutzung auf dem Mac realistisch sind.

Die Kernaussage lautet: V4 Pro 0813 ist deutlich stärker bei langen Agent- und Coding-Workflows, aber nicht automatisch die bessere Standardwahl. Flash ist erheblich günstiger, bei vielen Aufgaben schneller und liegt in aktuellen unabhängigen Gesamtbenchmarks nur knapp hinter Pro. Und obwohl pro Token nur 49 Milliarden Parameter aktiv sind, bleibt V4 Pro wegen seiner insgesamt 1,6 Billionen Gewichte für einen normalen einzelnen Mac kein realistisches lokales Modell.

Die wichtigsten Fakten zu DeepSeek V4 Pro 0813

Merkmal	DeepSeek V4 Pro 0813
Veröffentlichung	13. August 2026
Direct-API-ID	deepseek-v4-pro
Architektur	Mixture of Experts
Gesamtparameter	1,6 Billionen
Aktive Parameter pro Token	49 Milliarden
Kontextfenster	1 Mio. Tokens
Maximale API-Ausgabe	384K Tokens
Reasoning	low, high, max
Standardmodus	Thinking, high
Tool Calls	ja
OpenAI-Responses-kompatible API	ja
Anthropic-kompatibler Endpoint	ja
Lizenz der Gewichte	MIT

Quellen: DeepSeek GA Release, DeepSeek Models & Pricing, V4 Technical Report, Model Card.

0813 ist die Modellrevision – nicht der API-Name

Die Versionsbezeichnung ist leicht misszuverstehen.

Der veröffentlichte Checkpoint heißt:

DeepSeek-V4-Pro-0813

Die direkte DeepSeek-API verwendet dagegen weiterhin:

deepseek-v4-pro

Das ist praktisch relevant. Wer aus dem Checkpoint-Namen automatisch deepseek-v4-pro-0813 als Direct-API-ID ableitet, orientiert sich nicht an der aktuellen DeepSeek-Dokumentation.

Bei Drittanbietern sieht es anders aus. Cloudflare verwendet beispielsweise:

@cf/deepseek-ai/deepseek-v4-pro-0813

OpenRouter wiederum:

deepseek/deepseek-v4-pro-0813

Die Modell-ID muss deshalb immer beim jeweiligen Provider geprüft werden.

1,6 Billionen Gesamtparameter – 49 Milliarden aktiv

V4 Pro ist ein Mixture-of-Experts-Modell. Nicht alle Gewichte werden für jeden Token gleichzeitig benutzt. Der Router aktiviert nur einen Teil des Netzes; DeepSeek gibt 49 Milliarden aktive Parameter pro Token an.

Das senkt den Rechenaufwand im Vergleich zu einem dichten 1,6-T-Modell erheblich. Es ändert aber nicht die grundlegende Speicherfrage: Die Expertengewichte müssen für vollständige lokale Inferenz trotzdem verfügbar sein.

Genau hier entsteht häufig ein falscher Eindruck. 49B aktiv bedeutet nicht, dass V4 Pro wie ein gewöhnliches 49B-Modell geladen werden kann.

Der Technical Report beschreibt zusätzlich eine für lange Kontexte optimierte Architektur mit Compressed Sparse Attention, Heavily Compressed Attention und weiteren Änderungen. DeepSeek berichtet, dass V4 Pro bei einer Million Kontexttokens gegenüber V3.2 deutlich weniger Inference-FLOPs und KV-Cache benötigt. Das sind Angaben aus dem eigenen Technical Report und keine unabhängigen Mac-Messungen.

Was sich mit 0813 gegenüber dem Preview geändert hat

Die GA-Version ist kein bloßer neuer Dateiname. DeepSeek hat das Agent-Post-Training deutlich weiterentwickelt und DSpark integriert.

DSpark ist ein Mechanismus für spekulatives Decoding. Vereinfacht gesagt versucht das System, mehrere plausible Folgetokens vorzubereiten und anschließend in einem Verifikationsschritt mehrere davon zu akzeptieren. Im DSpark-Paper berichtet DeepSeek bei vergleichbarer Throughput-Auslastung von ungefähr 60 bis 85 Prozent höherer Generationsgeschwindigkeit pro Nutzer gegenüber der älteren MTP-1-Baseline.

Diese Zahl sollte eng ausgelegt werden. Sie beschreibt den dokumentierten Serving-Versuchsaufbau und ist kein allgemeines Versprechen, dass jede V4-Pro-API automatisch 60 bis 85 Prozent schneller antwortet.

Die größten Fortschritte liegen bei Agent- und Coding-Aufgaben

DeepSeeks eigene 0813-Evaluationen zeigen vor allem bei längeren Tool- und Coding-Workflows starke Zugewinne:

Benchmark	Pro 0813	Flash 0731	Pro Preview
HLE mit Tools	60,0	51,5	48,2
Terminal-Bench 2.1	87,9	82,7	72,1
NL2Repo	61,5	54,2	38,5
CyberGym	83,3	76,7	52,7
DeepSWE	62,7	54,4	12,8
Toolathlon-Verified	74,1	70,3	55,9
AutomationBench Public	31,8	25,1	12,8

Quelle: DeepSeek V4 Pro 0813 Model Card.

Für die Coding-Agent-Aufgaben nennt DeepSeek unter anderem DeepSeek Harness, max Reasoning, temperature=1.0 und top_p=0.95 als Testbedingungen. Die Werte eignen sich deshalb vor allem für den Vergleich der DeepSeek-Varianten unter ähnlichen Bedingungen. Sie sind kein Ersatz für unabhängige Cross-Model-Tests.

Trotzdem ist das Muster klar: 0813 verbessert genau die Aufgaben, bei denen ein Agent über viele Schritte hinweg konsistent arbeiten muss.

Unabhängige Benchmarks zeichnen ein engeres Bild

Bei Artificial Analysis liegt DeepSeek V4 Pro 0813 Max am 18. August 2026 bei 53 Punkten im Intelligence Index. Flash 0731 Max erreicht dort 52 Punkte.

Das ist wichtig, weil Launch-Berichte noch deutlich größere Abstände nannten. Benchmark-Dashboards ändern sich, wenn neue Läufe oder aktualisierte Auswertungen hinzukommen. Für einen aktuellen Artikel ist deshalb die laufend gepflegte Benchmark-Seite relevanter als ein wenige Tage alter Newswert.

Die praktische Einordnung lautet damit:

• Pro zeigt einen deutlichen Vorsprung bei bestimmten Agent- und Coding-Aufgaben.
• Im allgemeinen Composite-Score ist der Abstand zu Flash klein.
• Wer Flash pauschal als deutlich schwächer behandelt, vereinfacht die Lage zu stark.

Quelle: Artificial Analysis – DeepSeek V4 Pro, Artificial Analysis – DeepSeek V4 Flash.

Die aktuellen Preise: Pro kostet bei DeepSeek etwa dreimal so viel wie Flash

DeepSeek hat die V4-Preise Mitte August erneut angepasst. Die Direct API unterscheidet nun Peak- und Off-Peak-Zeiten.

Peak:

• 01:00–04:00 UTC
• 06:00–10:00 UTC

Außerhalb dieser Fenster gilt der halbe Preis.

Für Deutschland im August 2026 entspricht das während CEST ungefähr:

• 03:00–06:00 Uhr
• 08:00–12:00 Uhr

Direct-API-Preise

Modell	Tokenklasse	Off-Peak	Peak
V4 Pro	Cache Hit	$0,022 / 1M	$0,044 / 1M
V4 Pro	Cache Miss	$0,66 / 1M	$1,32 / 1M
V4 Pro	Output	$1,98 / 1M	$3,96 / 1M
V4 Flash	Cache Hit	$0,007 / 1M	$0,014 / 1M
V4 Flash	Cache Miss	$0,22 / 1M	$0,44 / 1M
V4 Flash	Output	$0,66 / 1M	$1,32 / 1M

Quelle: DeepSeek Models & Pricing.

Damit liegt Pro bei der aktuellen Direct-API-Preisliste in allen drei Kategorien ungefähr beim Dreifachen von Flash.

Das ist eine wichtige Korrektur zu den Launch-Berichten. Reuters schrieb am 13. August noch von ungefähr neunfachen Input- und vierzehnfachen Outputkosten gegenüber Flash. Diese Relation bezog sich auf die damalige Flash-Preisliste und beschreibt nicht mehr den Stand vom 18. August 2026.

Was kostet das in der Praxis?

Ein Preis pro Million Tokens ist abstrakt. Drei Beispielrechnungen zeigen besser, wie groß der Unterschied tatsächlich ist.

Leichte Nutzung

Annahme:

• 1 Mio. nicht gecachte Inputtokens
• 2 Mio. Cache-Hit-Tokens
• 0,25 Mio. Outputtokens

Pro Off-Peak

1 × 0,66
+ 2 × 0,022
+ 0,25 × 1,98
= 1,199 USD

Gerundet: $1,20

Peak kostet dieselbe Nutzung $2,40.

Mittlere Nutzung

Annahme:

• 10 Mio. Cache-Miss-Inputtokens
• 10 Mio. Cache-Hit-Tokens
• 3 Mio. Outputtokens

Ergebnis:

• $12,76 Off-Peak
• $25,52 Peak

Intensive Nutzung

Annahme:

• 50 Mio. Cache-Miss-Inputtokens
• 50 Mio. Cache-Hit-Tokens
• 15 Mio. Outputtokens

Ergebnis:

• $63,80 Off-Peak
• $127,60 Peak

Die Rechnungen enthalten keine Steuern, Wechselkurse oder mögliche Provideraufschläge.

Für automatisierbare Batch-Jobs ist die neue Preisstruktur besonders interessant: Wer seine Jobs außerhalb der Peak-Fenster plant, halbiert bei der direkten DeepSeek-API die Tokenkosten.

Provider unterscheiden sich bei Preis und Geschwindigkeit

V4 Pro 0813 wird inzwischen von mehreren Anbietern gehostet, darunter DeepSeek selbst, Baseten, Fireworks, DeepInfra, Novita, Cloudflare und OpenRouter.

Artificial Analysis misst diese Provider getrennt. Solche Werte ändern sich schnell, aber sie zeigen einen wichtigen Punkt: Der günstigste Endpoint ist nicht automatisch der schnellste.

Für produktive Agenten sollte deshalb nicht nur der Tokenpreis verglichen werden, sondern auch:

• Time to First Token
• Outputtokens pro Sekunde
• Fehlerrate und Stabilität
• Cache-Abrechnung
• Tool-Calling-Verhalten
• Region und Datenverarbeitung
• providerabhängige Zusatzfunktionen

Aktuelle Providerwerte: Artificial Analysis – V4 Pro Providers.

Unterstützt V4 Pro Bilder? Die Antwort hängt vom Provider ab

Hier widersprechen sich die Dokumentationen.

DeepSeeks eigene Responses-API-Dokumentation sagt ausdrücklich, dass Image- und File-Inputs nicht unterstützt werden. Auch die offizielle Codex-Konfiguration beschreibt den Input als textbasiert.

Cloudflare markiert seine Workers-AI-Version von V4 Pro 0813 dagegen mit Vision: Yes.

Die saubere Schlussfolgerung ist deshalb:

Für die direkte DeepSeek-API sollte V4 Pro 0813 derzeit als textbasiertes Modell behandelt werden. Einzelne Provider können zusätzliche multimodale Serving-Pfade anbieten.

Das ist ein typisches Beispiel dafür, warum sich Eigenschaften eines gehosteten Modells nicht blind von einem Anbieter auf den nächsten übertragen lassen.

Quellen: DeepSeek Responses API, Cloudflare Workers AI.

OpenAI-Responses-kompatibel heißt nicht OpenAI-featurekompatibel

DeepSeek unterstützt eine OpenAI-Responses-kompatible Schnittstelle. Dadurch lässt sich das Modell mit dem OpenAI-SDK ansprechen:

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.responses.create(
    model="deepseek-v4-pro",
    instructions="You are a careful coding assistant.",
    input="Review this function for correctness.",
    reasoning={"effort": "high"},
)

print(response.output_text)

Das erleichtert Migrationen, bedeutet aber keine vollständige Funktionsgleichheit mit OpenAI.

DeepSeek dokumentiert mehrere nicht unterstützte Responses-Funktionen, darunter unter anderem:

• background
• store
• conversation
• previous_response_id
• file_search
• code_interpreter
• computer_use
• allgemeine MCP-Tools

Einige nicht unterstützte Parameter können still ignoriert werden. Wer bestehende Agenten umstellt, sollte deshalb nicht nur prüfen, ob der Request syntaktisch funktioniert, sondern ob die tatsächlich benötigten Features semantisch vorhanden sind.

Quelle: DeepSeek Responses API.

Claude Code und Anthropic-kompatibler Endpoint

DeepSeek bietet zusätzlich einen Anthropic-kompatiblen Endpoint unter:

https://api.deepseek.com/anthropic

Die dokumentierte Modellzuordnung ist interessant:

• claude-opus* → deepseek-v4-pro
• claude-sonnet* → V4 Flash
• claude-haiku* → V4 Flash

Damit lässt sich V4 Pro in Workflows einsetzen, die für die Anthropic-API gebaut wurden, ohne jede Integration von Grund auf neu zu schreiben.

Auch hier gilt: Kompatible API-Oberfläche bedeutet nicht automatisch vollständige Verhaltensgleichheit.

Quelle: DeepSeek Anthropic API.

Kann DeepSeek V4 Pro 0813 lokal auf einem Mac laufen?

Für einen normalen einzelnen Mac lautet die praktische Antwort: nein.

Die entscheidende Größe sind nicht die 49 Milliarden aktiven Parameter, sondern die 1,6 Billionen Gesamtgewichte.

Theoretische Untergrenze für die Gewichte

Eigene Rechnung:

Darstellung	theoretischer reiner Gewichtsbedarf
FP16/BF16	~3,2 TB
FP8	~1,6 TB
4 Bit	~800 GB
2 Bit	~400 GB

Berechnung:

1,6 Billionen Parameter × Bits pro Parameter ÷ 8

Das ist nur der theoretische Speicher für die Gewichte. Nicht enthalten sind unter anderem:

• Quantisierungsmetadaten
• KV-Cache
• Runtime-Overhead
• temporäre Tensoren
• Betriebssystem
• andere laufende Anwendungen

Selbst eine aggressive 4-Bit-Rechnung landet damit bei ungefähr 800 GB, bevor der eigentliche Arbeitsbedarf berücksichtigt ist.

MoE-Sparsity reduziert die Rechenmenge pro Token. Sie macht aus 1,6 Billionen Gewichten aber kein 49B-Dateipaket.

DeepSeeks eigene vLLM-Anleitung demonstriert V4 Pro 0813 auf einem 4×GB300-Knoten. Das beschreibt die Zielklasse der Hardware deutlich besser als ein einzelner Consumer-Mac.

Quelle: DeepSeek V4 Pro 0813 Model Card.

Und was ist mit Ollama?

Ollama führt V4 Pro 0813 unter anderem als:

ollama run deepseek-v4-pro:0813-cloud

Der entscheidende Teil ist cloud.

Dieses Angebot zeigt nicht, dass Ollama die vollständigen 1,6-T-Gewichte lokal in Apple Unified Memory lädt. Es ist ein Cloud-Modell.

Quelle: Ollama – DeepSeek V4 Pro 0813 Cloud.

Für echte lokale Nutzung auf Apple Silicon bleiben wesentlich kleinere Modelle die sinnvollere Klasse. Dabei sollten Modellgröße, Quantisierung, gewünschter Kontext und verfügbarer Unified Memory gemeinsam betrachtet werden.

Pro oder Flash: Welche Variante ist sinnvoller?

Die Wahl lässt sich besser über den Arbeitsablauf als über eine einzelne Benchmarkzahl treffen.

Flash 0731 ist die bessere Standardwahl, wenn

• der Tokenpreis wichtig ist,
• sehr viele Routine-Schritte anfallen,
• niedrige Latenz wichtiger als maximale Agententiefe ist,
• die meisten Aufgaben zuverlässig in wenigen Tool-Schritten gelöst werden,
• ein Scheitern einzelner Runs wenig kostet.

Pro 0813 ist sinnvoller, wenn

• ein Agent große Repositories bearbeitet,
• viele Tool-Schritte voneinander abhängen,
• lange Aufgaben bei einem Fehler teuer neu gestartet werden müssten,
• Terminal-, Repo- oder Automation-Aufgaben im Mittelpunkt stehen,
• maximale Reasoning-Tiefe wichtiger ist als Tokenkosten.

Für Agentensysteme bietet sich deshalb eine gestufte Strategie an:

Flash für Routinepfade, Pro für schwierige Eskalationen.

Das ist oft sinnvoller, als jede Anfrage pauschal an das teuerste Modell zu schicken.

Fazit: Agenten- und Coding-Stärken gegen höhere Anforderungen

DeepSeek V4 Pro 0813 ist gegenüber dem Preview vor allem dort stärker geworden, wo moderne Agenten tatsächlich scheitern: bei langen Coding-Aufgaben, Tool-Ketten, Terminalarbeit und mehrstufiger Automation.

Trotzdem ist Pro nicht automatisch die wirtschaftlich beste Default-Wahl. Die aktuelle Direct API kostet ungefähr dreimal so viel wie Flash, unabhängige Gesamtbenchmarks sehen beide Modelle relativ nah beieinander und Flash ist für viele Routineaufgaben ausreichend.

Für Mac-Nutzer ist die Lage noch klarer. V4 Pro ist interessant als API-Modell, nicht als realistisches lokales 49B-Modell. Die 49 Milliarden aktiven Parameter sagen etwas über die Rechenmenge pro Token aus; die lokale Speicherfrage wird weiterhin von den insgesamt 1,6 Billionen Gewichten bestimmt.

Wer einen Agenten auf Kosten und Qualität optimieren will, fährt deshalb derzeit am besten mit einer einfachen Regel:

Flash als Standard. Pro für die Aufgaben, bei denen ein Fehlversuch teurer wäre als der Modellaufschlag.