DeepSeek verbessert sein günstiges Modell und zieht mit OpenAIs Budgetmodell gleich
V4 Flash 0731 gewinnt zehn Punkte im Index von Artificial Analysis, ohne größer oder teurer zu werden. Es liegt einen Punkt hinter GPT-5.6 Luna und kostet pro Aufgabe rund 60 Prozent weniger.
DeepSeek hat sein günstiges Modell aktualisiert, und der Sprung ist größer, als der nüchterne Name vermuten lässt. V4 Flash „0731“ erreicht im Intelligence Index von Artificial Analysis 50 Punkte, zehn mehr als die Aprilversion und sechs mehr als DeepSeeks teureres V4 Pro. Damit liegt es nur einen Punkt hinter GPT-5.6 Luna, OpenAIs günstigstem Modell, dessen Preis OpenAI erst am Vortag um 80 Prozent gesenkt hatte.
Bemerkenswert ist vor allem, was gleich blieb: dieselbe Architektur mit insgesamt 284 Milliarden und 13 Milliarden aktiven Parametern, dasselbe Kontextfenster für eine Million Tokens und derselbe Preis. Der Fortschritt stammt aus dem Training, nicht aus einem größeren oder teureren Modell. V4 Flash verbessert sich in jeder getesteten Kategorie, am stärksten bei agentischen Aufgaben. Im Büroarbeits-Benchmark GDPval steigt es von 1.189 auf 1.559 Elo-Punkte. Zudem halluziniert es seltener als sein Vorgänger und benötigt für dieselbe Arbeit rund zwölf Prozent weniger Tokens.
Pro Aufgabe kostet DeepSeek selbst nach OpenAIs Preissenkung etwa 60 Prozent weniger als GPT-5.6 Luna. Ein großer Teil des Abstands entsteht nicht durch den Listenpreis, sondern durch den Cache-Rabatt. Wer denselben Text wiederholt sendet, etwa einen langen Systemprompt, bezahlt für diesen Teil weniger. Branchenüblich sind etwa 90 Prozent Rabatt; DeepSeek gewährt 98 Prozent. Bei hohen Volumen summiert sich das. Die Gewichte stehen auf Hugging Face unter einer MIT-Lizenz bereit, die kommerzielle Nutzung und Änderungen ohne Einschränkungen erlaubt.
Was dahintersteckt. Der Preiskampf erreicht das Marktsegment, in dem tatsächlich viel Geld ausgegeben wird. Spitzenmodelle bekommen die Schlagzeilen, der Großteil der KI-Ausgaben entfällt aber auf routinemäßige Massenarbeit wie Klassifikation, Extraktion, Zusammenfassung und Moderation. Hier liegen DeepSeek, Gemini 3.6 Flash und GPT-5.6 Luna inzwischen nur ein oder zwei Punkte auseinander. OpenAI senkte Luna am 30. Juli um 80 Prozent, DeepSeek konterte am nächsten Tag. Das zeigt, wie eng der Wettbewerb geworden ist. Käufer profitieren; für Unternehmen, die große Rechenzentren mit hohen Margenerwartungen finanzieren, ist die Entwicklung unbequem.
Was das für dich bedeutet: Bei einem monatlichen KI-Abonnement ändert sich deine Rechnung nicht. Entwickelst du über eine API, lohnt sich ein Test. Das praktische Muster heißt gestuftes Routing: Routine und hohes Volumen gehen an ein günstiges Modell, schwierige Anfragen an ein Frontier-Modell. Teams senken damit ihre Kosten deutlich, ohne an den entscheidenden Stellen Qualität einzubüßen. Vor einem Wechsel gilt ein Vorbehalt: DeepSeek ist ein chinesischer Anbieter. Sind Datenstandort oder regulatorische Freigaben für deine Organisation wichtig, prüfe das zuerst. Die offenen MIT-Gewichte bieten eine Alternative, weil du das Modell selbst betreiben kannst.
Quellen
Europa schreibt sieben KI-Gigafabriken aus, und die Zahlen zeigen das Problem
Die EU-Kommission plant bis zu sieben große KI-Rechenstandorte. Zehn Milliarden Euro öffentliche Mittel sollen weitere 20 Milliarden mobilisieren. US-Technologiekonzerne geben allein dieses Jahr zwanzigmal so viel aus.
