Kaum ein KI-Labor veröffentlicht neue Modelle so beiläufig wie DeepSeek. Am 17. Oktober 2026 hat das chinesische Unternehmen ohne große Ankündigung einen aktualisierten Checkpoint namens DeepSeek-V4.1-Flash-1017 auf Hugging Face bereitgestellt — in der Modellkarte bescheiden als „kleines Update" deklariert, unter MIT-Lizenz und mit frei herunterladbaren Gewichten. Die Benchmark-Ergebnisse haben es allerdings in sich: Beim Software-Engineering-Benchmark DeepSWE v1.1 zieht das offene Modell an Claude Opus 5 und GPT-5.6 Sol vorbei.
Was steckt im 1017-Update?
Der neue Checkpoint verbessert den Vorgänger vom September in allen veröffentlichten Benchmarks. Die auffälligsten Sprünge liegen bei agentischen Coding-Aufgaben: Auf DeepSWE v1.1 steigt das Modell von 74,2 auf 77,0 Punkte — laut den veröffentlichten Vergleichswerten vor Claude Opus 5 (74,0) und GPT-5.6 Sol (73,0). Beim Terminal-Bench 4.0, der Arbeit auf der Kommandozeile misst, springt der Wert von 31,2 auf 42,3. Auch beim anspruchsvollen Wissenstest „Humanity's Last Exam" legt das Modell von 36,8 auf 42,6 Punkte zu, bleibt dort aber deutlich hinter Claude Opus 5 (56,3). Das Muster ist klar: Beim praktischen Programmieren und bei Agenten-Aufgaben spielt DeepSeek vorn mit, beim breiten Weltwissen führen weiter die US-Flaggschiffe.
Nach Angaben von DeepSeek arbeitet der neue Checkpoint zudem schneller und mit kürzeren Ausgaben — bei agentischen Workflows, die hunderte Einzelschritte umfassen können, spart das spürbar Zeit und Kosten. Das Begleitpapier trägt den Titel „Pushing the Limits of KV Cache Compression".
Riesig auf dem Papier, sparsam im Betrieb
Technisch bleibt es beim Mixture-of-Experts-Ansatz der V4.1-Reihe: 552 Milliarden Parameter insgesamt, von denen pro Token nur 8 Milliarden (Verarbeitung der Eingabe) beziehungsweise 16 Milliarden (Textgenerierung) aktiv sind. Das Kontextfenster fasst bis zu eine Million Token, Bilder versteht das Modell ebenfalls. Die Gewichte liegen im FP8-Format auf Hugging Face.
Kampfpreise bei der API
Parallel zum Modell-Update hat DeepSeek die Preisschraube weiter nach unten gedreht: Die API kostet laut Berichten 0,15 US-Dollar pro Million Eingabe-Token und 0,60 US-Dollar pro Million Ausgabe-Token — ein Bruchteil dessen, was westliche Frontier-Modelle verlangen. Neu ist eine Such- und Abruf-API für Agenten, die mit 0,75 US-Dollar pro 1.000 Anfragen abgerechnet wird. DeepSeek zielt damit direkt auf Entwickler, die KI-Agenten mit Web-Recherche bauen.
Was bedeutet das für Anwender in Deutschland?
Die MIT-Lizenz erlaubt kommerzielle Nutzung, Veränderung und Weitergabe ohne Einschränkungen — für deutsche Unternehmen ist das die unkomplizierteste Lizenz überhaupt. Entscheidend ist aber der Unterschied zwischen API und Eigenbetrieb: Wer die günstige DeepSeek-API nutzt, schickt seine Daten auf Server des chinesischen Anbieters — für personenbezogene Daten ist das DSGVO-rechtlich kaum sauber abzubilden, ein EU-Serverstandort fehlt. Die saubere Alternative ist der lokale Betrieb: Die Gewichte sind frei verfügbar, und für die Flash-Modelle der V4-Reihe entstehen bereits erste Community-Quantisierungen für llama.cpp und Ollama — Werkzeuge wie LM Studio brauchen für die neue Architektur teils noch aktualisierte Unterstützung. Das volle Modell braucht allerdings Server-Hardware; auf einer einzelnen Workstation laufen nur stark komprimierte Varianten. Mittelständler, die Coding-Agenten einsetzen wollen, können das Modell auch über europäische Hoster mit AV-Vertrag beziehen, die Open-Weight-Modelle anbieten. Details zur Modellfamilie und zu Hardware-Anforderungen finden sich in unserer Übersicht zu DeepSeek V4. Pikant ist der Zeitpunkt des Releases: Erst einen Tag zuvor wurde bekannt, dass China Exportkontrollen für offene KI-Modelle prüft — wer mit DeepSeek plant, sollte die Gewichte sichern, solange sie frei verfügbar sind.