DeepSeek V4.1 Flash Test 2026: Preis und Grenze

Constantin Budin, Lead Consultant Data & AI bei Pexon Consulting | 8 Min. Lesezeit | 28.09.2026

TL;DR: DeepSeek V4.1 Flash in fünf Sätzen

DeepSeek V4.1 Flash liest mit 8 und schreibt mit 16 Milliarden aktiven Parametern aus 552 Milliarden im Rückgrat. Der gewichtete Ausgabepreis auf OpenRouter lag am 28.09.2026 bei 0,81 Dollar je Million Token, nicht bei 0,29. Pexon Consulting routet das Modell über ein Gateway, weil der Anbieter die Rechnung verschiebt. Für getesteten Code ja, für unbeaufsichtigtes Faktenwissen nein.

Das Problem: 0,29 Dollar ist der Boden, nicht Ihre Rechnung

Die Modellkarte von OpenRouter für deepseek/deepseek-v4.1-flash zeigt oben 0,035 Dollar Input und 0,29 Dollar Output je Million Token. Das ist der billigste gelistete Host, inference.net, nicht der Preis, den der Verkehr tatsächlich zahlt.

Am 28.09.2026 lag der gewichtete Ausgabepreis bei 0,8094 Dollar. Der gewichtete Input bei 0,0224 Dollar. Input wird durch Cache billig, Output nicht. Wer das Schild liest und ein Budget darauf schreibt, liegt bei der Ausgabe um den Faktor drei daneben.

Unsere klare Empfehlung: Kalkulieren Sie mit dem Host, den Sie festnageln, und mit der Cache-Trefferquote, die Sie messen. Nicht mit der kleinsten Zahl auf der Karte.

Was 8 Milliarden rein und 16 Milliarden raus ändern

DeepSeek hat V4.1 Flash am 10.09.2026 veröffentlicht. Es ist das erste Modell der Firma auf der Causal-Encoder-Decoder-Architektur, ein sparsames Mixture-of-Experts. Beim Lesen sind 8 Milliarden Parameter aktiv, beim Schreiben 16, aus 552 Milliarden im Rückgrat. Die Asymmetrie ist der Punkt: Eingabe, und davon hat ein Agent viel, bleibt rechnerisch leichter als die Antwort.

Bildverstehen sitzt von Anfang an in den Gewichten. Text- und Bild-Embeddings wurden gemeinsam vortrainiert, nicht nachträglich draufgesetzt wie beim experimentellen V4 Flash Vision Exp. Für einen Computer-Use-Agenten, der Screenshots liest und dann tippt, ist das die passende Schnittstelle. Die Ausgabe bleibt Text.

Der komprimierte KV-Cache soll etwa ein Viertel des Speicherbedarfs der vorigen Flash-Generation brauchen. Zusammen mit einer Million Token Kontext ist das die Begründung, warum DeepSeek das Modell auf lange Agentenläufe stellt: Coding, Terminal, viele Schritte, ein Auftrag soll zu Ende laufen.

Gegen das eigene V4 Pro behauptet DeepSeek bessere Leistung, höheres Tempo und kürzere Laufzeit bis zum fertigen Task. Das ist eine Herstelleraussage. Unabhängig davon ist die Einordnung auf der Karte nüchterner: der Intelligence Index von Artificial Analysis liegt bei 39,5 und damit besser als 79 Prozent der dort verglichenen Modelle. Das ist die obere Hälfte, kein alleiniger Spitzenplatz.

Gegen den Vorgänger V4-Flash-0731 ist der Vergleich ungemütlich, sobald man den DeepSeek-Host selbst nimmt. 0731 steht auf der Karte bei etwa 0,019 Dollar Input und 0,30 Dollar Output, mit 1,3 Millionen Token Kontext. V4.1 am DeepSeek-Endpoint kostet 0,15 und 0,60, bei 1,0 Million Kontext. Günstiger ist das neue Modell gegenüber Pro (dort liegt die Ausgabe je nach Karte zwischen rund 2 und 3,50 Dollar), nicht gegenüber dem alten Flash.

Benchmarks: Langer Kontext trägt, Faktenwissen nicht

Die Zahlen unten stammen von Artificial Analysis, jeweils Reasoning mit maximalem Aufwand, abgerufen über die OpenRouter-Karte am 28.09.2026. Sie sind kein eigener Pexon-Lauf.

Die 3,5 Prozent sind die Zahl, die in einer Freigabe entschieden werden muss. Die Metrik misst, wie oft das Modell bei einer nicht korrekten Antwort die Halluzination vermeidet, also etwa abbricht statt zu erfinden. 3,5 Prozent heißt: fast jede falsche Antwort wird als Tatsache ausgegeben.

Wir raten davon ab, V4.1 Flash als Wissensquelle ohne Belege laufen zu lassen. Interne Richtlinien, Verträge, Medizin, alles, wo eine erfundene Stelle Schaden anrichtet. Für Code mit einer Testsuite ist das ein anderes Risiko, weil ein falscher Patch rot wird, bevor er merget.

GPQA Diamond liegt in den AutoExacto-Messungen der Hosts um 89,5 bis 91,1 Prozent. Das ist stark und gleichzeitig ein Hinweis, dass der Host die gemessene Qualität mitbewegt. GMICloud meldet 90,8 Prozent GPQA und 76,2 Prozent TAU-Bench, Alibaba Cloud International 91,1 und 75,1. Wer einen Host nur nach Cent auswählt, kauft unter Umständen eine andere Verhaltensecke.

Tool-Aufrufe sind im Einsatz. Die niedrigsten Fehlerquoten auf der Karte: NextBit 0,00 Prozent, Fireworks 0,08 Prozent. Structured Output ist nicht fehlerfrei. Together, der Host mit dem größten Tokenanteil, liegt bei 2,70 Prozent Structured-Output-Fehlern, Baidu Qianfan bei 1,83. Unsere Empfehlung: Schema nach dem Aufruf prüfen, nicht darauf vertrauen, dass der Provider das schon erledigt hat.

Was Sie für DeepSeek V4.1 Flash auf OpenRouter wirklich zahlen

Stand 28.09.2026, Listenpreise nach den auf der Karte sichtbaren Rabatten. Latenz und Durchsatz sind P50. Der Anteil ist der Tokenanteil des letzten Tages.

Together trägt knapp 30 Prozent des Verkehrs und nimmt 1,20 Dollar für die Ausgabe. Deshalb zieht der gewichtete Output auf 0,81 Dollar, obwohl unten auf der Liste Hosts für 0,29 Dollar stehen. Der effektive Input von Together liegt trotzdem bei etwa 0,025 Dollar, weil die Cache-Trefferquote bei 93,5 Prozent liegt. DeepSeek selbst meldet 91,9 Prozent Cache-Treffer und einen effektiven Input von 0,019 Dollar bei 0,74 Dollar effektiver Ausgabe.

Schnellster P50-Durchsatz auf der Karte: 190 Token pro Sekunde bei Together, Latenz 0,33 Sekunden. Über eine Woche gemittelt bleibt Together vorn, etwa 169 Token pro Sekunde und 0,38 Sekunden. Das ist nah an dem, was die lokale Vier-Geräte-Messung für einen einzelnen Strom nicht schlägt. Wann sich eigene Hardware gegen die API rechnet, steht in Hosting statt API: der Break-even.

Erreichbarkeit über drei Tage, 25. bis 28.09.2026: Uptime 100 Prozent, Availability 99,87 Prozent. Ohne Routing fällt die Availability auf 97,23 Prozent, weil ein kranker Host dann nicht mehr auf den nächsten springt. Drei Tage sind eine Stichprobe, kein Jahres-SLA. Ionstream stand am selben Tag bei 81,51 Prozent Uptime. Ein Default-Mix, der solche Hosts mitnimmt, ist kein Betriebskonzept.

Wenn der Preis die Entscheidung ist, nageln Sie den Host fest. OpenRouter lässt das im Request zu. Ohne Fallback bleibt die Rechnung die, die Sie gerechnet haben.

curl https://openrouter.ai/api/v1/chat/completions 
  -H "Authorization: Bearer $OPENROUTER_API_KEY" 
  -H "Content-Type: application/json" 
  -d '{
    "model": "deepseek/deepseek-v4.1-flash",
    "provider": { "order": ["DeepSeek"], "allow_fallbacks": false },
    "messages": [{"role": "user", "content": "Nenne die aktive Parameterzahl beim Schreiben."}]
  }'

Wer das Modell schon in Agenten fährt

Die öffentliche App-Liste auf derselben Karte, Stand 28.09.2026, ist ein Nutzsignal, kein Benchmark. Vorn liegen Hermes Agent (Nous Research) mit 5,68 Billionen Token, pi mit 2,46 Billionen und Claude Code mit 1,83 Billionen. Dahinter omp und DeepSeek Harness, beide als neu markiert, mit 1,37 und 1,26 Billionen.

Das Muster ist eindeutig: persistente Coding- und Computer-Use-Agenten, nicht Chat. Die Volumenaufschlüsselung auf der Karte zeigt dasselbe. Prompt-Token dominieren mit 3,22 Billionen, Reasoning liegt bei 33,2 Milliarden, Completion bei 17,6 Milliarden. Der Agent schickt den Kontext immer wieder mit, die sichtbare Antwort ist der kleine Rest. Genau deshalb sind Cache-Treffer über 90 Prozent bei den großen Hosts kein Nice-to-have, sondern der eigentliche Rabatt.

Reasoning-Token liegen in dieser Aufschlüsselung etwa doppelt so hoch wie die Completion. Wer nur den Ausgabepreis auf die sichtbare Antwort rechnet, unterschlägt den Denkanteil. Bei 0,60 Dollar am DeepSeek-Host und einem Verhältnis von zwei Reasoning-Token auf ein Antwort-Token zahlen Sie auf die nutzbare Antwort eher in Richtung 1,80 Dollar je Million, bevor der Prompt überhaupt dazukommt. Der Prompt ist dank Cache oft der billige Teil.

Pexon Consulting, 80 Mitarbeiter in Deutschland und Microsoft Partner auf Azure, AWS und GCP, sieht das in Gateway-Projekten regelmäßig: die Modellkarte und die Monatsrechnung auseinanderlaufen, sobald Agenten denselben Kontext zwanzigmal schicken und der Router den Host wechselt.

API, fester Host oder eigene Hardware

Drei Wege, und nur einer davon ist „einfach das Schild nehmen“.

1. API mit festem Host, wenn das Team unter ein paar Dutzend Leuten liegt und der Code nicht ins eigene Rechenzentrum muss. DeepSeek-Endpoint: 0,15 / 0,60 Dollar, 100 Token pro Sekunde, 0,78 Sekunden Latenz, 100 Prozent Uptime in den letzten drei Tagen.
2. API mit Tempo-Vorrang, wenn die Agenten auf Together oder einen vergleichbar schnellen Host dürfen und 1,20 Dollar Ausgabe ins Budget passen. 190 Token pro Sekunde sind der beste P50 auf der Karte.
3. Eigene Hardware, wenn Sie ein Frontier-Modell ersetzen oder Daten das Gebäude nicht verlassen dürfen. Gegen den DeepSeek-Tarif rechnet sich ein Cluster in der Größenordnung von 19.000 Dollar bei Dauerlast erst nach Jahren. Die Auslastungsrechnung steht im lokalen Kostenartikel, nicht hier noch einmal.

Was wir nicht empfehlen: den billigsten Host mit 35 Token pro Sekunde unter einen Coding-Agenten zu hängen, der auf das nächste Token wartet, nur weil 0,29 Dollar auf dem Schild steht. Und wir empfehlen nicht, V4-Flash-0731 stillschweigend als dasselbe Modell zu behandeln. Andere Aktivierung, anderer Kontext, anderer Preis, und Bildverstehen ist hier nativ statt experimentell nachgerüstet.

Für den Weg ins eigene Rechenzentrum bleibt die Frage, welche Prompts überhaupt das Gebäude verlassen dürfen. Die Abgrenzung beschreiben wir bei Datensouveränität für KI. Den Verkehr davor bündeln Sie in einem LLM-Gateway mit Modell-Routing, sonst wählt jedes Repo seinen Host selbst.

Häufig gestellte Fragen

Was ist DeepSeek V4.1 Flash?

Ein sparsames Mixture-of-Experts von DeepSeek auf der Causal-Encoder-Decoder-Architektur, veröffentlicht am 10.09.2026. Aktiv sind 8 Milliarden Parameter bei der Eingabe und 16 Milliarden bei der Ausgabe, bei 552 Milliarden im Rückgrat. Der Kontext umfasst eine Million Token, Bildverstehen ist nativ dabei. Die Modell-ID auf OpenRouter lautet deepseek/deepseek-v4.1-flash.

Was kostet DeepSeek V4.1 Flash?

Der ausgeschilderte Boden lag am 28.09.2026 bei 0,035 Dollar Input und 0,29 Dollar Output je Million Token. Der gewichtete Preis, den Kunden zahlen, lag bei 0,0224 Dollar Input und 0,8094 Dollar Output. Am DeepSeek-Host selbst sind es 0,15 und 0,60 Dollar, Cache-Reads 0,003 Dollar. Der Host entscheidet, welche Zeile in Ihr Budget gehört.

Wie schlägt sich DeepSeek V4.1 Flash im Benchmark?

Auf Artificial Analysis, Reasoning mit maximalem Aufwand, liegt der Intelligence Index bei 39,5, langer Kontext (AA-LCR) bei 84 Prozent, SciCode bei 51,9 Prozent. Die Trefferquote bei Omniscience liegt bei 46,4 Prozent, die Rate, mit der falsche Antworten keine Halluzination sind, bei 3,5 Prozent. Langkontext und Agentenläufe sind der Einsatz, unbeaufsichtigtes Faktenwissen nicht.

DeepSeek V4.1 Flash oder V4-Flash-0731?

0731 ist auf der Karte günstiger in der Ausgabe (etwa 0,30 statt 0,60 Dollar am DeepSeek-Tarif) und hat 1,3 Millionen Token Kontext statt 1,0. V4.1 Flash aktiviert asymmetrisch, bringt Bildverstehen aus dem Vortraining mit und wird von DeepSeek als das Modell positioniert, das V4 Pro in Tempo und Task-Abschluss schlägt. Für neue Agentenprojekte nehmen wir V4.1, für eine reine Text-Pipeline mit knappem Budget prüfen wir 0731 noch einmal gegen denselben Host.

Unterstützt DeepSeek V4.1 Flash Tool Calling?

Ja. OpenRouter weist Tool-Call-Fehlerquoten pro Host aus, die besten liegen bei 0,00 und 0,08 Prozent. Structured Output ist unterstützt, aber nicht fehlerfrei: beim verkehrsstärksten Host Together lagen die Fehler bei 2,70 Prozent. Antworten mit Schema deshalb nachprüfen.

Nächster Schritt

Bevor ein Agent auf deepseek/deepseek-v4.1-flash umgestellt wird, liegen drei Dinge fest: der Host, das Budget je Team und die Prüfung, die eine falsche Antwort auffängt. Ohne den Host ist der Preis auf der Karte eine Untergrenze. Ohne die Prüfung ist die Halluzinationsrate von 3,5 Prozent bei falschen Antworten ein Produktionsrisiko.

Verwandte Themen