Am 10. September 2026 hat das chinesische Forschungslabor DeepSeek mit der Veröffentlichung von DeepSeek-V4.1-Flash einen überraschenden Technologiesprung vollzogen. Das intern unter dem Beinamen Return of the Whale geführte System demonstriert einen neuartigen Ansatz für hochskalierte Sprachmodelle. Die unerwartet frühe Veröffentlichung markiert zugleich das offizielle Ende des bisherigen Spitzenmodells DeepSeek-V4-Pro, da der Nachfolger dessen Leistungsdaten in nahezu allen zentralen Disziplinen übertrifft. DeepSeek schaltet das ältere Modell daher schrittweise ab und leitet bestehende API-Anfragen direkt auf die neue Flash-Infrastruktur um, was den Übergang für Bestandskunden nahtlos gestaltet.
Das technische Fundament von DeepSeek-V4.1-Flash basiert auf einer sogenannten Causal Encoder-Decoder Mixture-of-Experts Architektur, die als CED-MoE abgekürzt wird. Der gesamte Verbund verfügt über ein massives Backbone von 552 Milliarden Parametern, das durch rund 196 Milliarden spezialisierte Engram-Speicherparameter ergänzt wird. Dieser kombinierte Aufbau erlaubt es dem Modell, umfangreiches Weltwissen und syntaktische Muster vorzuhalten, ohne bei jeder einzelnen Inferenz den gesamten Parameterraum durchlaufen zu müssen. Die Trennung von Kodierung und Dekodierung innerhalb eines MoE-Netzwerks bildet hierbei die Grundlage für fundamentale Effizienzsteigerungen im Rechenzentrum.
Die entscheidende Neuerung der Architektur liegt in ihrer asymmetrischen Parameteraktivierung während der Inferenz. Im initialen Eingabeschritt, dem sogenannten Prefill-Prozess, werden lediglich 8 Milliarden Parameter dynamisch aktiviert, um den vorgegebenen Prompt zu analysieren und semantisch aufzubereiten. Erst bei der schrittweisen Token-Generierung im Dekodierungsschritt verdoppelt sich dieser Wert auf 16 Milliarden aktive Parameter. Dieses ungleiche Verhältnis reduziert die erforderliche Rechenlast beim Einlesen großer Datenmengen drastisch und beschleunigt die Reaktionszeiten spürbar, da der ressourcenintensive Prefill-Schritt stark gestrafft wird.
Neben der reinen Rechenlast adressiert das Modell eines der größten Nadelöhre moderner KI-Systeme: den extremen Speicherbedarf des Key-Value-Caches. Durch das CED-Design schrumpft der Bedarf an teurem High Bandwidth Memory (HBM) auf ein Viertel des bisherigen Niveaus. Gleichzeitig sinkt der erforderliche SSD-Auslagerungsspeicher für ruhende Zustände sogar auf ein Achtel der vorherigen Anforderungen. Dies eröffnet völlig neue wirtschaftliche Möglichkeiten für Anwendungen mit langen Kontexten von bis zu einer Million Token, was insbesondere langlebigen autonomen Agentensystemen und kontinuierlichen Workflows zugutekommt.
Mit der gesteigerten technischen Effizienz geht eine erhebliche Senkung der Nutzungspreise für gewerbliche und private Anwender einher. Entwickler zahlen für die offizielle Programmierschnittstelle lediglich 0,15 US-Dollar pro Million Input-Token sowie 0,60 US-Dollar pro Million Output-Token. Außerhalb der stark frequentierten Spitzenzeiten gewährt DeepSeek zusätzlich einen automatischen Rabatt von 50 Prozent auf diese Tarife. Durch diese Preisgestaltung setzt das chinesische Labor westliche Cloud-Anbieter unter enormen Druck, die für vergleichbare Kontextfenster und Rechenleistungen weiterhin spürbar höhere Gebühren verlangen.
Trotz des radikal reduzierten Ressourcenverbrauchs verzeichnet das Modell beachtliche Leistungsgewinne im praktischen Produktivbetrieb. In standardisierten Benchmarks und anspruchsvollen Programmierprüfungen überflügelt V4.1-Flash das bisherige Pro-Modell und bringt zusätzlich eine native Bilderkennung direkt im Kernmodell mit. Für Entwicklerteams vereinfacht dieser Schritt die gesamte Systemarchitektur, da anspruchsvolles Reasoning, multimodale Bildverarbeitung und extrem günstige Ausführungskosten in einem einzigen Endpunkt zusammengeführt werden. Dies belegt eindrucksvoll, dass architektonische Innovationen den Hardware-Hunger moderner Großmodelle wirksam drosseln können.