Ist DeepSeek V4-Flash Open-Source oder Open-Weight?

DeepSeek V4-Flash ist ein Open-Weight-Modell. Seine trainierten Gewichte sind öffentlich zum Herunterladen, Selbst-Hosten und Feintunen verfügbar. Sie können es auf Ihrer eigenen Infrastruktur betreiben, ohne Pro-Token-API-Gebühren. Hinweis: Open-Weight ist nicht dasselbe wie Open-Source – der Trainingscode und die Daten sind möglicherweise nicht vollständig öffentlich.

Wie groß ist das Kontextfenster von DeepSeek V4-Flash?

DeepSeek V4-Flash unterstützt ein Kontextfenster von 1 Mio. Token, das groß genug ist, um gesamte Codebasen, umfangreiche technische Dokumente oder ausgedehnte agentische Sitzungen ohne Kürzung aufzunehmen.

In welchen Benchmarks wurde DeepSeek V4-Flash bewertet?

DeepSeek V4-Flash wurde in folgenden Benchmarks bewertet: SWE-bench Verified (79,0 %), GPQA Diamond (88,1 %), MMLU-Pro (86,2 %), LiveCodeBench (91,6 %), HLE (34,8 %). Mit SR gekennzeichnete Ergebnisse sind vom Anbieter selbst gemeldet; mit 3P oder AA gekennzeichnete Ergebnisse wurden von Dritten unabhängig verifiziert.

Ist DeepSeek V4-Flash in FlowHunt verfügbar?

Ja – DeepSeek V4-Flash ist direkt in FlowHunt verfügbar. Sie können es zum Erstellen von KI-Agenten, automatisierten Workflows, Chatbots und Dokumentenverarbeitungspipelines verwenden, ohne zusätzliche Einrichtung.

Wie schneidet DeepSeek V4-Flash im Vergleich zu anderen KI-Modellen ab?

Sie können DeepSeek V4-Flash mit allen 24 Modellen vergleichen, die auf dem FlowHunt AI Leaderboard verfolgt werden, mithilfe der sortierbaren Benchmark-Tabelle. Der Abschnitt Benchmark-Rankings auf dieser Seite zeigt die Position von DeepSeek V4-Flash in jedem Benchmark, in dem es bewertet wurde.

DeepSeek

DeepSeek V4-Flash

AdvancedOpen-weightAvailable in FlowHunt

Try in FlowHunt

DeepSeek V4-Flash ist ein fortschrittliches KI-Modell, das für anspruchsvolle Produktionsworkloads geeignet ist. Es wurde von DeepSeek entwickelt und im April 2026 veröffentlicht. Als Open-Weight-Modell sind seine trainierten Gewichte öffentlich verfügbar – Sie können es selbst hosten, auf proprietären Daten feintunen oder vor Ort ohne API-Abhängigkeiten betreiben. Das Kontextfenster von 1 Mio. Token ist groß genug, um gesamte Codebasen, umfangreiche technische Dokumente oder ausgedehnte agentische Sitzungen ohne Kürzung aufzunehmen.

Auf dem FlowHunt AI Leaderboard ist es eines von 24 verfolgten Modellen, bewertet in 5 Benchmarks. Herausragende Ergebnisse: 86,2 % bei MMLU-Pro (#3 von 8); 91,6 % bei LiveCodeBench (#3 von 5); 34,8 % bei HLE (#5 von 6).

DeepSeek V4-Flash wurde zusammen mit V4-Pro am 24. April 2026 als leichtgewichtige, latenzarme Variante der vierten V-Serie veröffentlicht. Mit 13B aktiven Parametern aus einem gesamten MoE-Pool von 284B erreicht V4-Flash 91,6 % bei LiveCodeBench – nur 1,9 Prozentpunkte hinter V4-Pro – bei deutlich niedrigeren Inferenzkosten pro Token. Diese nahezu gleichwertige Leistung zwischen Flash und Pro bei Wettbewerbsprogrammierung spiegelt DeepSeeks charakteristische Designphilosophie wider: nahezu Flaggschiff-Leistung mit geringeren aktiven Parametern zu erzielen, indem Token über spezialisierte Expertennetzwerke geleitet werden. V4-Flash zielt auf das Hochdurchsatzsegment ab, in dem Entwickler erstklassige Programmierfähigkeiten mit API-Antwortzeiten im Millisekundenbereich benötigen.

Hinweis: Nahezu Pro-Qualität zu einem Bruchteil der Kosten. ~2.500 gleichzeitige Anfragen.

Try in FlowHunt

Veröffentlicht: April 2026
Parameter: 13B/284B MoE
Kontext: 1 Mio. Token
Gewichte: Offen
Stufe: Advanced
Anbieter: DeepSeek

DeepSeek V4-Flash Benchmark Rankings

Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.

Benchmark	Score	Rank	Source	What it measures
SWE-bench Verified	79.0%	9 of 13	SR	Real GitHub issue resolution (500 verified issues)
GPQA Diamond	88.1%	8 of 14	SR	Graduate-level Google-proof science Q&A
MMLU-Pro	86.2%	3 of 8	SR	Hard knowledge reasoning, 12K questions
LiveCodeBench	91.6%	3 of 5	SR	Competitive programming, continuously updated
HLE	34.8%	5 of 6	SR	Humanity's Last Exam (50+ STEM disciplines)

Detailed Benchmark Scores

SWE-V SR

79.0%

Real GitHub issue resolution (500 verified issues)

GPQA ◇ SR

88.1%

Graduate-level Google-proof science Q&A

MMLU-P SR

86.2%

Hard knowledge reasoning, 12K questions

LiveCode SR

91.6%

Competitive programming, continuously updated

HLE SR

34.8%

Humanity's Last Exam (50+ STEM disciplines)

DeepSeek V4-Flash vs. Advanced Peers

Head-to-head benchmark comparison with other Advanced-tier models. Higher is better for all metrics.

Benchmark	DeepSeek V4-Flash	Claude Sonnet 4.6	GPT-4.1
SWE-V	79.0%	79.6%	54.6%
GPQA ◇	88.1%	—	—
MMLU-P	86.2%	—	—
LiveCode	91.6%	—	—
HLE	34.8%	—	—

About DeepSeek

DeepSeek Founded 2023 · Hangzhou, China

Website →

DeepSeek ist ein chinesisches KI-Forschungslabor, das 2023 als Tochtergesellschaft von High-Flyer, einem der größten quantitativen Hedgefonds Chinas, gegründet wurde. Das Labor wurde Anfang 2025 weithin bekannt, als die Veröffentlichung von DeepSeek V3 und R1 den damals größten eintägigen Kursverlust der NVIDIA-Marktkapitalisierung auslöste, da Investoren die Kapitalintensität der Entwicklung von Spitzenmodellen angesichts der berichteten niedrigeren Trainingskosten von DeepSeek neu bewerteten. DeepSeek ist unter den Spitzenlaboren ungewöhnlich in seinem Engagement, Open-Weight-Modelle neben seiner proprietären Forschung zu veröffentlichen, und in seiner aktiven Präsenz in sozialen Medien, die die Preisgestaltung geschlossener Modelle kritisiert. Die V-Serien-Modelle (V3 bis V4-Pro) werden im Westen trotz anhaltender regulatorischer und sicherheitsbezogener Prüfung von KI-Modellen chinesischen Ursprungs in mehreren Jurisdiktionen weit verbreitet als selbst hostbare Codierungs- und Reasoning-Modelle eingesetzt.

Anwendungsfälle

Wofür Sie DeepSeek V4-Flash einsetzen sollten

Softwareentwicklung: DeepSeek V4-Flash erreicht 79 % bei SWE-bench Verified – Rang #9 von 13 hier verfolgten Modellen. Es löst echte GitHub-Issues, schreibt produktionsreifen Code in mehreren Sprachen und bewältigt mehrstufige agentische Codierungs-Workflows – eine starke Wahl für KI-gestützte Softwareentwicklungsteams.
Wissenschaftliches & technisches Denken: DeepSeek V4-Flash erreicht 88 % bei GPQA Diamond (#8 von 14 Modellen), etwa auf oder über dem Niveau menschlicher PhD-Experten. Es bewältigt anspruchsvolles wissenschaftliches Denken, Zusammenfassung wissenschaftlicher Literatur und wissensintensive Aufgaben in MINT-Disziplinen.
Selbst gehostete & private Bereitstellungen: DeepSeek V4-Flash ist Open-Weight (13B/284B MoE-Parameter) – seine trainierten Gewichte sind öffentlich zum Herunterladen und zur Selbstbereitstellung verfügbar. Betreiben Sie es auf Ihrer eigenen GPU-Hardware oder in Ihrer privaten Cloud, um sicherzustellen, dass Daten Ihre Umgebung nie verlassen, eliminieren Sie Pro-Token-API-Kosten im großen Maßstab oder feintunen Sie das Modell auf proprietären Datensätzen.
Langdokument- & Codebasis-Analyse: Mit einem Kontextfenster von 1 Mio. Token kann DeepSeek V4-Flash gesamte Software-Repositories, lange Rechtsverträge, buchlange Forschungsberichte oder umfangreiche Gesprächsverläufe in einer einzigen Eingabeaufforderung aufnehmen – und ermöglicht tiefgehende Dokumenten-Q&A, codebasisübergreifendes Denken und umfassende Zusammenfassungen ohne Chunking-Heuristiken oder RAG-Pipelines.
Wettbewerbsprogrammierung: DeepSeek V4-Flash erreicht 91 % bei LiveCodeBench (#3 von 5 Modellen), einem kontaminationsresistenten Benchmark, der kontinuierlich mit neuen Wettbewerbsprogrammieraufgaben aktualisiert wird. Auf diesem Niveau bewältigt es fortgeschrittene Datenstrukturen, Graphalgorithmen und herausfordernde Aufgaben auf Vorstellungsgesprächsniveau mit hoher Zuverlässigkeit.

Strengths & Limitations

Strengths

Starke Softwareentwicklung – 79 % SWE-bench Verified
Fortschrittliches wissenschaftliches Q&A – 88 % GPQA Diamond
Wettbewerbsprogrammierung – 91 % LiveCodeBench
Selbst gehostete & datenschutzkonforme Bereitstellungen (Open-Weight)
Sehr lange Dokumente und große Codebasen (1 Mio. Kontext)

Weitere Vergleiche

Zum vollständigen KI-Modell-Vergleich

Vergleichen Sie alle 24 Modelle in 11 Benchmarks – sortierbar, mit Quellenangaben, aktualisiert Juni 2026.

← Zurück zur KI-Übersicht In FlowHunt testen

Häufig gestellte Fragen

: DeepSeek V4-Flash ist ein fortschrittliches KI-Modell, das für anspruchsvolle Produktionsworkloads geeignet ist. Es wurde von DeepSeek entwickelt und im April 2026 veröffentlicht. Bekannt ist es vor allem für seine herausragende Leistung in der realen Softwareentwicklung mit 79,0 % im SWE-bench Verified.
: DeepSeek V4-Flash ist ein Open-Weight-Modell. Seine trainierten Gewichte sind öffentlich zum Herunterladen, Selbst-Hosten und Feintunen verfügbar. Sie können es auf Ihrer eigenen Infrastruktur betreiben, ohne Pro-Token-API-Gebühren. Hinweis: Open-Weight ist nicht dasselbe wie Open-Source – der Trainingscode und die Daten sind möglicherweise nicht vollständig öffentlich.
: DeepSeek V4-Flash unterstützt ein Kontextfenster von 1 Mio. Token, das groß genug ist, um gesamte Codebasen, umfangreiche technische Dokumente oder ausgedehnte agentische Sitzungen ohne Kürzung aufzunehmen.
: DeepSeek V4-Flash wurde in folgenden Benchmarks bewertet: SWE-bench Verified (79,0 %), GPQA Diamond (88,1 %), MMLU-Pro (86,2 %), LiveCodeBench (91,6 %), HLE (34,8 %). Mit SR gekennzeichnete Ergebnisse sind vom Anbieter selbst gemeldet; mit 3P oder AA gekennzeichnete Ergebnisse wurden von Dritten unabhängig verifiziert.
: Ja – DeepSeek V4-Flash ist direkt in FlowHunt verfügbar. Sie können es zum Erstellen von KI-Agenten, automatisierten Workflows, Chatbots und Dokumentenverarbeitungspipelines verwenden, ohne zusätzliche Einrichtung.
: Sie können DeepSeek V4-Flash mit allen 24 Modellen vergleichen, die auf dem FlowHunt AI Leaderboard verfolgt werden, mithilfe der sortierbaren Benchmark-Tabelle. Der Abschnitt Benchmark-Rankings auf dieser Seite zeigt die Position von DeepSeek V4-Flash in jedem Benchmark, in dem es bewertet wurde.

Mehr erfahren

DeepSeek V4-Pro — Benchmarks, Fähigkeiten und Anwendungsfälle

DeepSeek V4-Pro ist ein Open-Weight-KI-Modell von DeepSeek (49B/1,6T MoE), eingestuft in die Frontier-Kategorie mit einem Kontextfenster von 1 Mio. Token. Es is...

Apr 24, 2026 5 Min. Lesezeit

DeepSeek MCP Server Integration

Integrieren Sie FlowHunt mit dem DeepSeek MCP Server, um fortschrittliche Sprachmodelle in Ihre KI-Workflows zu bringen. Leiten Sie DeepSeek API-Aufrufe sicher ...

Aug 12, 2025 4 Min. Lesezeit

AI DeepSeek +5

Llama 4 Scout — Benchmarks, Fähigkeiten und Anwendungsfälle

Llama 4 Scout ist ein Open-Weight-KI-Modell von Meta (17B/109B MoE (16 Experten)), eingestuft als Established-Tier mit einem Kontextfenster von 10 Millionen Tok...

Apr 5, 2025 4 Min. Lesezeit