DeepSeek V4 GA:
Preise, Architektur und Performance vs. GPT-5.6

Nach drei Monaten Wartezeit ist DeepSeek V4 GA (General Availability) am 20. Juli 2026 live. Gegenüber der April-Vorschau liefert die Vollversion messbare Verbesserungen bei Agent-Orchestrierung, mathematischer Reasoning und Code-Generierung — plus erstmals Peak-Off-Peak-Tarife. Einzelentwickler, AI-Ingenieure und Teams, die noch deepseek-chat nutzen, finden hier die Entscheidungsgrundlage: Zeitlinie Preview→GA, V4-Pro/Flash-Architektur (CSA+HCA, mHC, Muon), Benchmark-Matrix, Vergleich GPT-5.6 / Claude Fable 5, Peak-Off-Peak-Kostenstrategie, 6-Schritte-API-Migration bis 24. Juli, zitierfähige Kennzahlen und FAQ.

SECTION 01 Welche Probleme löst DeepSeek V4 GA — und welche entstehen neu?

• Legacy-API-Ende: deepseek-chat und deepseek-reasoner werden am 24. Juli 2026, 23:59 Uhr (Peking-Zeit) dauerhaft abgeschaltet — ungemigrierte Produktions-Calls brechen ab;
• Peak-Off-Peak-Komplexität: Werktags-Hochlast (09:00–12:00 und 14:00–18:00 Peking-Zeit) verdoppelt die Tarife; Batch-Inferenz ohne Zeitplanung kann Budgets sprengen;
• Preview vs. GA-Leistungslücke: Die Vorschau war stark, GA bringt jedoch sichtbare Zugewinne bei Agent-Ketten und langen Code-Pfaden — Dokumentation aus April unterschätzt die Vollversion;
• Closed-Source-Kosten: Claude Fable 5 Output ~$50/M, GPT-5.6 Sol ~$15/M — Teams mit hoher API-Frequenz brauchen MIT-lizenzierbare Self-Hosting-Alternativen;
• 1M-Kontext-Realität: KV-Cache-Speicher, nicht Token-Zahlen auf dem Papier, ist der Engpass — die CSA+HCA-Architektur reduziert Speicherbedarf auf 10 % von V3.2.

Kernpositionierung: DeepSeek V4 GA ist 2026 einer der wichtigsten Open-Source-Meilensteine — bei 1/10 bis 1/100 der Closed-Source-Kosten liefert es die stärkste Gesamtleistung unter Open-Source-Modellen (SWE-bench Verified 80,6 %, Open-Source-Rekord) und etabliert erstmals ein diszipliniertes Peak-Off-Peak-Preismodell.

SECTION 02 DeepSeek V4 Zeitlinie: Von der Preview zur GA-Vollversion

SECTION 03 V4-Pro vs. V4-Flash: CSA+HCA-Architektur für 1M Kontext

Klassische Transformer skalieren KV-Cache linear — 1M Tokens war praktisch undurchführbar. DeepSeek V4 adressiert das mit drei Architektur-Innovationen:

• Hybrid Attention (CSA + HCA): Compressed Sparse Attention (CSA) komprimiert KV-Sequenzen per Softmax-Gating 4×, wählt per FP4-«Lightning Indexer» top-k (Pro: 1024, Flash: 512) und behält ein 128-Token-Sliding-Window; Heavy Compressed Attention (HCA) komprimiert 128× für globale Dense Attention — abwechselnd mit CSA. Bei 1M Kontext: Inferenz-FLOPs 27 % von V3.2, KV-Cache-Speicher 10 % (Flash: 7 %).
• Manifold-Constrained Hyper-Connections (mHC): Vier Kanäle im Residual-Stream + doppelt-stochastische Matrix (Birkhoff-Polytop) stabilisieren Signalfluss über 61 Layer.
• Muon-Optimierer: Training mit Muon statt AdamW; Newton-Schulz-Orthogonalisierung der Gradienten — schnellere, stabilere Konvergenz.

Offizielle Sampling-Parameter: temperature=1.0, top_p=1.0 (alle Modi).

SECTION 04 Benchmark-Matrix: V4-Pro als Open-Source-Spitze

Laut Artificial Analysis: Claude Fable 5 kostet bei Strategy & Ops Index-Tasks $3,48 pro Lauf (Score 50), DeepSeek V4-Pro $0,03 (Score 38) — 116× Kostenunterschied bei ~12 Punkten Score-Gap (31 %). V4-Flash bleibt bei allen sechs Index-Kategorien unter $0,04 pro Lauf.

SECTION 05 DeepSeek V4 vs. GPT-5.6 und Claude Fable 5: Entscheidungsmatrix

• Budget / hohe Frequenz / Self-Hosting: V4-Pro oder V4-Flash;
• Maximale Code-Qualität, Kosten egal: Claude Fable 5 (SWE-bench Pro 80,3 %);
• Algorithmen + Mathematik: GPT-5.6 Sol / Ultra;
• Massen-Log/Dokument-Verarbeitung: V4-Flash Cache-Hit Input nur $0,0028/M.

SECTION 06 Peak-Off-Peak-Tarife: Berechnung und vier Einsparmechanismen

GA-Neuheit: wie Stromtarife — Werktags-Hochlast verdoppelt Raten (Peking-Zeit 09:00–12:00, 14:00–18:00).

• Batch-Jobs in Off-Peak: Dokumentenverarbeitung, Annotation, Code-Review nach 18:00 oder vor 09:00 planen;
• Prompt Cache nutzen: V4-Flash Cache-Hit $0,0028/M — wiederholte System-Prompts strukturiert voranstellen;
• Flash als Router: einfache Intents an V4-Flash, komplexes Reasoning an V4-Pro;
• E-Mail-Benachrichtigungen: DeepSeek kündigt Tarifänderungen 24 Stunden vorher per Mail an.

Selbst in Peak-Zeiten: V4-Pro Output $1,74/M bleibt 8,6× günstiger als Claude Opus 4.8 ($15/M) und GPT-5.6 Sol (~$15/M).

SECTION 07 API-Migration vor deepseek-chat-Abschaltung: 6 Schritte

Warnung: deepseek-chat und deepseek-reasoner enden am 24. Juli 2026, 15:59 UTC (23:59 Peking-Zeit) dauerhaft.

1. Codebase durchsuchen: deepseek-chat und deepseek-reasoner in Code, CI und Env-Vars finden.
2. Zielmodell wählen: leichte Dialoge → deepseek-v4-flash; komplexes Reasoning → deepseek-v4-pro + Think-Modus.
3. OpenAI SDK anpassen: nur model ändern, base_url bleibt https://api.deepseek.com.
4. Think-Modus konfigurieren: via extra_body, Budget ab 8000 Tokens empfohlen.
5. Staging validieren: E2E-Regression vor 24. Juli, Fokus Agent-Ketten und Cache-Hits.
6. Produktion schalten: Canary-Rollout, Peak-Off-Peak-Kosten und Latenz überwachen.

LEGACY — ab 24. Juli ungültig
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

NEU — V4-Pro mit Think-Modus
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

V4 unterstützt OpenAI ChatCompletions und Anthropic Messages — Anthropic SDK: nur model und base_url=https://api.deepseek.com anpassen.

SECTION 08 Zitierfähige Kennzahlen und Quellen

• Open-Source-Rekord: SWE-bench Verified 80,6 %, gleichauf mit Gemini 3.1 Pro unter Open Source.
• Kontext-Effizienz: KV-Cache bei 1M Tokens 10 % von V3.2 (Flash: 7 %).
• Preis-Leistung: V4-Pro Output Off-Peak $0,87/M, Peak $1,74/M.
• Migrations-Deadline: 2026-07-24 23:59 Peking-Zeit.
• Lizenz: V4-Pro und V4-Flash MIT, kommerzielle Nutzung erlaubt.
• Sampling: temperature=1.0, top_p=1.0 offiziell empfohlen.

Technische Details und Benchmarks nach Release erneut an den offiziellen Quellen prüfen:

DeepSeek API — offizielle Dokumentation

arXiv:2606.19348 — DeepSeek V4 Technisches Paper

Hugging Face — DeepSeek Modell-Repository

Artificial Analysis — Intelligence Index und Kostenvergleich

DeepSeek V4 GA schlägt Claude Fable 5 oder GPT-5.6 (noch) nicht in allen Benchmarks — sein Wert liegt in Open-Source-Spitzenleistung zu Bruchteil-Kosten. Wer jedoch iOS CI/CD auf Mac, Metal-beschleunigte Inferenz oder 7×24-Agent-Pipelines braucht, stößt bei reiner API-Nutzung an Grenzen: Datenresidenz und DSGVO-Compliance, lokale Mac-Ausfälle, VM-Hypervisor-Overhead ohne native Metal-Kompatibilität. Für native Apple-Compute ohne Overhead, stabiles iOS CI/CD und Agent-Automatisierung sind MACNOX Cloud-Physik-Macs die robustere Produktionsoption: 100 % Apple-Hardware, voller Root, null Hypervisor-Verlust, flexible Tages-/Wochen-/Monatsmiete. Vertiefung: Kimi K3 Open-Source-LLM-Test, DeepSeek Custom Silicon und Inferenz-Stack, GPT-5.6 Sol Ultra Mathematik-Benchmark.

SECTION 09 FAQ