Die Produktpalette von DeepSeek sieht diesen Herbst merkwürdig aus. V4 Pro 0813 ist das größere und teurere Modell: Zu Spitzenzeiten kostet sein Output 3,96 $ pro 1M Tokens, das 3,3-Fache der 1,20 $ des Flash. Der Flash wurde seit Pros Veröffentlichung im August aber zweimal neu trainiert, und das Update vom 17. Oktober, V4.1 Flash 1017, übertrifft Pro inzwischen bei jedem Agenten- und Coding-Benchmark, den DeepSeek für beide veröffentlicht.
Gibt es also noch eine Coding- oder Agenten-Aufgabe, bei der Pro den Aufpreis wert ist? Laut DeepSeeks eigenen Zahlen nur noch sehr wenige. Pro behält einen knappen Vorsprung bei einem naturwissenschaftlichen Reasoning-Benchmark und schreibt tendenziell kürzere Antworten als der Flash aus dem September. Für Agenten, Terminal-Arbeit und alles mit Bildern ist der Flash inzwischen das bessere und günstigere Modell.
Der Preisunterschied
| Modell | Input, Spitze | Output, Spitze | Cache-Treffer, Spitze |
|---|---|---|---|
| V4.1 Flash 1017 | $0.30 | $1.20 | $0.006 |
| V4 Pro 0813 | $1.32 | $3.96 | $0.044 |
DeepSeek-Listenpreise pro 1M Tokens, von der DeepSeek-Preisseite. Außerhalb der Spitzenzeiten kosten beide die Hälfte. AIHubMix listet Flash 1017 zu Spitzenzeiten mit 0,3098 $ / 1,2392 $ und Pro 0813 mit 1,3944 $ / 4,1832 $.
Pro kostet pro Input-Token 4,4-mal so viel, pro Output-Token 3,3-mal so viel und pro Cache-Token mehr als siebenmal so viel. Auch sein Concurrency-Limit bei DeepSeeks API ist niedriger: 500 gegenüber 2.500 beim Flash.
Was DeepSeeks eigene Zahlen sagen
Die Pro-Werte unten stammen aus Tabelle 3 des Papers zu V4.1 Flash, alle mit maximalem Aufwand; die 1017-Werte stammen aus der Model Card. Beide sind DeepSeeks eigene Messungen, und niemand hat sie bisher reproduziert. Die Pro-Spalte des Papers nennt den Build 0813 nicht ausdrücklich, aber sein Terminal-Bench-2.1-Wert stimmt mit der 0813-Karte überein.
| Benchmark | V4 Pro | Flash (Sept.) | Flash 1017 |
|---|---|---|---|
| Terminal-Bench 4.0 | 12.4 | 31.2 | 42.3 |
| DeepSWE v1.1 | 62.7 | 74.2 | 77.0 |
| ProgramBench | 15.5 | 20.3 | 29.1 |
| NL2Repo-Bench | 61.5 | 65.4 | 68.2 |
| Automation-Bench | 43.2 | 54.8 | 60.5 |
| Agents' Last Exam | 25.7 | 31.8 | 35.4 |
| HLE, Textteilmenge | 42.7 | 39.1 | 44.0 |
| GPQA Diamond | 92.4 | 90.9 | — |
Ein Strich bedeutet, dass DeepSeek für 1017 keinen Wert veröffentlicht hat.
Bei den Agenten-Benchmarks liegt die Entscheidung klar fest. Bei Terminal-Bench 4.0 erreicht Pro 12,4, 1017 dagegen 42,3; bei DeepSWE 62,7 gegenüber 77,0. Schon der Flash aus dem September hatte Pro bei jeder Coding- und Agenten-Zeile überholt. Artificial Analysis kam im September auch unabhängig zum gleichen Ergebnis mit seinem allgemeinen Index und bezeichnete V4.1 Flash als DeepSeeks „neues Flaggschiff“ vor V4 Pro 0813.
Wo Pro noch überzeugt
Die Liste ist kurz, und jeder Punkt ist enger gefasst, als er auf den ersten Blick wirkt.
- GPQA Diamond. Pros 92,4 schlagen den Flash aus dem September mit 90,9. DeepSeek hat keinen Wert für 1017 veröffentlicht, daher ist dies der eine Benchmark, bei dem Pro womöglich noch vorne liegt.
- Output-Länge. Artificial Analysis stellte fest, dass der Flash aus dem September für seinen Index 62% mehr Output-Tokens verbrauchte als Pro 0813. 1017 wurde auf kürzere Outputs trainiert, aber kein Drittanbieter hat das bisher neu gemessen. Solange das niemand tut, ist ein geschwätziger Flash zu einem Drittel des Preises immer noch günstiger als ein knapper Pro.
- Ein stabiler, datierter Build. Pro 0813 ist seit August im Einsatz, und DeepSeeks Changelog sagt, dass es weiterhin bereitgestellt wird. Wenn Ihre Evaluierungen auf Pro abgestimmt wurden, ist es die bekannte Größe.
- Wissen. Bei der Textteilmenge von HLE liegt Pro (42,7) zwischen dem Flash aus dem September (39,1) und 1017 (44,0). Dieser Vorsprung ist damit verschwunden.
Pro verarbeitet überhaupt keine Bilder, 1017 dagegen schon. Wenn ein Schritt Ihres Workflows einen Screenshot, ein Diagramm oder eine Benutzeroberfläche auswertet, entscheidet allein das.
Dieselbe Aufgabe auf beiden Modellen
Für keines der beiden Modelle gibt es einen veröffentlichten Test mit Token-Zahlen pro Aufgabe, daher basiert dieses Beispiel auf angegebenen Annahmen. Eine Agenten-Sitzung zur Fehlerbehebung macht 40 Modellaufrufe, sendet insgesamt 1,2M Input-Tokens, davon 90% aus dem Cache bedient, und erzeugt 60K Output-Tokens einschließlich des Denkens. Beide Modelle erhalten dieselben Token-Zahlen. Zu den AIHubMix-Listenpreisen:
| Modell | Spitze | Außerhalb der Spitze |
|---|---|---|
| V4.1 Flash 1017 | $0.118 | $0.059 |
| V4 Pro 0813 | $0.469 | $0.233 |
Rechnung für Pro zu Spitzenzeiten: 0,12M × 1,3944 $ + 1,08M × 0,0465 $ + 0,06M × 4,1832 $ = 0,469 $.
Bei gleichen Token-Zahlen kostet Pro für dieselbe Sitzung etwa viermal so viel. Um den Break-even zu erreichen, müsste Pro die Aufgabe mit etwa einem Viertel der Tokens des Flash erledigen. Der Unterschied, den Artificial Analysis gemessen hat, ist deutlich kleiner: Der Flash aus dem September verbrauchte das 1,62-Fache der Output-Tokens von Pro, Pro brauchte also etwa 62% davon, nicht 25%. Und bei den Benchmarks ist das günstigere Modell zugleich dasjenige, das die Aufgabe eher erfolgreich abschließt.
Wer Pro noch braucht
- Bei Pro bleiben, wenn Sie eine Produktionspipeline haben, die auf Pro 0813 validiert wurde, und diesen Monat keine Zeit für neue Evaluierungen haben, oder wenn Sie einen naturwissenschaftlichen QA-Workload haben, bei dem sich die GPQA-Lücke in Ihren eigenen Tests gezeigt hat.
- Zum Flash wechseln bei Coding-Agenten, Terminal-Automatisierung, Tool-Calling-Pipelines, allem mit Bildern und allem mit hohem Volumen, bei dem es auf Concurrency ankommt.
- Vor dem Wechsel testen, bei langen Texten und Analysen, bei denen Sie sich auf die kürzeren, dichteren Antworten von Pro verlassen haben. 1017 ist kürzer als der Flash aus dem September, aber bisher hat niemand es mit Pro verglichen.
So testen Sie den Wechsel auf AIHubMix
Beide Modelle sind bei AIHubMix unter einem Schlüssel verfügbar: deepseek-v4.1-flash-1017 und deepseek-v4-pro-0813. Führen Sie Ihren eigenen Evaluierungssatz über beide aus, vergleichen Sie die Erfolgsquoten und prüfen Sie die Kosten jedes Laufs in den Request-Logs. Die AIHubMix-Vergleichsseite zeigt ihre Spezifikationen und Preise nebeneinander.
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["AIHUBMIX_API_KEY"], base_url="https://aihubmix.com/v1")
for model in ("deepseek-v4-pro-0813", "deepseek-v4.1-flash-1017"):
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Find the bug: def mean(xs): return sum(xs) / len(xs) - 1"}],
max_tokens=16000,
)
print(model, resp.usage.completion_tokens, resp.choices[0].message.content[:200])
Der Vergleich von completion_tokens über Ihre eigenen Prompts ist der schnellste Weg, um zu sehen, ob die kürzeren Outputs von 1017 bei Ihrer Workload mit Pro mithalten.
FAQ
Ist DeepSeek V4.1 Flash 1017 besser als V4 Pro?
Bei jedem Coding- und Agenten-Benchmark, den DeepSeek für beide veröffentlicht, ja, oft mit deutlichem Abstand: Terminal-Bench 4.0 liegt bei 42,3 gegenüber 12,4, und DeepSWE bei 77,0 gegenüber 62,7. Dies sind DeepSeeks eigene Zahlen.
Wie viel mehr kostet V4 Pro?
Zu DeepSeeks Spitzenpreisen kostet Pro 1,32 $ Input und 3,96 $ Output pro 1M Tokens, gegenüber 0,30 $ und 1,20 $ beim Flash, das ist beim Output das 3,3-Fache. Außerhalb der Spitzenzeiten halbieren sich beide Preise.
Wo ist V4 Pro immer noch besser?
Pro erreicht 92,4 bei GPQA Diamond, der Flash aus dem September 90,9, und für 1017 wurde kein Wert veröffentlicht. Artificial Analysis hat außerdem gemessen, dass der Flash aus dem September mehr Output-Tokens verbrauchte als Pro.
Unterstützt V4 Pro Bilder?
Nein. Die Preisseite von DeepSeek führt Vision nur für den Flash auf.
Wird DeepSeek V4 Pro einstellen?
DeepSeek hat erklärt, dass V4 Pro weiterhin bereitgestellt wird, und hat kein Abschaltdatum angekündigt.
Kann 1017 mit kürzeren Outputs pro Aufgabe günstiger als Pro sein?
Es ist bei gleichen Token-Zahlen bereits pro Aufgabe günstiger, im obigen Beispiel etwa um das Vierfache. Kürzere Outputs vergrößern diesen Abstand weiter.
Sollte ich eine Produktionspipeline mit Pro heute umstellen?
Führen Sie zuerst Ihren Evaluierungssatz auf beiden Modellen aus. Wenn 1017 die Erfolgsquote von Pro erreicht, senkt der Wechsel die Kosten und schafft Reserven bei der Concurrency.
Weiterlesen: die Serie DeepSeek V4.1 Flash 1017
- Beim Wechsel von Pro zu einem Modell, das DeepSeek direkt aktualisiert, hilft der Upgrade-Beitrag, zu verstehen, was sich bei 1017 geändert hat: DeepSeek V4.1 Flash 1017: Gleicher Preis, kürzere Outputs. Sollten Sie wechseln?
- Sie wollen eine Pro-Integration auf den Flash umstellen? Der Migrationsleitfaden behandelt den 400er-Fehler im Thinking-Modus und die Abrechnungsregeln, die für beide gelten: Migration zu DeepSeek V4.1 Flash 1017: der reasoning_content-400, der stille Alias-Wechsel und die Abrechnung zu Spitzenzeiten
- Wenn der Flash für Sie Pro ersetzt, stellt sich als Nächstes die Frage, wie er außerhalb der DeepSeek-Palette abschneidet: DeepSeek V4.1 Flash 1017 vs Claude Haiku 5.5: Welches günstige Modell für Terminal-Coding-Agenten?
Quellen
- DeepSeek-Modelle und Preise (DeepSeek)
- DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression (DeepSeek-AI, arXiv)
- DeepSeek V4.1 Flash 1017 vs DeepSeek V4 Pro 0813 (AIHubMix)
- DeepSeek V4.1 Flash (max): Intelligence, Performance & Price Analysis (Artificial Analysis)
- DeepSeek V4.1 Flash 1017 Tested: Specs, Benchmarks & Price (Kingy.ai)
