DeepSeek V4 Pro offiziell veröffentlicht: Agenten-Benchmarks, API-Preise und neuer Coding-Schwerpunkt
DeepSeek hat sein V4 Pro-Modell offiziell von der Vorschauversion auf eine aktualisierte Produktionsversion umgestellt und ermöglicht Entwicklern den Zugriff auf das neueste DeepSeek-V4-Pro-0813-Modell über die API.
DeepSeek V4 Pro offiziell veröffentlicht: Agent-Benchmarks, API-Preise und neuer Coding-Schwerpunkt
Einführung
DeepSeek hat sein V4-Pro-Modell offiziell von der Vorschauversion auf eine aktualisierte Produktionsversion umgestellt und ermöglicht Entwicklern den Zugriff auf das aktualisierte DeepSeek-V4-Pro-0813-Modell über die API.
Der Quellartikel betrachtet diese Veröffentlichung als bedeutenden Fortschritt von DeepSeek bei Agent- und Coding-Fähigkeiten. Die im Artikel berichteten frühen Benchmark-Ergebnisse zeigen, dass V4 Pro nahe an führende Frontier-Modelle herankommt, insbesondere bei Aufgaben mit Bezug zu Coding, Terminal-Interaktion, Cybersicherheits-Agenten und langfristiger Tool-Nutzung.
Gleichzeitig bemerkten frühe Nutzer eine ungewöhnliche Veränderung bei den Reasoning-Ausgaben des Modells. Der Reasoning-Text kann stark komprimiert und schwer lesbar erscheinen, was darauf hindeutet, dass das Modell zunehmend für maschineneffizientes Reasoning statt für flüssige natürliche Spracherklärungen optimiert wird.
Die offizielle DeepSeek-Dokumentation bestätigt, dass der aktuelle deepseek-v4-pro-API-Bezeichner jetzt das Modell DeepSeek-V4-Pro-0813 bereitstellt, wobei die Aufrufmethode unverändert bleibt.
DeepSeek V4 Pro ist endlich da
Der Quellartikel beginnt mit einer prägnanten Information: DeepSeek V4 Pro wurde offiziell veröffentlicht.
Zu den im Artikel hervorgehobenen frühen Benchmark-Ergebnissen gehören HLE, Terminal-Bench, CyberGym und DeepSWE. Laut Quellartikel hat V4 Pro in diesen agentenorientierten Bewertungen bereits Opus 4.8 übertroffen und nähert sich den berichteten Ergebnissen von Fable 5 an, übertrifft sie in einigen Fällen sogar.
Der Artikel führt die meisten Verbesserungen auf das Post-Training zurück und argumentiert, dass die neue Version nicht nur ein größeres Basismodell ist, sondern ein Modell, das tiefgreifend auf die tatsächlichen Aufgabentypen moderner KI-Agenten optimiert wurde.
Die breitere Botschaft ist klar: DeepSeek positioniert V4 Pro nicht mehr nur über geringe Kosten. Das Pro-Modell zielt direkt auf das obere Marktsegment der Modelle ab.
DeepSeek V4 Pro-0813 ist über die API verfügbar
Zum Zeitpunkt der Veröffentlichung des Quellartikels hatte DeepSeek noch keinen entsprechenden offiziellen Blogbeitrag veröffentlicht, aber die API-Plattform war bereits aktualisiert worden.
Entwickler können die V4-Pro-API nutzen und auf das aktualisierte Modell zugreifen, gekennzeichnet als:
DeepSeek-V4-Pro-0813
Die aktuelle offizielle DeepSeek-Dokumentation bestätigt, dass der öffentliche Modellbezeichner unverändert bleibt:
deepseek-v4-pro
Der Dienst leitet diesen Bezeichner nun an DeepSeek-V4-Pro-0813 weiter, sodass Entwickler den Modellnamen in ihren bestehenden API-Integrationen nicht ändern müssen.
Die offizielle API-Dokumentation bestätigt außerdem die Unterstützung von OpenAI-kompatiblen und Anthropic-kompatiblen API-Formaten. V4 Pro unterstützt ein Kontextfenster von 1 Million Token, Tool-Aufrufe, JSON-Ausgabe sowie die Modi „Thinking" und „Deep Thinking".
Preise bleiben aggressiv
Der Quellartikel berichtet folgende DeepSeek-V4-Pro-Preise:
| Posten | Preis pro Million Token |
|---|---|
| Eingabe | ¥3 |
| Cache-Eingabe | ¥0,025 |
| Ausgabe | ¥6 |
Diese Daten stimmen mit den Preisen für deepseek-v4-pro in der aktuellen offiziellen chinesischen Preisdokumentation von DeepSeek überein. Die offizielle Seite listet ¥0,025 pro Million Cache-Eingabe-Token, ¥3 pro Million Nicht-Cache-Eingabe-Token und ¥6 pro Million Ausgabe-Token auf.
Ausgabe-Token.
Dieser Preis bleibt einer der größten Wettbewerbsvorteile von DeepSeek.
Die interessante Veränderung besteht darin, dass DeepSeek nun versucht, diesen Preisvorteil mit stärkerer Agent-Leistung zu kombinieren. Frühere Versionen machten den Kostenvorteil leicht verständlich; V4 Pro versucht, den Leistungsvorteil ebenso überzeugend zu machen.
Gute Nachrichten: Deutliche Verbesserungen bei Coding und Agent-Leistung
Laut Quellartikel stechen bei der V4-Pro-Veröffentlichung vor allem die Coding-Fähigkeiten hervor.
Die hervorgehobenen Benchmark-Ergebnisse decken Aufgaben ab, die realen Softwareentwicklungs-Workflows deutlich näher kommen als einfache Frage-Antwort-Benchmarks.
HLE
Der Quellartikel nennt die „Humanity's Last Exam" (HLE) als eine Bewertung, bei der V4 Pro mit führenden Modellen konkurriert.
HLE ist darauf ausgelegt, anspruchsvolles Wissen und Reasoning zu testen. Der Artikel nutzt dieses Ergebnis, um zu belegen, dass die Verbesserungen von V4 Pro nicht nur einfache Code-Vervollständigung betreffen.
Terminal-Bench
Terminal-Bench bewertet Modelle anhand von Aufgaben, die in Terminal-Umgebungen ausgeführt werden.
Dies ist besonders wichtig für Coding-Agenten, da das Modell mit echten Tool-Umgebungen interagieren muss, anstatt nur Code zurückzugeben.
Der Quellartikel berichtet, dass V4 Pro in diesem Benchmark nahe der Spitze liegt und Opus 4.8 übertrifft.
CyberGym
CyberGym ist eine weitere im Artikel hervorgehobene agentenorientierte Bewertung.
Der Quellartikel sagt, dass V4 Pro hier besonders stark abschneidet, was darauf hindeutet, dass das Modell besser darin wird, komplexe mehrstufige technische Aufgaben mit Tools und Umgebungen zu bewältigen.
DeepSWE
DeepSWE ist möglicherweise das für Entwickler direkt relevanteste Benchmark-Ergebnis.
Der Quellartikel sagt, dass V4 Pro bei dieser Bewertung im Vergleich zur Vorgängerversion deutlich verbessert wurde und ein Niveau nahe führender Frontier-Modelle erreicht.
Zusammengenommen unterstützen diese Ergebnisse die Kernaussage des Quellartikels: DeepSeek V4 Pro wurde stark für Coding-Agenten und toolbasierte Workflows optimiert.
Aber eine seltsame Veränderung in der Chain-of-Thought
Der Quellartikel berichtet auch über einige weniger positive Beobachtungen früher Nutzer.
Nach dem Testen von V4 Pro stellten einige Nutzer fest, dass der Chain-of-Thought-Text extrem komprimiert und schwer lesbar geworden ist.
Ein im Quellartikel reproduziertes Beispiel enthält fragmentierte, maschinenartige Formulierungen statt normaler menschlicher Sprache.
Das Modell kann über die Reasoning-Ausgabe weiterhin nützliche Informationen vermitteln, aber der Text ist nicht mehr zwangsläufig angenehm oder intuitiv zu lesen.
Dieses Verhalten steht im Einklang mit der allgemeinen Entwicklung von Reasoning-Modellen.
Die offizielle DeepSeek-Dokumentation beschreibt derzeit einen speziellen Denkmodus und macht Reasoning-Ausgaben über reasoning_content in der API verfügbar. Sie bietet auch Steuerungsoptionen für Denkmodus und Reasoning-Aufwand.
Der Quellartikel vermutet, dass die Reduzierung der menschlichen Lesbarkeit von Reasoning-Inhalten dazu beitragen könnte, den Token-Verbrauch zu senken und gleichzeitig nützliche Informationen für das Modell selbst zu erhalten. Diese Interpretation sollte als Beobachtung betrachtet werden, nicht als offizielle Erklärung von DeepSeek.
Der Kompromiss: Stärkere Agenten, schwächere Nutzerfreundlichkeit
Reasoning
Hier gibt es einen natürlichen Zielkonflikt.
Wenn das Modell sein Reasoning-Budget darauf verwendet, ausgefeilte Sätze zu erzeugen, sind die Zwischenschritte für Menschen vielleicht leichter verständlich, aber die Token-Effizienz sinkt.
Wenn das Modell darauf optimiert wird, Aufgaben so effizient wie möglich zu erledigen, können seine internen Reasoning-Darstellungen deutlich schwerer lesbar werden.
Für KI-Programmieragenten ist der zweite Ansatz völlig sinnvoll.
Ein Agent muss beim Ausführen eines Befehls nicht unbedingt eine lange Abhandlung schreiben. Er muss effizient die richtigen Aktionen ausführen, Ergebnisse prüfen und weitermachen.
Aus diesem Grund verbindet der Quellartikel den Wandel im Reasoning-Stil mit dem breiteren Aufstieg des agentischen Programmierens.
Modelle werden zunehmend darauf optimiert, Dinge zu tun – und nicht unbedingt jeden Zwischenschritt in natürlicher Sprache zu erklären.
Was das für Schreib- und allgemeine Inhaltsaufgaben bedeutet
Auf der Nachteilseite könnten Optimierungen fürs Programmieren und für Agenten nicht direkt zu besseren langen Schreibfähigkeiten führen.
Der Quellartikel argumentiert, dass der Reasoning-Stil von V4 Pro für schreibzentrierte Workflows weniger attraktiv sein könnte, insbesondere wenn Nutzer präzise Sprache und transparente Erklärungen erwarten.
Das bedeutet nicht, dass das Modell nicht schreiben kann.
Vielmehr spiegelt es eine Prioritätsverschiebung wider. Wenn ein großer Teil der Post-Training-Arbeit eines Modells auf Coding, Tool-Nutzung und Agent-Zuverlässigkeit ausgerichtet ist, verbessern sich andere Fähigkeiten möglicherweise nicht im gleichen Tempo.
Für Entwickler ist diese Unterscheidung wichtig.
Ein Modell kann hervorragend im Repository-weiten Coding sein, aber dennoch nicht unbedingt die beste Wahl für Content-Generierungsaufgaben.
DeepSeeks größerer Wandel: Vom Kostenführer zum Frontline-Konkurrenten
Der Artikel betrachtet V4 Pro im Kontext mehrerer jüngster Veröffentlichungen im chinesischen Open-Source-Ökosystem.
Der Quellartikel beschreibt eine Reihe schnell voranschreitender neuer Modelle, die zunehmend auf das Leistungsniveau führender proprietärer Modelle abzielen.
Der Artikel erwähnt GLM 5.2, Kimi K3 und andere kürzlich veröffentlichte Modelle als Teil desselben breiteren Trends.
DeepSeeks frühere V4-Flash-Veröffentlichung konzentrierte sich auf Kosteneffizienz. Der Quellartikel beschreibt diese Strategie als treibende Kraft für sinkende API-Preise im gesamten Markt.
V4 Pro nimmt eine andere Positionierung vor.
Das Ziel ist nicht mehr einfach:
„Können wir ähnliche Fähigkeiten zu geringeren Kosten anbieten?“
Sondern eher:
„Können wir bei gleichbleibendem Kostenvorteil in der Spitzengruppe der Leistungsfähigkeit konkurrieren?“
Das ist eine wesentlich ambitioniertere Positionierung.
V4 Pro ist ebenfalls für Agent-Integration gebaut
Die offiziellen Dokumentationen von DeepSeek zeigen, dass das V4-Modell für den Einsatz mit beliebten KI-Agenten und Programmierassistenten konzipiert ist, darunter Claude Code, GitHub Copilot und OpenCode. Entwickler können DeepSeek als Backend-Modell für diese Tools verwenden.
Das ist wichtig, weil die Fähigkeiten von Modellen zunehmend davon abhängen, wie gut sie in Agenten-Schleifen funktionieren.
Ein leistungsstarkes Programmiermodell benötigt mehr als nur Codegenerierung. Es braucht:
- Verständnis großer Codebasen.
- Planung mehrstufiger Änderungen.
- Zuverlässigen Tool-Einsatz.
- Prüfung von Befehlsausgaben.
- Erholung von Fehlern.
- Kontinuierliche Arbeit über mehrere Gesprächsrunden hinweg.
- Produktion tatsächlich lauffähiger Endimplementierungen.
Die Veröffentlichung von V4 Pro zielt eindeutig genau darauf ab.
Workflows.
Eine weitere Sache
Der Originaltext endet mit einem emotionaleren Unterton.
Er zieht einen Vergleich mit dem DeepSeek-Moment Anfang 2025 und argumentiert, dass sich die Positionierung des Modells verändert habe.
Bisher war DeepSeeks offensichtlichste Waffe das Preis-Leistungs-Verhältnis.
Jetzt versucht das Unternehmen, V4 Pro direkt in die Diskussion um die stärksten verfügbaren Modelle einzubringen.
Das macht diese Veröffentlichung bedeutender als das Modell selbst.
Wenn ein Open-Source-Modell an der Spitze der Agent-Codierung mithalten kann und gleichzeitig relativ niedrige API-Preise beibehält, dann wird der Druck auf Anbieter proprietärer Modelle erheblich steigen.
Häufige Fragen
Was ist DeepSeek V4 Pro-0813?
DeepSeek-V4-Pro-0813 ist die aktuell aktualisierte Version, die über den Modellbezeichner deepseek-v4-pro bereitgestellt wird. Die offizielle API-Dokumentation von DeepSeek bestätigt, dass Entwickler deepseek-v4-pro weiterhin ohne Änderungen an ihrer Integration verwenden können.
Wie hoch ist der Preis für DeepSeek V4 Pro?
Die aktuelle chinesische Preisseite von DeepSeek zeigt für V4 Pro einen Preis von 3 Yuan pro Million Tokens für ungecachte Eingaben, 0,025 Yuan pro Million Tokens für gecachte Eingaben und 6 Yuan pro Million Tokens für Ausgaben. Die Preise können sich ändern, daher sollte vor dem Einsatz die offizielle Preisseite konsultiert werden.
Worauf ist DeepSeek V4 Pro hauptsächlich optimiert?
Diese Veröffentlichung legt den Schwerpunkt auf Codierung, Agenten-Workflows, Tool-Nutzung und Denkfähigkeiten. Die offizielle Dokumentation von DeepSeek listet außerdem Tool-Aufrufe, 1M Kontext, Denkmodus und Integration mit gängigen Codierungs-Agenten-Tools auf.
Hat DeepSeek V4 Pro ein 1M-Token-Kontextfenster?
Ja. Die aktuelle offizielle Modelldokumentation von DeepSeek listet für V4 Pro eine Kontextlänge von 1M auf. Außerdem wird eine maximale Ausgabelänge von 384K Tokens angegeben.
Warum wirkt die Denkweise von DeepSeek V4 Pro ungewöhnlich?
Der Originalbericht berichtet, dass frühe Nutzer stark komprimierte, maschinenartig erzeugte Denktexte gesehen haben. Der Artikel vermutet einen Zusammenhang mit Effizienz, aber die offizielle Dokumentation von DeepSeek erklärt nicht, dass dieser ungewöhnliche Stil gezielt zu diesem Zweck eingeführt wurde.
Kann DeepSeek V4 Pro für Codierungs-Agenten verwendet werden?
Ja. Die offizielle Dokumentation von DeepSeek dokumentiert Integrationen mit Tools wie Claude Code, GitHub Copilot und OpenCode. Es unterstützt außerdem API-Formate, die mit OpenAI und Anthropic kompatibel sind.
Ist DeepSeek V4 Pro Open Source?
Die Veröffentlichung der V4-Vorschauversion von DeepSeek wurde als Open Source angekündigt, einschließlich offener Gewichte und technischem Bericht. Der aktuelle API-Dienst und die Modellversion werden getrennt vom Veröffentlichungsmaterial dokumentiert, daher sollten Entwickler zwischen den Open-Source-Modellartefakten und dem gehosteten API-Dienst unterscheiden.
Verwandte Tools
- DeepSeek API: Offizieller API-Endpunkt für den Zugriff auf DeepSeek-Modelle.
- DeepSeek API-Dokumentation: Offizielle Dokumentation zu Modellzugriff, Preisen, Tools und Integrationen.
- Claude Code: Ein KI-Codierungs-Agent, der DeepSeek über unterstützte Integrationen als Backend verwenden kann.
- OpenCode: Open-Source-Codierungs-Agent, der laut DeepSeek-Dokumentation für Agent-Integrationen unterstützt wird.
- GitHub Copilot: KI-Codierungsassistent, der von DeepSeek als einer der unterstützten Agenten aufgeführt wird.
Integrationen.
Verwandte Links
- DeepSeek Modelle und Preise: Offizielle aktuelle Modellspezifikationen und API-Preise.
- Erster API-Aufruf bei DeepSeek: Offizielle Anleitung zum Aufrufen von
deepseek-v4-prounddeepseek-v4-flash. - DeepSeek Denkmodus: Offizielle Dokumentation zur Aktivierung und Steuerung des Denkmodus.
- DeepSeek Agent-Integrationen: Offizielle Dokumentation zur Verwendung von DeepSeek mit Codierungs- und Agenten-Tools.
- DeepSeek V4 Vorschauveröffentlichung: Offizielle V4-Veröffentlichungsankündigung und technischer Überblick.
- DeepSeek GitHub: Offizielle GitHub-Organisation von DeepSeek.
Zusammenfassung
DeepSeek V4 Pro markiert eine strategische Wende des Unternehmens. Das neue Pro-Modell positioniert sich nicht mehr nur als kostengünstige Alternative; seine Kernverkaufsargumente verlagern sich zunehmend auf den Wettbewerb an der Spitze der Codierungs- und Agentenleistung.
Die aktuelle API-Version deepseek-v4-pro stellt DeepSeek-V4-Pro-0813 bereit und unterstützt 1M Kontext, Tool-Aufrufe, Denkmodus sowie äußerst wettbewerbsfähige Preise.
Berichten zufolge zeigt auch der veränderte Denkstil eine Verschiebung der Modellprioritäten: Weniger Betonung auf lesbaren Zwischentext, mehr Fokus auf effiziente Schlussfolgerung und Agentenausführung.