Der Moment, in dem mir klar wurde, dass DeepSeek V4 Pro tatsächlich relevant ist, war um 23:47 Uhr an einem Donnerstagabend. Ich hatte vier Terminalfenster offen, in jedem lief eine separate Instanz des Modells via Open Code, und alle vier lösten gleichzeitig verschiedene Teile eines Nebenprojekts, das ich seit Wochen vor mir herschob. Ein 3D-Visualizer. Eine Landingpage. Eine Python-Datenpipeline. Eine Browser-Erweiterung. Mein Open Code-Dashboard zeigte bis dahin einen Compute-Verbrauch von insgesamt 0,19 $ an.
Neunzehn Cent.
Der gleiche Workload auf Claude Opus 4.7 hätte bis zu diesem Zeitpunkt etwa 42 $ an API-Kosten verursacht. Mit GPT-5.5 Pro wären wir sogar bei rund 160 $. Ich habe die Zahlen dreimal überprüft, weil mir die Rechnung fehlerhaft erschien. War sie aber nicht. Die Mathematik stimmte. Die Branche war es, die sich unter meinen Füßen verschoben hatte, während ich nicht hingeschaut habe.
Das ist die eigentliche Schlagzeile, mit der ich anfangen möchte: Wenn Sie nur den ersten Absatz dieses DeepSeek V4 Pro Reviews lesen, sollen Sie Folgendes mitnehmen: Open-Source-KI hat bei den Kosten aufgeschlossen und verändert damit die gesamte Rechnung für jeden Indie-Entwickler, jede kleine Agentur und jeden Gründer, der still seinen monatlichen Anthropic-Kosten entgegenbangt. Die Benchmarks sind an der absoluten Spitze noch nicht ganz da. Die langen Kontexte halten weniger aus als die Datenblätter versprechen. Die Zensur ist real. Aber der Preiseinbruch ist die eigentliche Story – und die meisten bisherigen Stimmen übersehen dieses Thema, weil sie zu sehr auf Benchmark-Ranglisten fokussiert sind.
Ich habe ein ganzes Wochenende lang das 1,6-Billionen-Parameter-Modell mit echter Arbeit getestet – keine Toy-Benchmarks, keine kuratierten Demos, sondern echter Code, den ich ohnehin produktiv einsetzen wollte. Das habe ich dabei herausgefunden.
Was DeepSeek V4 Pro eigentlich ist
Ich spare mir den ausführlichen Spezifikations-Dump, denn wahrscheinlich hast du ihn seit dem Release am 24. April schon auf zehn verschiedenen Seiten gesehen.
DeepSeek V4 Pro ist ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, wobei pro Token etwa 49 Milliarden aktive Parameter verwendet werden. Diese "aktiven" Parameter sind entscheidend für die tatsächlichen Inferenzkosten – du bezahlst nicht dafür, dass bei jeder Anfrage 1,6 Billionen Parameter berechnet werden, sondern nur für die eng gefasste Auswahl an Experten, die der Router für dein spezifisches Prompt aktiviert. Das ist etwa 60 % größer als das bislang größte ernsthafte Open-Source-Release und das erste Open-Weights-Modell, bei dem die Aussage "auf Augenhöhe mit der Frontier" tatsächlich haltbar ist und nicht bloß Marketing.
Das Kontextfenster wird mit einer Million Tokens beworben. Darauf gehe ich noch ein, denn die Realität ist komplexer als das Marketing. In der Praxis lag die Obergrenze meiner Tests eher bei 128K Tokens, bevor die Qualität sichtbar nachließ; jenseits von 180–200K wurde der Abfall schnell sehr steil. Das ist immer noch erstklassig – es entspricht nur nicht den beworbenen "one million tokens" von der Homepage.
Architektonisch führt das Modell ein hybrides Attention-Schema namens Compressed Sparse Attention (CSA) ein, gepaart mit Heavily Compressed Attention (HCA). Das Ergebnis: Die 1M-Token-Konfiguration von V4 Pro benötigt etwa 27 % der Single-Token-Inferenz-FLOPs und 10 % des KV-Caches im Vergleich zu V3.2. Das ist der ingenieurtechnische Kniff hinter dem günstigen Preis. DeepSeek hat das Modell nicht einfach nur größer gemacht – sie haben den gesamten Attention-Stack umgeschrieben, sodass jeder einzelne Token deutlich günstiger verarbeitet werden kann. Diese Effizienzgewinne werden fast vollständig an den API-Preis weitergegeben.
Die Trainingsgeschichte ist der Teil, über den noch jahrelang geschrieben werden wird. V4 Pro wurde auf einer Mischung von Huawei Ascend 950PR Chips und älterer Nvidia-Hardware (A100s, Berichten zufolge auch einige H100s, die die Exportkontrolle passiert haben) trainiert. Das Training dauerte etwa 14–16 Monate, inklusive eines kompletten Neustarts nach einem schweren Trainingsfehler zur Halbzeit. Reuters bestätigte im April, dass das finale Modell sowohl auf Nvidia- als auch auf Ascend-NPU-Plattformen validiert wurde. Die gesamten Rechenkosten beliefen sich auf rund 5,6 Millionen US-Dollar, umgesetzt auf einem 16.000-GPU-Cluster. Zum Vergleich: Das ist für die US-Frontier-Labs pro Generation gerade mal ein Rundungsfehler – und ein Großteil lief auf heimischen chinesischen Chips, weil durch ASML-Exportkontrollen keine andere Möglichkeit bestand.
Ich will hier kein Geopolitik-Blog daraus machen, aber eine ehrliche DeepSeek V4 Pro-Review kommt nicht umhin zu erwähnen, dass die bloße Existenz dieses Modells eine unmittelbare Reaktion auf die Hardware-Beschränkungen der letzten drei Jahre ist. Die Effizienztricks der Architektur, das hybride Chip-Training, das aggressive Pricing – all das ist dadurch geprägt, dass DeepSeek eben nicht einfach hunderttausend H200s kaufen und loslegen konnte. Sie mussten kreativ sein. Und nun droht Kreativität, das Preis-Leistungs-Verhältnis auf den Kopf zu stellen.
Mit diesem Kontext bin ich in die Tests gegangen.
Das Setup: So habe ich tatsächlich getestet
Ich werde bei meinem Setup ganz konkret, damit du alles problemlos nachstellen kannst, falls es dich interessiert.
DeepSeek V4 Pro habe ich am Wochenende über drei verschiedene Zugangspunkte getestet:
Erstens über das Open Code Go-Abonnement. Fünf Dollar für den ersten Monat, danach zehn pro Monat – Zugang zu V4 Pro, V4 Flash und einer Handvoll weiterer Open-Weights-Modelle. Das ist meine klare Empfehlung für alle, die hier mitlesen und das Ganze ausprobieren wollen, ohne direkt mit der rohen API zu hantieren. Vier parallele Instanzen gleichzeitig, Umschalten zwischen niedrig/mittel/hoch/maximal beim Reasoning-Aufwand, plus ein brauchbares Agenten-Framework, das Toolaufrufe sauber abwickelt.
Zweitens direkt über die DeepSeek API. Das ist die Bare-Metal-Variante – du baust dir deine eigenen Wrapper, bezahlst pro Token, und du bist selbst für das Agenten-Scaffolding verantwortlich. Das ist auch die Grundlage für die „7x günstiger als Opus 4.7“ und „40x günstiger als GPT-5.5 Pro“-Vergleiche. Decrypt hat ausgerechnet, dass V4 Pro bei vergleichbaren Output-Workloads etwa 98% günstiger als GPT-5.5 Pro liegt, was mit meinen eigenen Messungen ziemlich übereinstimmt.
Drittens lokale Inferenz via Ollama, allerdings mit der 284B V4 Flash-Variante statt dem vollständigen Pro-Modell. Das vollständige 1,6T Pro-Modell ist technisch zwar downloadbar, aber praktisch auf keiner Hardware eines Solo-Entwicklers lauffähig – das sind mehrere hundert Gigabyte an Gewichten und so viel VRAM, dass selbst kleine Rechenzentren ins Schwitzen kommen. Flash ist die Variante, die du mit einer richtigen Workstation lokal laufen lassen kannst, und ich habe sie einbezogen, weil bei Open-Weights-Modellen die essentielle Frage „ist das nutzbar?“ sehr davon abhängt, was geht, wenn die API mal nicht erreichbar ist.
Mein Test-Workload bestand aus vier Aufgaben. Mir ging es um Aufgaben, die echte Arbeit repräsentieren, keine Benchmark-Spielerei.
Die erste Aufgabe war ein interaktiver DeepSeek-Architektur-Explainer – eine Single-Page-Webanwendung, die visualisiert, wie die Compressed Sparse Attention-Layer die Tokens durch das Expert-Mixture leiten. Die konkrete Wahl fiel darauf, weil das Erklären der eigenen Architektur eine Aufgabe ist, bei der ein Modell eigentlich Heimvorteil hat. Wenn V4 Pro hier kein korrektes Diagramm der eigenen Interna zusammenbekommt, wäre das ein deutliches Warnsignal.
Die zweite Aufgabe war eine SVG-Pflanzenwachstumsanimation, framegenau und mit Timeline-Controller. Das ist ein erstaunlich guter Test, ob ein Modell ein konsistentes visuelles System über viele kleine Geometrie-Entscheidungen hinweg im Blick behalten kann.
Die dritte Aufgabe: ein HTML5-Kart-Rennspiel mit Tastatursteuerung, Rundenanzeige und einfachen KI-Gegnern. Spiellogik ist oft der Bereich, in dem viele Modelle unauffällig scheitern, weil konsequentes State-Management über Events hinweg verlangt wird.
Die vierte Aufgabe war ein Exoplaneten-Visualizer, der Live-Daten aus dem NASA Exoplanet Archive abruft und die Bahn-Abstände maßstabsgetreu darstellt. Damit habe ich API-Integration, Datenaufbereitung und die Fähigkeit des Modells getestet, mit echten Zahlen aus einer echten Quelle zu arbeiten.
Jede Aufgabe lief auf V4 Pro sowie in einer Parallelsitzung auf Claude Opus 4.7 via Claude Code – mit identischen Prompts. Zusätzlich habe ich die ersten beiden Aufgaben nochmal mit GPT-5.5 über Codex laufen lassen – als dritten Vergleichspunkt, weil mein GPT-5.5 vs Opus 4.7 Vergleich mein Referenzniveau für „gut“ am aktuellen Modell-Frontier gesetzt hat.
Gesamte Realzeit über alles: etwa vier Stunden. Gesamtkosten Open Code: rund zwanzig Cent. Und genau an dieser Zahl – zwanzig Cent für alles – komme ich gedanklich einfach nicht vorbei.
Test Eins: Der Architektur-Erklärer
Das Erste, was mich beim V4 Pro überraschte, war, dass das Routing-Diagramm beim ersten Versuch fast komplett korrekt war. Ich forderte „einen interaktiven Erklärer, wie Compressed Sparse Attention Tokens durch deine Mixture-of-Experts-Layers routet – anklickbar, mit einem Live-Token-Zähler, und es sollte visuell zeigen, welche Experten sich bei einer bestimmten Eingabe aktivieren“. Ich gab keinerlei Referenzcode vor.
Zurück kam eine funktionierende React-Komponente mit einer Tokenizer-Simulation, einer Router-Visualisierung und einer ziemlich sauberen Animation, die zeigte, welche Experten für jedes Token aktiviert wurden. Es war nicht perfekt – die Anzahl der angezeigten Experten war um den Faktor zwei zu hoch, und die Animation hakte leicht, wenn man mitten im Token pausierte – aber es funktionierte, und die Gesamtauslegung der Architektur stimmte.
Opus 4.7 lieferte eine visuell noch ausgereiftere Version derselben App. Klarere Typografie, besser strukturierter Komponentenbaum, intelligenterer Ausgangszustand. Allerdings brauchte Opus auch deutlich länger (etwa die dreifache Zeit) und kostete circa 1,80 $ in Claude Code Credits, verglichen mit vier Cent bei Open Code.
Die wirklich relevante Frage ist nicht „welche Lösung ist besser“. Sondern „was ist der Grenznutzen des Feinschliffs?“ Wenn du das einem Kunden auslieferst, ist der Opus-Feinschliff wahrscheinlich den Aufpreis wert. Wenn du an einem internen Tool prototypst oder als Indie-Dev schnell iterierst, ist die DeepSeek-Ausgabe vollkommen in Ordnung – und die Wirtschaftlichkeit ist in einer völlig anderen Liga.
Ein konkreter Unterschied, den ich hervorheben möchte: V4 Pros Code war weniger meinungsstark in Bezug auf die Struktur. Es wurden Komponenten geschrieben, die funktionierten, aber zukünftige Anpassungen nicht so antizipierten wie bei Opus. Wenn du dieses Projekt zwei Jahre lang pflegen willst, lässt sich das Opus-Ergebnis leichter erweitern. Wenn du den Code in zwei Wochen wegwirfst, sparst du mit V4 Pro bares Geld, ohne dir spätere Probleme einzuhandeln.
Test Zwei: Die SVG-Pflanzenanimation
Hier stieß V4 Pro zum ersten Mal auf eine Hürde, über die ich offen sprechen möchte.
Die Animation selbst funktionierte. Die Pflanze wuchs, der Timeline-Scrubber arbeitete, die SVG-Pfade waren mathematisch plausibel. Aber als ich nach „einer zweiten Art mit anderem Verzweigungsverhalten — etwas Fraktaleres, weniger Symmetrisches“ fragte, überschrieb das Modell beim zweiten Versuch Teile der ursprünglichen Logik für das Wachstum der ersten Art und führte dabei subtile Regressionen ein.
Opus 4.7 hingegen lieferte auf dieselbe Rückfrage ein sauberes, additives Diff: Es fügte die zweite Art hinzu, ohne die erste zu verändern — genau das, was ein erfahrener Entwickler tun würde.
Dieses Muster zeigte sich bei meinen Tests immer wieder. V4 Pro ist ein exzellenter One-Shot-Coder — du beschreibst etwas, es wird gebaut, und es funktioniert. Für iterative Aufgaben ist die Raffinesse aber spürbar geringer. Sobald das Modell den Überblick über ein größeres mentales Modell des Codes behalten und gezielt Veränderungen vornehmen muss, ohne benachbarte Systeme zu stören, agiert es eher wie ein Junior- als ein Senior-Engineer. Zum Vergleich: Kimi K2.6 zeigte bei ähnlichen Tests ein sehr ähnliches Verhalten (Kimi K2.6 Open-Source-Review) — bei Open-Source-Modellen kristallisiert sich klar das Profil „stark im One-Shot, schwächer bei Iteration“ heraus.
Ich möchte diese Schwäche nicht überbetonen. Bei zwei von vier Aufgaben war das iterative Verhalten von V4 Pro in Ordnung. Bei der SVG-Animation und dem Kartspiel war es schlechter als bei Opus. Das Muster: Je größer die Dateien, je mehr Zustände und parallele Systeme verfolgt werden müssen, desto eher fängt V4 Pro an, Abkürzungen zu nehmen.
Test Drei: Das Kart-Spiel
Dieser Test war der unterhaltsamste beim Erstellen und lieferte zugleich den lehrreichsten Vergleich.
V4 Pro erzeugte in einer einzigen Eingabeaufforderung ein funktionierendes Kart-Rennspiel. Tastatureingabe, drei Runden, ein Timer, drei KI-Gegner mit nachvollziehbarem Verhalten, ein Abschlussscreen. Der Code umfasste etwa 900 Zeilen HTML, CSS und JavaScript, alles in einer einzigen Datei. Das Spiel lief. Es machte ungefähr neunzig Sekunden lang Spaß.
Anschließend forderte ich zwei Änderungen an: „Füge eine Drift-Mechanik mit sichtbarer Reifenspur ein“ und „die KI-Gegner sollen mit jeder Runde härter werden.“ Solche gestaffelten Feature-Requests sind im realen Game Development völlig normal.
V4 Pro traf die Drift-Mechanik direkt beim ersten Versuch — die Physik war sogar besser als erwartet, mit einer glaubwürdigen Trägheit. Doch die Skalierung der KI-Schwierigkeit verhedderte sich mit der bestehenden KI-Logik. Das Modell führte eine neue Schwierigkeitsvariable ein, verband sie mit dem Lenkcode und änderte merkwürdigerweise auch den Rundenzähler so, dass dieselbe Variable genutzt wurde, wodurch die Rundenerkennung nicht mehr funktionierte.
Ich bat um die Korrektur des Rundenzählers. Der Rundenzähler wurde repariert, aber der KI-Schwierigkeits-Bug kehrte zurück. Genau das passiert mit Modellen, die keine stark ausgeprägte interne Repräsentation des Gesamtprojekts besitzen — jede Änderung ist lokal korrekt und global instabil.
Opus 4.7 generierte bei denselben Prompts weniger, jedoch sorgfältigere Änderungen. Auch hier funktionierte die Drift-Mechanik einwandfrei und die KI-Schwierigkeitsskalierung arbeitete, ohne dabei andere Bereiche zu stören. Außerdem lag der Preis bei etwa 3,40 $ für die komplette Änderungssequenz, verglichen mit acht Cent bei V4 Pro.
Acht Cent gegenüber drei Dollar vierzig. Für einen Kart-Racer mit Drift. Im Jahr 2026. Ich bin immer noch dabei, das mental zu verarbeiten.
Test Vier: Der Exoplaneten-Visualizer
Bei dieser Aufgabe hat mich V4 Pro positiv überrascht. Live-Daten aus dem NASA Exoplanet Archive abrufen, das TAP-Abfrageformat parsen, eine skalierte Ansicht des Sonnensystems mit genauen Bahndistanzen rendern – genau solche Aufgaben waren für mich bisher Stolperfallen für ein Modell mit offenen Gewichten, da sie tatsächlich echte API-Konventionen und korrekte astronomische Einheiten erfordern.
V4 Pro hat diese Aufgabe mit Bravour gemeistert. Das TAP-Query war korrekt formatiert. Die Umrechnung der Einheiten (AU in Pixel, logarithmische Skalierung zur besseren Sichtbarkeit) war sinnvoll umgesetzt. Sogar ein Detail, das ich nicht angefordert hatte, wurde integriert: ein Filter, um Planeten mit unzuverlässigen Massenangaben auszublenden – offenbar wusste das Modell, dass das NASA-Archiv viele spekulative Datensätze enthält.
Gerade dieses letzte Detail war so ein Moment, in dem sich ein Modell nicht mehr wie ein simpler Codegenerator anfühlt, sondern wie ein echter Kollaborateur, der tatsächlich über die Anforderungen des Projekts nachgedacht hat. Solche Erlebnisse hatte ich mit Opus 4.7 bereits dutzende Male. Mit einem Open-Weights-Modell war das jetzt das erste Mal. Genau diesen Wandel versuche ich in diesem DeepSeek V4 Pro Review zu vermitteln.
Die Long-Context-Realitätsprobe
Jetzt kommt der Teil des Reviews, in dem ich auf die größte Lücke zwischen Datenblatt und Realität hinweisen muss.
DeepSeek V4 Pro bietet technisch gesehen einen Kontext von einer Million Tokens. Man kann tatsächlich eine Million Tokens einfügen und das Modell antwortet darauf. Aber die Qualität dieser Antwort stürzt ab einem Kontextumfang von etwa 180.000 bis 200.000 Tokens drastisch ab – und der Verfall ist so deutlich, dass ich diesem Modell bei Aufgaben, die zusammenhängendes logisches Denken über wirklich lange Inputs erfordern, nicht trauen würde.
Ich habe das mit einem Dump eines echten Codebases mit 340.000 Tokens getestet – ein echtes Projekt, kein synthetischer Text. V4 Pro konnte Fragen zu den ersten 150.000 Tokens korrekt beantworten. Rund um die 200.000er-Marke begannen die Antworten, auf Dateien zu verweisen, die gar nicht existierten, aber "richtig klangen", basierend auf Mustern im bisherigen Inhalt. Als ich dann Fragen zum Code gegen Ende des Dumps stellte, begann das Modell im Grunde zu halluzinieren.
Opus 4.7 hat denselben 340K-Dump über die gesamte Länge souverän verarbeitet. Genau diese Art von Workload habe ich bereits in meinem Opus 4.6 Millionen-Token-Context-Breakdown beschrieben – die neuen Closed-Source-Modelle nutzen ihren langen Kontext wirklich aus und ertragen ihn nicht einfach nur.
Das ist eine echte Einschränkung. Wenn euer Workflow darin besteht, große Codebasen in den Kontext zu werfen und eine Architekturanalyse über das komplette Projekt durchzuführen, ist V4 Pro nicht das richtige Modell. Setzt es für kürzere, kompaktere Aufgaben ein. Für Long-Context-Workflows sind Opus oder Gemini die bessere Wahl.
Praktisches Limit: Ich würde mit etwa 128.000 Tokens zuverlässig arbeitbarem Kontext planen. Das ist immer noch sehr viel – für die meisten realen Aufgaben mehr als ausreichend – aber eben kein Millionenkontext.
Das Zensur-Ding
Ich muss es an dieser Stelle klar sagen, weil jede Rezension eines chinesischen Modells das Thema umschifft – und die Leser verdienen die Wahrheit.
DeepSeek V4 Pro filtert Themen, die für die KPCh sensibel sind, sehr aggressiv. Ich habe das gezielt getestet. Fragt man nach dem politischen Status Taiwans, bekommt man diplomatische Nicht-Antworten. Fragt man nach dem Tian’anmen-Platz, verweigert das Modell entweder eine Antwort komplett oder liefert Antworten auf Parteilinie. Fragt man nach Xinjiang, weicht es aus.
Wenn Sie Arbeit leisten, die sich mit chinesischer Politik, Menschenrechten, historischen Ereignissen, die der chinesischen Regierung unangenehm sind, oder geopolitischer Analyse mit Chinas Bezug beschäftigt – ist das nicht Ihr Modell. Punkt.
Für die meisten Codierungsaufgaben spielt das einfach keine Rolle. Sie fragen Ihre Autovervollständigung nicht nach Tian’anmen. Aber ich will es in dieser Rezension klar festhalten, weil ich zu viele Einschätzungen gesehen habe, die das als kleines Randthema abtun. Es ist kein kleines Randthema. Es ist eine Werthaltung, die sich an einer bestimmten Regierung orientiert – und das sollten Sie wissen, bevor Sie geschäftskritische Analysen durch das Modell leiten.
Ein Hinweis auf das lokale Inferenz-Workaround ist erwähnenswert: Wenn Sie V4 Flash über Ollama auf eigener Hardware laufen lassen, ist die Zensur-Schicht deutlich schwächer, weil Sie nicht über die gehostete API gehen, die die strengeren Filter durchsetzt. Die Modell-Gewichte spiegeln zwar weiterhin die Verzerrungen der Trainingsdaten wider, aber das explizite Verweigerungsverhalten ist größtenteils eine API-Ebene-Thematik. Für die meisten Nutzer wird das keinen Unterschied machen. Für einige jedoch schon.
Wo V4 Pro tatsächlich punktet
Konkret möchte ich auf die Aufgaben eingehen, bei denen ich V4 Pro vor Opus 4.7 oder GPT-5.5 wählen würde:
Automatisierung in großem Maßstab. Wenn Sie einen Agenten betreiben, der Tausende von Dokumenten verarbeitet, Hunderte von Dateien im Batch refaktoriert oder große Mengen an Boilerplate generiert, sprechen die Kosten eindeutig für V4 Pro – der Qualitätsunterschied spielt kaum noch eine Rolle. Sie tauschen ein geringes Qualitätsdelta gegen eine Kostenersparnis von den Faktor 40 ein. Diesen Deal sollte man machen.
Prototyping und Wegwerf-Arbeit. Überall dort, wo Sie schnell mit wiederverwendbarem Code iterieren, interne Tools bauen, die später niemand warten wird, oder den Designspace ausloten, bevor Sie sich festlegen, ist V4 Pro extrem hilfreich. Bei One-Shot-Aufgaben ist V4 Pro in Sachen Geschwindigkeit tatsächlich konkurrenzfähig zu Opus, der Preis erlaubt es Ihnen, mehr auszuprobieren.
Terminal-lastige Agent-Workflows. V4 Pro schlägt sich gerade bei Terminal-Aufgaben sehr gut – im Terminal Bench schneidet es besser ab als Opus und ist bei SWE Pro nur minimal hinterher. Wenn Ihr Agent die meiste Zeit mit Shell-Befehlen, Dateizugriffen und Tool-Calls verbringt, passt V4 Pro hier optimal.
Solo-Entwickler, kleine Agentur, Indie-Founder. Wer derzeit monatlich 5.000-6.000 $ für Kreditpakete bei Anthropic oder OpenAI ausgibt, kann auf 500-1.000 $ mit V4 Pro heruntergehen, behält den Großteil des Workflows und routet nur ein paar spezielle Tasks an die Spitzenmodelle weiter. Das ist ein echter geschäftlicher Mehrwert. Ich habe selbst kleine Agenturen bei genau diesem Kostenaudit begleitet, die durch Frontier-Modell-Preise unter Druck geraten sind.
Parallele Multi-Instanz-Arbeit. Der Open Code Tarif für 10 US$ pro Monat mit vier parallelen Instanzen ist tatsächlich ein absurdes Preis-Leistungs-Verhältnis. Ich hatte vier Agenten gleichzeitig über Stunden an vier verschiedenen Projekten laufen – mein Gesamtaufwand lag unter dem Preis eines Kaffees.
Wo V4 Pro verliert
Ebenso konkret, wo ich dieses Modell nicht einsetzen würde:
Architektonische Analysen mit langem Kontext. Siehe die oben beschriebene 180K-Grenze. Wenn Sie ein Modell benötigen, das über einen gesamten großen Codebase hinweg schlüssig argumentieren kann, ist V4 Pro nicht die richtige Wahl.
Gezielte Refaktorierung von komplexem bestehendem Code. Die Schwäche im iterativen Coding ist real. Für sorgfältige inkrementelle Arbeiten an einer großen Codebasis bleibt Opus spürbar besser.
Produktionsagenten ohne DSML-Tooling. V4 Pro bietet nicht die gleichen Plug-and-Play-Tool-Calling-Ergonomien wie Claude- oder OpenAI-Modelle. Sie müssen das DSML-XML-Tool-Call-Format verwenden, das von den meisten Agent-Frameworks derzeit noch nicht nativ unterstützt wird. Open Code übernimmt das für Sie; wenn Sie Ihr eigenes Harness bauen, müssen Sie mit Integrationsaufwand rechnen.
Jegliche Themen, die chinesische Politik berühren. Wie bereits erwähnt. Ich weise darauf nochmals hin, weil die Review sonst unvollständig wäre.
Latenz-kritische Anwendungen. Mit 1,6T Parametern ist V4 Pro trotz sparsamer Aktivierung bei der Inferenz langsamer als führende geschlossene Modelle. Wenn Ihre Anwendung Reaktionszeiten unter einer Sekunde benötigt, ist dies nicht das richtige Modell.
Die Hardware-Story, über die niemand richtig spricht
Ein Punkt, den ich in diesem DeepSeek V4 Pro Review unbedingt korrekt darstellen möchte, da die meisten Beiträge, die ich dazu gelesen habe, ihn entweder über- oder unterschätzen.
V4 Pro wurde zum Teil auf Huawei Ascend 950PR Chips trainiert. Das ist tatsächlich neu. Noch vor einem Jahr ging man in der westlichen AI-Welt davon aus, dass ernsthaftes Training im Frontier-Maßstab ausschließlich Nvidia-Hardware erforderte – Punkt. DeepSeek hat gezeigt, dass diese Annahme falsch war oder zumindest nicht mehr uneingeschränkt gilt. Für Teile des Trainings wurden immer noch Nvidia H100s und A100s eingesetzt – das genaue Verhältnis ist unklar und DeepSeek hat dazu keine vollständigen Angaben gemacht – aber Ascend hat einen signifikanten Anteil übernommen, besonders in der Phase des Reinforcement Learnings.
Was das praktisch bedeutet: Chinesische AI-Labore verfügen nun über einen funktionierenden, inländischen Hardware-Pfad. Er ist nicht so effizient wie Blackwell, aber praktikabel. Die ASML-Exportkontrollen, die die Entwicklung chinesischer Modelle eigentlich ausbremsen sollten, haben stattdessen die Entwicklung eines alternativen Compute-Stacks erzwungen. Und genau dieser Stack reift nun sehr schnell.
Was das nicht bedeutet: DeepSeek hat bei den allgemeinen Forschungskapazitäten mit OpenAI oder Anthropic aufgeschlossen. V4 Pro ist exzellent und das beste Open-Weights-Release, das ich bisher getestet habe, aber bei den anspruchsvollsten Benchmarks liegt es immer noch knapp hinter GPT-5.4 Extra High und Opus 4.6. Der Abstand bei den absoluten Top-Benchmarks ist real. Aber er ist so schmal wie seit drei Jahren nicht mehr – und verringert sich weiter, statt größer zu werden.
Die geopolitische Schlussfolgerung, falls Sie eine möchten: Die Strategie der Compute-Exportkontrolle hat Chinas AI-Unabhängigkeit beschleunigt statt verlangsamt. Das ist ein Thema für einen eigenen Artikel – aber man kann V4 Pro nicht ehrlich bewerten, ohne das zu erwähnen.
Die Kostenrechnung, noch einmal
Lassen Sie mich beim Thema Preisgestaltung den Kreis schließen, denn genau darauf komme ich immer wieder zurück.
Grobe API-Preise für vergleichbare Aufgaben, basierend auf meiner tatsächlichen Nutzung am Wochenende:
- DeepSeek V4 Pro über direkte API: Centbeträge pro Aufgabe für die meisten Workloads. Mein komplettes Wochenende – vier nicht-triviale Builds plus der 340K-Kontext-Test – hat mich insgesamt rund 1,80 $ auf der direkten API gekostet.
- DeepSeek V4 Pro über Open Code Go: 10 $/Monat pauschal, mit vier parallelen Instanzen und großzügigen Limits. Das ist das Modell, das ich aktuell nutze.
- Claude Opus 4.7 über Claude Code: ungefähr 60-80 $ für den gleichen Wochenend-Workload, abgerechnet über API-Credits.
- GPT-5.5 Pro über Codex: ungefähr 180-220 $ für eine äquivalente Nutzung.
Die Größenordnung des Unterschieds ist real. Die Aussage von Decrypt, DeepSeek sei „98 % günstiger als GPT-5.5 Pro“, ist kein Marketing – das ist das, was ich selbst gemessen habe. Und für viele praktische Workloads rechtfertigt der Qualitätsunterschied den enormen Kostenunterschied kaum noch.
Genau das sollten alle Indie-Entwickler:innen und Kleinagenturen verinnerlichen: Man muss nicht alles über die aktuellsten Frontier-Modelle laufen lassen. Sie können die oberen 20 % Ihres Workloads – das nuancierte Architekturdenken, lange Kontextanalysen, den Feinschliff für Kund:innen – an Opus oder GPT-5.5 abgeben und die restlichen 80 % auf V4 Pro laufen lassen. Ihre Rechnung sinkt um 70-80 %, und die Arbeitsqualität bleibt praktisch identisch, weil das Frontier-Modell nur da eingesetzt wird, wo dessen Qualität tatsächlich zählt.
Genau so mache ich es inzwischen auch. Mein Workflow besteht jetzt aus zwei Tiers: Opus für aufwändige, denkintensive Aufgaben, V4 Pro für alles, wo es auf zügige, verlässliche Ausführung ankommt. Meine KI-Ausgaben sind um fast zwei Drittel gesunken – und ich habe keinen Unterschied bei der Qualität der ausgelieferten Arbeit festgestellt.
Das ehrliche Fazit
Wenn Sie aus diesem DeepSeek V4 Pro Test nur eine einzige Erkenntnis mitnehmen möchten, ist es diese: Das ist das erste Open-Weights-Modell, das ich mit gutem Gewissen in einem produktiven Workflow für kleine Unternehmen einsetzen würde – mit den oben genannten Einschränkungen.
Es ist nicht das beste verfügbare Modell. Opus 4.7 ist immer noch besser. GPT-5.5 Pro bleibt bei den schwierigsten Aufgaben überlegen. Wenn Ihr Budget Zugang zu Frontier-Modellen zulässt und Ihre Anforderungen höchste Qualität verlangen, sollten Sie weiterhin diese nutzen.
Doch falls Ihr Budget Frontier-Modelle nicht zulässt oder große Teile Ihrer Arbeit kein absolutes Spitzenmodell benötigen, ist das V4 Pro ein Quantensprung gegenüber allem anderen in der Open-Weights-Klasse. Es ist in den meisten meiner Tests besser als Kimi K2.6. Es schlägt Qwen 3.6 im agentenbasierten Coding, insbesondere bei längeren Aufgaben. Es liegt vor Gemma 4, wenn es um ernsthafte Arbeit geht, wobei Gemma weiterhin meine erste Wahl für den vollständig lokalen Offline-Einsatz bleibt.
Die unbequeme Wahrheit für die Frontier-Labs ist: „Gut genug und zehnmal günstiger“ ist eine vernichtende Position im Wettbewerb – und DeepSeek V4 Pro ist das erste Open-Weights-Modell, das diese Position wirklich einnimmt. Die Preistabellen der amerikanischen Anbieter werden sich bewegen müssen. Ich weiß nicht, wie schnell, aber es wird passieren.
Und immer wieder denke ich an diesen Donnerstagabend um 23:47 Uhr zurück – mit vier laufenden Terminals und einer Zwanzig-Cent-Rechnung. Die Zukunft, von der ich dachte, sie wäre noch fünf Jahre entfernt – leistungsfähige Open-Source-KI, die man in vier parallelen Instanzen für den Preis eines Kaffees betreiben kann – ist keine fünf Jahre entfernt. Es ist ein gehostetes Abo mit einem „5 $ für den ersten Monat“-Button auf der Startseite.
Wenn Sie Open-Source-KI bisher nicht ernst genommen haben, weil sie noch nicht ganz ausgereift war: Die Wartezeit ist vorbei. Laden Sie sie herunter. Probieren Sie sie aus. Leiten Sie Ihre einfachen Aufgaben darauf um und behalten Sie Ihr Frontier-Budget für die Aufgaben, die es wirklich brauchen. Sie werden erstaunt sein, wie wenig Sie die teuren Modelle für 80 % Ihrer Projekte vermissen werden.
Das ist die eigentliche Schlagzeile. Alles andere ist Kommentar.
Häufig gestellte Fragen
Ist DeepSeek V4 Pro wirklich Open Source?
DeepSeek V4 Pro wird unter einer Open-Weights-Lizenz veröffentlicht, was bedeutet, dass die Modellgewichte heruntergeladen und lokal ausgeführt werden können, auch wenn die Trainingsdaten und der vollständige Trainingscode nicht komplett offengelegt sind. Für nahezu alle praktischen Zwecke – Self-Hosting, Fine-Tuning, lokale Inferenz – verhält sich das Modell wie Open Source. Die 1.6T Pro-Gewichte sind auf Consumer-Hardware de facto nicht nutzbar, aber die 284B V4 Flash-Variante lässt sich mit Ollama auf leistungsfähigen Workstations einsetzen.
Wie schneidet DeepSeek V4 Pro beim Codieren im Vergleich zu GPT-5.5 und Opus 4.7 ab?
V4 Pro liegt bei den anspruchsvollsten Coding-Benchmarks etwas hinter Opus 4.7 und GPT-5.5 Pro, schlägt Opus jedoch im Terminal Bench und liegt beim SWE Pro Benchmark nur geringfügig hinter GPT-5.4. Bei One-Shot-Programmieraufgaben ist DeepSeek V4 Pro konkurrenzfähig; für komplexes, iteratives Refactoring in großen Codebasen sind die geschlossenen Spitzenmodelle aber immer noch spürbar überlegen. Konkrete Vergleiche findest du weiter oben bei den Testdurchläufen.
Wie sieht die echte Long-Context-Performance von DeepSeek V4 Pro aus?
Trotz der beworbenen Kontextlänge von einer Million Tokens verschlechtert sich die praktische Qualität spürbar ab etwa 180.000–200.000 Tokens. In echten Codebase-Tests habe ich eine zuverlässige Obergrenze von etwa 128K Tokens gemessen, bevor das Modell beginnt, Inhalte zu halluzinieren. Für langfristige Architektur-Analysen bleiben Opus 4.7 oder Gemini die bessere Wahl.
Ist DeepSeek V4 Pro günstiger als Claude und GPT?
Ja, deutlich. Die API-Preise liegen etwa beim 7-fachen Vorteil gegenüber Opus 4.7 und rund 40-mal günstiger als GPT-5.5 Pro bei vergleichbaren Workloads. Für die meisten Solo-Entwickler ist der Open Code Go-Tarif mit 10 $/Monat und vier parallelen Instanzen der kosteneffizienteste Zugang. Mein gesamtes Testwochenende hat weniger als 2 $ gekostet.
Gibt es bei DeepSeek V4 Pro Zensurmaßnahmen?
Ja. Die gehostete API erzwingt Content-Filter nach CCP-Richtlinien bei Themen wie Taiwans politischem Status, Tiananmen und Xinjiang. Bei Coding-Aufgaben ist das praktisch nie relevant, bei analytischer Arbeit mit Bezug zu chinesischer Politik oder Menschenrechten solltest du jedoch auf ein anderes Modell ausweichen. Bei lokaler Inferenz via Ollama sind die Filter abgeschwächt, da die API-Ebene umgangen wird.
Lass uns zusammenarbeiten
Möchten Sie KI-Systeme entwickeln, Workflows automatisieren oder Ihre Tech-Infrastruktur skalieren? Ich unterstütze Sie gerne dabei.
- Fiverr (maßgeschneiderte Lösungen & Integrationen): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (Enterprise-Lösungen): ramlit.com
- ColorPark (Design & Branding): colorpark.io
- xCyberSecurity (Security Services): xcybersecurity.io
