China hat gerade die KI-Industrie wieder durchgeschüttelt
Ende April 2026 hat DeepSeek ein neues Modell veröffentlicht. Kein Update, keine kleine Verbesserung — sondern das größte Open-Source-KI-Modell, das bisher existiert. DeepSeek V4 Pro hat 1,6 Billionen Parameter. Zum Vergleich: GPT-4 hatte geschätzte 1,8 Billionen. Claude Opus 4.7 liegt wahrscheinlich im ähnlichen Bereich. Beide kosten viel Geld pro Anfrage. DeepSeek V4? Der ist kostenlos nutzbar auf chat.deepseek.com — und die API kostet einen Bruchteil von GPT-5.5 oder Claude.
Ich weiß, was du jetzt denkst: „Haben wir das nicht schon mal gesehen? DeepSeek R1, DeepSeek V3, das DeepSeek-Moment Anfang 2025…” Ja, haben wir. Und trotzdem landet jede neue Version wie eine Bombe, weil die Benchmarks nicht lügen.
Lass uns mal genau anschauen, was hier passiert ist — und was das für dich bedeutet.
Was ist DeepSeek V4 überhaupt?
Einfach erklärt: Ein KI-Modell ist wie ein sehr gut trainierter Mitarbeiter. Die „Parameter” sind vereinfacht gesagt seine gespeicherten Erfahrungen und Muster — je mehr, desto besser kann er komplexe Aufgaben lösen. 1,6 Billionen Parameter klingen absurd, und das sind sie auch.
Aber hier ist der clevere Trick: DeepSeek V4 nutzt eine Architektur namens Mixture of Experts (MoE). Das funktioniert wie in einem großen Büro, wo hunderte Spezialisten sitzen — aber für jede Anfrage werden nur die relevanten Experten aktiviert. Konkret: Obwohl V4 Pro 1,6 Billionen Parameter hat, werden pro Anfrage nur knapp 49 Milliarden davon aktiv genutzt. Das ist effizient genug, um das Modell tatsächlich bezahlbar zu machen.
Das Ergebnis: Ein Modell, das bei Mathematik, STEM-Aufgaben und Coding alle anderen Open-Source-Modelle hinter sich lässt — und dabei mit den teuren Closed-Source-Modellen von OpenAI und Anthropic auf Augenhöhe ist.
Zusätzlich neu: Ein Kontextfenster von einer Million Token. Was bedeutet das? Du könntest dem Modell ein ganzes Buch geben, und es würde sich an alles erinnern. Oder deinen gesamten Codebase. Oder 200 Seiten Unternehmensberichte.
Wie gut ist das wirklich? Die Zahlen, die zählen.
Ich mag keine leeren Versprechen. Deswegen ein kurzer Reality-Check mit echten Benchmarks:
Auf SWE-Bench (einem Standard-Test für Coding-Aufgaben aus der echten Welt) schlägt DeepSeek V4 Pro alle aktuell verfügbaren Open-Source-Modelle. Nur die teuersten Closed-Source-Modelle liegen noch knapp darüber.
Beim Preis ist der Unterschied noch dramatischer. Stand Mai 2026 kosten die APIs pro Million Token:
| Modell | Input | Output |
|---|---|---|
| DeepSeek V4 Flash | $0,28 | $0,28 |
| DeepSeek V4 Pro (Aktionspreis bis Ende Mai) | $0,44 | $0,87 |
| GPT-5.5 | $5,00 | $30,00 |
| Claude Opus 4.7 | $5,00 | $25,00 |
Kleiner Hinweis dazu: Anthropic hat die Claude-Preise zuletzt massiv gesenkt — $15 / $75 für Opus stimmt nicht mehr. Trotzdem bleibt der Abstand gewaltig. Bei einer typischen Nutzung (3 Input-Token auf 1 Output-Token) kostet eine Million Anfragen mit Claude Opus 4.7 rund $40 — mit DeepSeek V4 Flash nur $1,12. Das ist das 18- bis 35-Fache an Rechenleistung für dasselbe Budget. Nicht mehr 100-fach, aber immer noch ein Preisunterschied, der echte Projekte wirtschaftlich macht oder ruiniert.
Und dann ist da noch der Open-Weights-Aspekt: Die Gewichte des Modells sind auf Hugging Face verfügbar. Jeder kann es herunterladen, auf eigener Hardware laufen lassen, anpassen, in eigene Produkte einbauen — kostenlos, ohne Nutzungsgebühren, ohne Datenschutz-Bedenken gegenüber einem externen Anbieter.
Was kann ich damit konkret anfangen?
Ich beobachte das Ganze nicht nur als Tech-Nerd, sondern aus meinem Alltag heraus: Ich baue Automatisierungen bei Dürr, schreibe Newsletter, entwickle eigene Apps. Und da frage ich mich bei jedem neuen Modell: Was ändert sich für mich?
Für Einzelpersonen und Freelancer: Auf chat.deepseek.com kannst du V4 direkt nutzen — kostenlos, nach Anmeldung. Wenn du bisher ChatGPT Plus für 20 Euro im Monat zahlst, solltest du zumindest ausprobieren, ob DeepSeek V4 für deine Anwendungsfälle (Texte, Recherche, Code) genauso gut funktioniert. Für viele Standardaufgaben ist die Qualität vergleichbar.
Für Entwickler und Tech-affine Nutzer: Die API ist günstig genug, um Projekte damit zu bauen, die vorher schlicht zu teuer gewesen wären. Wenn du gerade überlegst, eine KI-gestützte App zu entwickeln — die Kostenrechnung sieht mit DeepSeek V4 Flash komplett anders aus als mit Claude oder GPT.
Für Unternehmen mit Datenschutzanforderungen: Die Open-Weights-Variante bedeutet, du kannst das Modell auf deiner eigenen Infrastruktur betreiben. Kein Datenaustausch mit externen Servern, keine Abhängigkeit von einem US-Anbieter. Für regulated industries (Versicherungen, Gesundheitswesen, Behörden) ist das potenziell interessant — wenn man der chinesischen Herkunft der Gewichte vertraut. Mehr dazu gleich.
Für Automatisierungs-Fans: DeepSeek V4 ist explizit für agentenbasierte Anwendungen optimiert. Das bedeutet: Es ist besonders gut darin, Aufgaben eigenständig in mehreren Schritten abzuarbeiten — Websuche, Codeschreiben, Tool-Aufrufe. Für n8n-Workflows, LangChain-Anwendungen oder jeden, der autonome Agenten baut, ist das relevant.
Was sollte ich kritisch hinterfragen?
Hier wird es wichtig: Ich will nicht einfach Hype verbreiten. Es gibt echte Einschränkungen und Fragen, die du dir stellen solltest.
Erstens, das China-Problem. DeepSeek ist ein chinesisches Unternehmen. Die Gewichte sind Open-Source, aber niemand kann vollständig prüfen, was während des Trainings passiert ist oder ob es versteckte Einschränkungen gibt. In bestimmten politischen Themen ist das Modell nachweislich zensiert — Tiananmen Square, Taiwan, die Führung der KPCh. Für rein technische Anwendungsfälle ist das weniger relevant. Für Anwendungen rund um politische Analyse, Journalismus oder sensible gesellschaftliche Themen sollte man sich das bewusst sein.
Zweitens, „Open Source” bedeutet nicht „sicher”. Nur weil du die Gewichte herunterladen kannst, heißt das nicht, dass du weißt, was im Training-Datensatz steckte — oder ob das Modell bei bestimmten Eingaben unerwartet reagiert. Open-Source schafft Transparenz im Deployment, aber nicht vollständig im Training.
Drittens, Infrastruktur-Aufwand. Ein 1,6-Billionen-Parameter-Modell selbst zu hosten ist nicht für jedermann. Du brauchst Hardware in einer Größenordnung, die für die meisten Einzelpersonen und kleine Unternehmen schlicht nicht realistisch ist. Die kostenlose Nutzung über chat.deepseek.com oder die API ist dagegen sehr zugänglich.
Viertens, der Hype-Zyklus. Bei jedem neuen chinesischen Modell gibt es die gleiche Reaktion: Aufregung, Skepsis, dann Normalisierung. V4 ist beeindruckend — aber es ist kein Wundermodell, das alles löst. Für kreative Texte, nuancierte Argumentation oder kulturell spezifische Inhalte auf Deutsch ist Claude Sonnet oder GPT-5.5 oft noch die bessere Wahl.
Fazit & Ausblick
DeepSeek V4 ist kein Hype. Es ist das bisher stärkste Open-Source-Modell der Welt — und es ist kostenlos nutzbar. Die Preise für KI-APIs sinken dadurch weiter, weil OpenAI und Anthropic reagieren müssen. Das ist gut für alle, die KI in echten Projekten einsetzen wollen.
Was mich persönlich am meisten beschäftigt: Wie lange können westliche Anbieter noch die Preisschere rechtfertigen? Wenn ein chinesisches Open-Source-Modell auf Augenhöhe mit den teuersten Closed-Source-Modellen spielt, wird das Argument „aber Qualität” immer schwächer.
Die nächste Runde ist bereits angekündigt: Kimi K2.6 (Moonshot AI) liefert sich gerade ein Kopf-an-Kopf-Rennen mit DeepSeek V4 — ebenfalls Open Source, ebenfalls aus China. Das Rennen läuft, und Europa schaut größtenteils zu.
Meine Einschätzung für die nächsten sechs Monate: Wer heute noch nicht mit Open-Source-Modellen experimentiert, verschenkt echte Kostenvorteile. Probier es aus — du hast nichts zu verlieren außer 10 Minuten für die Anmeldung.
Fragen, die mich nach dieser Woche beschäftigen:
Hast du DeepSeek schon mal ausprobiert — oder schreckt dich die chinesische Herkunft ab? Warum?
Wenn Qualität und Preis ähnlich sind: Welche Rolle spielt der Datenschutz bei deiner Wahl des KI-Tools?
Glaubst du, dass Open-Source-Modelle langfristig die kostenpflichtigen Dienste verdrängen — oder haben OpenAI und Anthropic etwas, das man nicht kopieren kann?
Für welchen Anwendungsfall in deinem Alltag würdest du zuerst ein günstiges API-Modell ausprobieren?
Was müsste passieren, damit du DeepSeek in einem echten Arbeitsprozess einsetzt — nicht nur zum Testen?