Das Technologieunternehmen DeepSeek hat die Einführung des DeepSeek-V4-Flash-Vision-Exp bekannt gegeben. Dieses neue Modell stellt das erste Vision-System innerhalb der V4-Serie dar und markiert laut Branchenberichten eine strategische Erweiterung über die bisherigen textbasierten Kapazitäten des Unternehmens hinaus. Das experimentelle Modell zeichnet sich durch seine Fähigkeit aus, visuelle Informationen zu verarbeiten und zu interpretieren, wobei es insbesondere in Benchmarks für visuelle Agenten eine Leistung erzielt, die laut Analysten an das Niveau von Modellen wie Opus-4.8 heranreicht.
Das Modell ist als Sparse-MoE-Architektur (Mixture-of-Experts) konzipiert. Es verfügt über eine Gesamtzahl von 284 Milliarden Parametern, wovon 13 Milliarden Parameter aktiv für die Verarbeitung genutzt werden.
Während die rein textlichen Fähigkeiten denen des bestehenden V4-Flash-Modells entsprechen, wurde die visuelle Verständnisfähigkeit für den experimentellen Status optimiert. Das System unterstützt eine Kontextlänge von bis zu einer Million Token und ist über eine spezifische API-Schnittstelle sowie die hauseigene Files API ansteuerbar.
Technische Spezifikationen und Bildverarbeitung
In der praktischen Anwendung akzeptiert DeepSeek-V4-Flash-Vision-Exp Bilddateien in den Formaten JPEG, PNG, GIF und WebP. Für die Eingabe stehen drei Methoden zur Verfügung: die Übertragung via Base64, externe URLs mit einer Länge von maximal 8.192 Zeichen sowie die Nutzung der Files API. Letztere wird vom Anbieter kostenlos zur Verfügung gestellt und ermöglicht die effiziente Wiederverwendung von Dateibezeichnern.
Die technischen Rahmenbedingungen für Anfragen sind präzise definiert. Der gesamte Request-Body darf eine Größe von 48 MiB nicht überschreiten. Pro Anfrage können bis zu 600 Bilder verarbeitet werden, wobei die maximale Auflösung bei 8.192 Pixeln pro Seite liegt.
Ab einer Menge von 15 Bildern reduziert sich diese Grenze auf 4.096 Pixel. Jedes Bild wird für die interne Verarbeitung auf maximal 384 Token skaliert, was einer kalkulatorischen Belastung von etwa 0,000384 Yen pro Bild entspricht.
Leistungsdaten und preisliche Gestaltung
Die Leistungsfähigkeit des Modells wurde in verschiedenen Benchmarks dokumentiert. Im Terminal Bench 2.1 erreichte das System einen Wert von 83,9. Weitere Ergebnisse umfassen 57,7 Punkte im Bereich NL2Repo, 59,3 bei DeepSWE sowie 64,3 in der Chartography-Kategorie.
Während die Einbindung neuer KI-Modelle die Effizienz steigert, bringen diese Technologien auch neue gesetzliche Anforderungen und Risiken für die IT-Infrastruktur mit sich. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Bedrohungen Unternehmer im Kontext neuer KI-Entwicklungen jetzt kennen müssen. Report zu neuen KI-Gesetzen und Cyberrisiken kostenlos anfordern
Im ZeroBench (Pass@5) wurde ein Wert von 35,0 erzielt. Neben der visuellen Analyse unterstützt das Modell Funktionen wie Tool Calls sowie Kompatibilität mit der Anthropic API.
Die Preisstruktur für die Nutzung der DeepSeek-API sieht Kosten in Höhe von 1 Yen pro Million Input-Token und 2 Yen pro Million Output-Token vor. Für Cache-Treffer (Cache-Hits) fallen Gebühren von 0,02 Yen pro Million Token an.
Das Unternehmen unterscheidet zudem zwischen Spitzen- und Nebenzeiten: Außerhalb der Spitzenlastzeiten kosten Cache-Treffer 0,05 Yen, während zu Stoßzeiten 0,10 Yen pro Million Token berechnet werden.
Wer sich mit der Implementierung moderner Softwarelösungen befasst, sollte auch den Schutz der Unternehmensdaten vor proaktiven Bedrohungen im Blick behalten. Experten erklären im kostenlosen E-Book, wie Sie Sicherheitslücken schließen und Ihre IT-Sicherheit ohne hohe Investitionen stärken. Kostenloses E-Book: Cyberbedrohungen abwenden
Über den Drittanbieter OpenRouter ist der Zugang ebenfalls möglich; dort liegen die Preise bei 0,22 US-Dollar für eine Million Input-Token und 0,66 US-Dollar für die gleiche Menge an Output-Token. Messungen ergaben dort einen Durchsatz von 86 Token pro Sekunde bei einer Latenz von 1,25 Sekunden.
Einordnung in die V4-Produktlinie
Die Veröffentlichung von DeepSeek-V4-Flash-Vision-Exp am 21. August 2026 folgt einer dichten Abfolge von Produktankündigungen innerhalb der V4-Serie. Die Zeitlinie begann Ende April mit der Vorstellung des Basismodells V4. Ende Juli folgte die Einführung von V4-Flash, worauf Mitte August die Pro-Version der Serie veröffentlicht wurde.
Mit der nun erfolgten Expansion in den Bereich der multimodalen Modelle, die auch die Verarbeitung von Screenshots und komplexen Grafiken umfasst, schließt das Unternehmen eine funktionale Lücke zu anderen führenden KI-Entwicklern. Das Modell wird als experimentell geführt, was auf eine kontinuierliche Weiterentwicklung der visuellen Komponenten hindeutet.
