TL;DR
DeepSeeks V4-Modell startet Mitte Februar 2026 mit 1 Billion Gesamtparametern, 1-Million-Token-Kontextfenstern und drei architektonischen Innovationen—Manifold-Constrained Hyper-Connections (mHC), Engram-bedingter Speicher und Sparse Attention—die die KI-Ökonomie neu definieren könnten. Interne Benchmarks beanspruchen 80%+ SWE-bench-Leistung bei 10-40x niedrigeren Inferenzkosten als westliche Konkurrenten. Das Modell läuft auf zwei RTX 4090s, stellt Gewichte unter Apache 2.0-Lizenzierung als Open Source zur Verfügung und stellt Chinas glaubwürdigste Herausforderung für die westliche KI-Dominanz seit dem ursprünglichen DeepSeek-Schock dar.
5,6 Millionen Dollar.
Das hat DeepSeek Berichten zufolge für das Training von V3 ausgegeben—einem Modell, das GPT-4o und Claude 3.5 Sonnet in den meisten Benchmarks entspricht. OpenAI hat Berichten zufolge über $100 Millionen für das Training von GPT-4 ausgegeben. Die Lücke offenbart eine grundlegende Frage, die die KI-Ökonomie neu gestaltet: Erfordert Spitzenleistung Milliarden in Rechenleistung, oder bietet architektonische Innovation einen günstigeren Weg?
DeepSeeks Antwort kommt Mitte Februar mit V4, einem 1-Billion-Parameter-Modell, das drei architektonische Innovationen integriert, die laut Analysten einen "beeindruckenden Durchbruch" in der Trainingseffizienz liefern könnten. Das Modell zielt auf autonomes Programmieren ab—nicht einfache Snippet-Generierung, sondern Verwaltung ganzer Software-Repositories mit menschlichem Reasoning über Million-Token-Kontextfenster.
Für Rechenzentrums-Betreiber, die GPU-Infrastruktur einsetzen, gehen die Auswirkungen über Benchmark-Ergebnisse hinaus. Wenn DeepSeeks effizienz-orientierter Ansatz erfolgreich skaliert, stehen die Ökonomie der KI-Bereitstellung—und die erforderliche Hardware zu ihrer Unterstützung—vor erheblichen Störungen.
Drei architektonische Innovationen
DeepSeek V4 kombiniert drei bahnbrechende Technologien, die in Forschungsarbeiten von Ende 2025 und Anfang 2026 veröffentlicht wurden: Manifold-Constrained Hyper-Connections, Engram-bedingter Speicher und DeepSeek Sparse Attention.
Manifold-Constrained Hyper-Connections (mHC)
DeepSeeks Arbeit vom 31. Dezember 2025 führte mHC ein, ein Framework zur Behandlung grundlegender Probleme bei der Skalierung großer Sprachmodelle. Traditionelle Hyper-Connections können die Breite des Residualstroms erweitern und Konnektivitätsmuster verbessern, untergraben aber gleichzeitig das Identity-Mapping-Prinzip, das Residual-Netzwerke trainierbar macht—was zu numerischer Instabilität führt, die großskalige Trainingsläufe zum Absturz bringt.
Die mHC-Lösung projiziert Verbindungsmatrizen auf eine mathematische Mannigfaltigkeit mithilfe des Sinkhorn-Knopp-Algorithmus und kontrolliert die Signalverstärkung auf 1,6x im Vergleich zu 3000x bei unkontrollierten Methoden.
| Benchmark | Baseline | HC (Unkontrolliert) | mHC | Verbesserung |
|---|---|---|---|---|
| BBH | 43,8 | 48,9 | 51,0 | +7,2 Punkte |
| DROP | 62,1 | 65,4 | 67,8 | +5,7 Punkte |
| GSM8K | 71,2 | 74,8 | 77,3 | +6,1 Punkte |
| MMLU | 68,4 | 71,2 | 73,6 | +5,2 Punkte |
Das praktische Ergebnis: ein 4× breiterer Residualstrom fügt nur 6,7% Trainingszeit-Overhead hinzu. Mit Gründer Liang Wenfeng als Co-Autor ermöglicht mHC "aggressive Parametererweiterung" durch Umgehung von GPU-Speicherbeschränkungen—Training größerer Modelle auf Hardware, die sonst die Kapazität begrenzen würde.
IBMs Principal Research Scientist Kaoutar El Maghraoui betonte, dass DeepSeeks mHC-Architektur das Modell-Pretraining revolutionieren könnte: "Es skaliert KI intelligenter, anstatt sie nur größer zu machen."
Engram Conditional Memory
Am 13. Januar 2026 veröffentlicht, führt Engram ein bedingtes Speichermodul ein, das konstante Zeit-Wissensabruf erreicht, indem es statische Musterspeicherung von dynamischem Reasoning entkoppelt. Die Technologie modernisiert klassische N-gram-Einbettungen zur Durchführung von O(1)-Lookups neben dem neuronalen Backbone.
Engram behandelt was DeepSeek "stille LLM-Verschwendung" nennt—GPU-Zyklen, die für statische Lookups verloren gehen, die kein aktives Reasoning erfordern. Das System verwendet Multi-Head-Hashing, um komprimierte Kontexte über deterministische Funktionen auf Einbettungstabellen zu mappen, wodurch die Speicherexplosion dichter Tabellen vermieden und Kollisionen gemildert werden.
Context-Aware Gating bietet den "bedingten" Aspekt. Abgerufene Einbettungen werden nicht blind zum Residualstrom hinzugefügt—sie werden durch den aktuellen versteckten Zustand gesteuert. Wenn abgerufenes Gedächtnis mit dem globalen Kontext in Konflikt steht, unterdrückt das Gate das Rauschen.
DeepSeeks Schlüsselerkenntnis: die optimale Aufteilung ist 75-80% für Berechnung und 20-25% für Speicher. Reines MoE (100% Berechnung) erwies sich als suboptimal.
| Metrik | Ohne Engram | Mit Engram | Änderung |
|---|---|---|---|
| Komplexes Reasoning | 70% | 74% | +4 Punkte |
| Wissensabruf | 57% | 61% | +4 Punkte |
| Needle-in-Haystack | 84,2% | 97,0% | +12,8 Punkte |
| Trainingszeit-Einfluss | Baseline | +6,7% | Minimal |
Die Forscher demonstrierten Auslagerung einer 100-Milliarden-Parameter-Einbettungstabelle in System-DRAM mit Durchsatzstrafen unter 3%. Für Inferenz-Infrastruktur verschiebt dies die Hardware-Berechnung—hochbandbreitiger Systemspeicher wird so wertvoll wie reine GPU-FLOPS.
DeepSeek Sparse Attention (DSA)
Die dritte Innovation, DeepSeek Sparse Attention, ermöglicht Million-Token-Kontextfenster und reduziert gleichzeitig den Rechenaufwand um 50% im Vergleich zu Standard-Transformers.
Das System verwendet einen "Lightning-Indexer" zur Priorisierung spezifischer Auszüge aus dem Kontextfenster, gefolgt von einem "feinkörnigen Token-Auswahlsystem", das spezifische Token aus diesen Auszügen auswählt, um sie in das begrenzte Attention-Fenster des Modells zu laden. Dies ermöglicht den Betrieb über lange Kontextabschnitte mit vergleichsweise kleinen Serverlasten.
Traditionelle Transformer-Attention skaliert quadratisch mit der Sequenzlänge—Verdopplung der Kontextlänge vervierfacht die Berechnung. DeepSeeks Sparse Attention reduziert dies auf etwa lineare Skalierung und macht den Unterschied zwischen "theoretisch möglich" und "wirtschaftlich machbar" für Million-Token-Kontexte.
V4-Modellspezifikationen
DeepSeek V4 stellt ein technisches Wunderwerk spärlicher Architektur dar, das 1 Billion Gesamtparameter nutzt und dabei etwa 32 Milliarden für jeden gegebenen Token aktiviert.
| Spezifikation | DeepSeek V4 | GPT-5.2 | Claude Opus 4.5 |
|---|---|---|---|
| Gesamtparameter | 1 Billion | ~2 Billionen (geschätzt) | Nicht offengelegt |
| Aktive Parameter | 32B | Vollständiges Modell | Nicht offengelegt |
| Kontextfenster | 1M Token | 256K Token | 200K Token |
| Architektur | MoE + mHC + Engram | Dense Transformer | Dense Transformer |
| Trainingskosten | ~$10M (geschätzt) | ~$500M (geschätzt) | Nicht offengelegt |
| API-Eingabekosten | $0,27/1M Token | $15/1M Token | $15/1M Token |
Diese "Top-16" geroutete MoE-Strategie ermöglicht es V4, spezialisiertes Wissen eines Titanen-Klasse-Systems zu erhalten ohne die lähmende Latenz oder Hardware-Anforderungen, die normalerweise mit Billionen-Parameter-Modellen verbunden sind. Der praktische Einfluss: effizienter Abruf aus Kontexten, die eine Million Token überschreiten.
Für Programmieraufgaben bedeutet dies, dass V4 eine gesamte mittelgroße Codebasis aufnehmen, Import-Export-Beziehungen über Dutzende von Dateien verstehen und autonomes Refactoring durchführen kann. Frühe Tester berichten über wahres Multi-Datei-Reasoning, bei dem das Modell Beziehungen zwischen Komponenten versteht, Abhängigkeiten verfolgt und Konsistenz über großangelegte Refactoring-Operationen aufrechterhält.
SWE-Bench: Der definierende Benchmark
SWE-bench Verified misst die Fähigkeit eines Modells, reale GitHub-Issues zu lösen—erfordert Codeverständnis, Debugging und Implementierung über tatsächliche Repository-Kontexte. Claude Opus 4.5 führt derzeit mit 80,9%.
DeepSeeks interne Tests zeigen Berichten zufolge, dass V4 80% auf SWE-bench Verified überschreitet, Claude 3.5 Sonnet und GPT-4o übertrifft, besonders bei extrem langen Code-Prompts. Diese Behauptungen bleiben durch unabhängige Tests unbestätigt.
| Modell | SWE-bench Verified | Kontextfenster | API-Kosten (Eingabe) |
|---|---|---|---|
| Claude Opus 4.5 | 80,9% | 200K Token | $15/1M Token |
| GPT-5.2 | 78,2% | 256K Token | $15/1M Token |
| DeepSeek V4 (behauptet) | 80%+ | 1M Token | $0,27/1M Token |
| DeepSeek V3.2 | 72,4% | 256K Token | $0,14/1M Token |
Wenn V4 behauptete Leistung zu behaupteten Kosten liefert, wird das Wertversprechen stark: vergleichbare Programmierfähigkeit bei 10-40x niedrigeren Inferenzkosten.
Verbraucher-Hardware-Bereitstellung
In einer bemerkenswerten Abweichung von Infrastrukturtrends läuft DeepSeek V4 auf Verbraucher-Hardware:
- Verbraucher-Stufe: Zwei RTX 4090s oder eine RTX 5090
- Professionelle Stufe: Eine Workstation-Klasse-GPU (RTX 6000 Ada)
- Unternehmens-Stufe: Standard-Rechenzentrum-Konfigurationen
MLA-Kompression ermöglicht Inferenz auf einer einzigen RTX 4090 (24GB GDDR6X). Durch Batching von 4 Anfragen mit geteilten KV-Caches fällt der effektive Speicher-Footprint unter 5GB pro Anfrage und erreicht etwa 550 Token/Sekunde Durchsatz mit Batch-Größe 4.
| Hardware-Konfiguration | Modellkapazität | Token/Sekunde | Benötigter Speicher |
|---|---|---|---|
| Einzelne RTX 4090 (24GB) | V4 32B destilliert | 30-35 | 24GB VRAM + 64GB RAM |
| Zwei RTX 4090 (48GB) | V4 70B destilliert | 25-30 | 48GB VRAM + 128GB RAM |
| RTX 5090 (32GB) | V4 70B quantisiert | 40-50 | 32GB VRAM + 64GB RAM |
| 4x RTX 4090 (96GB) | V4 vollständige Gewichte | 15-20 | 96GB VRAM + 256GB RAM |
Zum Vergleich erforderte das lokale Ausführen von GPT-4-Klasse-Modellen typischerweise spezialisierte Infrastruktur mit Kosten von $50.000+. V4s Effizienz-Innovationen demokratisieren potenziell den Zugang zu Billionen-Parameter-Fähigkeiten.
Die erwartete RTX 5090 mit 32GB GDDR7 schließt die Lücke weiter. Obwohl sie für vollständige Modelle noch Auslagerung erfordert, sollten schnellere Speicherbandbreite und Blackwell-Architektur nahezu Echtzeit-Inferenz auf einzelnen Verbraucher-Karten ermöglichen.
Open-Source-Strategie
DeepSeek hat V4-Gewichte unter Apache 2.0-Lizenzierung als Open Source veröffentlicht und setzt ihre Strategie fort, Spitzenfähigkeiten öffentlich zugänglich zu machen. Dies steht in scharfem Kontrast zu westlichen Konkurrenten—GPT-5, Claude Opus und Gemini bleiben Closed-Source.
| Modell | Gewichte verfügbar | Lizenz | Selbst-Hosting |
|---|---|---|---|
| DeepSeek V4 | Ja | Apache 2.0 | Vollständige Unterstützung |
| GPT-5.2 | Nein | Proprietär | Nur API |
| Claude Opus 4.5 | Nein | Proprietär | Nur API |
| Gemini Ultra | Nein | Proprietär | Nur API |
| Llama 4 | Ja | Benutzerdefinierte Lizenz | Eingeschränkt kommerziell |
Offene Gewichte transformieren Bereitstellungsökonomie:
- On-Premises-Bereitstellung: Air-Gapped-Umgebungen, Datensouveränitäts-Compliance
- Quantisierung: Ausführung reduzierter Präzisionsversionen auf Verbraucher-Hardware
- Fine-Tuning: Benutzerdefinierte Modelle für spezifische Unternehmensanforderungen
- Kostenoptimierung: Vermeidung von Pro-Token-Gebühren für hochvolumige Anwendungen
Organisationen mit strengen Daten-Governance-Regeln können V4 vollständig innerhalb ihrer Infrastruktur ausführen. Für Branchen wie Finanzen, Gesundheitswesen und Verteidigung eliminiert dies Bedenken über das Senden proprietären Codes an externe APIs.
API-Preis-Disruption
DeepSeeks Preisgestaltung unterbietet Konkurrenten bereits erheblich. Aktuelle V3-Preise: $0,27 pro Million Eingabe-Token versus etwa $15/Million für GPT-4.5 und Claude Opus.
| Anbieter | Modell | Eingabe (pro 1M) | Ausgabe (pro 1M) | Kontext |
|---|---|---|---|---|
| DeepSeek | V4 | $0,27 | $1,10 | 1M Token |
| DeepSeek | V3.2 | $0,14 | $0,55 | 256K Token |
| OpenAI | GPT-5.2 | $15,00 | $60,00 | 256K Token |
| Anthropic | Opus 4.5 | $15,00 | $75,00 | 200K Token |
| Gemini Pro | $3,50 | $10,50 | 128K Token |
Ein praktisches Beispiel: Ein 100K-Token-Kontext kostet $5,50 auf GPT-4 versus $0,90 auf DeepSeek V3.2-Exp. V4s Million-Token-Kontext zu $0,27/Million Eingabe-Token macht zuvor unmögliche Use Cases wirtschaftlich machbar.
Eine Kostenanalyse zeigte, dass ein Hybrid-Ansatz mit DeepSeek für Extraktion plus Claude für Audit API-Ausgaben um 72% reduzierte und gleichzeitig die faktische Genauigkeit um 12% im Vergleich zu reinem GPT-5 verbesserte.
Trainingsinfrastruktur-Realitätscheck
Trotz Effizienzbehauptungen bleibt DeepSeeks Trainingsinfrastruktur erheblich. Das Unternehmen trainierte R1 Berichten zufolge auf 50.000 Hopper-Serie-GPUs—30.000 HGX H20-Einheiten, 10.000 H800s und 10.000 H100s—geliefert durch Investor High-Flyer Capital Management.
Chinesische Behörden drängten DeepSeek zur Nutzung von Huawei Ascend-Hardware für R2-Training. Der Schritt stieß auf instabile Leistung, langsamere Chip-zu-Chip-Konnektivität und Einschränkungen von Huaweis CANN-Software-Toolkit. Trotz Huaweis Ingenieurseinsatz vor Ort konnte DeepSeek keinen erfolgreichen Trainingslauf abschließen.
Das Ergebnis: DeepSeek kehrte zu NVIDIA-Beschleunigern für R2-Training zurück, während Huawei-Hardware für Inferenz beibehalten wurde. Dies offenbart sowohl die aktuellen Grenzen chinesischer Inlandschips als auch DeepSeeks pragmatischen Ansatz—sie verwenden, was funktioniert, ungeachtet politischen Drucks.
Huawei-CEO Ren Zhengfei räumte ein, dass "die USA Huaweis Erfolge übertrieben haben" und dass ihre besten Chips eine Generation zurückliegen. Jedoch erwarten Branchenbeobachter, dass einige große Sprachmodelle bis Ende 2026 auf chinesischen Chips trainieren werden, wobei der Trend 2027 deutlicher wird.
Geopolitische Implikationen
DeepSeeks rascher Aufstieg signalisiert eine große Verschiebung in der globalen KI-Konkurrenz. Der R1-Launch des Unternehmens löste einen $1-Billion-Tech-Aktien-Ausverkauf am 27. Januar 2025 aus—einschließlich $600 Milliarden von NVIDIA allein.
Präsident Trump nannte es einen "Weckruf" für US-Unternehmen. Cloud-Anbieter wie Alphabet, Microsoft und Amazon—die letzteren beiden haben stark in OpenAI und Anthropic investiert—stehen nun vor einer Preiskrise.
Regionale Adoptionsmuster haben sich stark unterschieden:
| Region | Adoptionsniveau | Primärer Treiber |
|---|---|---|
| China | 89% Marktanteil | Kosten, Leistung, lokale Entwicklung |
| Global South | Hoch/Wachsend | Open Source, niedrige Rechenanforderungen |
| Westliche Unternehmen | Niedrig/Moderat | Kosteneinsparungen, On-Premises-Bereitstellung |
| Westliche Regierungen | Verboten | Sicherheitsbedenken, Datensouveränität |
Seit August 2025 überstiegen kumulative Open-Source-Downloads chinesischer KI-Modelle westliche Konkurrenten—ein bedeutender Wandel in globalen KI-Nutzungsmustern. In China hält DeepSeek Berichten zufolge fast 89% Marktanteil unter KI-Nutzern.
Westliche Regierungsadoption bleibt minimal. Australien und verbündete Nationen haben DeepSeek von offiziellen Geräten verbannt, wobei bis zu 70% australischer Unternehmen den Zugang aufgrund von Datensicherheitsbedenken aktiv blockieren.
Konkurrenzreaktion
Westliche Konkurrenten haben Preise und Produkte als Reaktion auf DeepSeek-Druck angepasst:
- Google: Reduzierte Gemini-API-Kosten während 2024 und 2025
- OpenAI: Senkte Preise und veröffentlichte o3-mini im Januar 2026 zur Effizienz-Konkurrenz
- Anthropic: Behielt Preise bei, betonte aber Verifiable Safety Stack für regulierte Branchen
Es gibt eine versteckte Kostenbetrachtung: Verifikations-Overhead. Die Verwendung billiger Modelle erfordert oft Token-Ausgaben für teure Modelle zur Ausgaben-Verifikation. Audits zeigen, dass ein "Billiges Modell + High-End-Auditor"-Setup 15% mehr kosten kann als nur GPT-5 für mittlere Komplexitätsaufgaben.
Für Unternehmen in regulierten Branchen bietet Claudes Verifiable Safety Stack Audit-Trails, die Premium-Preise rechtfertigen. Die EU-KI-Gesetz-Durchsetzung hat Compliance-Dokumentation so wertvoll wie reine Leistung gemacht.
Infrastruktur-Implikationen
DeepSeeks Effizienz-Innovationen invalidieren aktuelle GPU-Nachfrage nicht. Hyperscaler-CapEx wächst weiter, mit über $600 Milliarden prognostiziert für 2026. Aber die Zusammensetzung der Ausgaben—was gebaut wird und wie es genutzt wird—könnte sich verschieben.
Engrams Ansatz zur Kontext-Behandlung betont Speicherhierarchie über rohe Berechnung. Zukünftige Trainingsinfrastruktur könnte hochbandbreitigen Speicher und effizienten Caching über Peak-FLOPS priorisieren.
Für Rechenzentrum-Betreiber ergeben sich mehrere Trends:
- Speicherbandbreite wird kritisch: Engrams DRAM-Auslagerungstechnik verschiebt Arbeitslasten von GPU-Speicher zu System-RAM
- Inferenz-Infrastruktur diversifiziert sich: Verbraucher-Grad-Bereitstellung ermöglicht Edge- und On-Premises-Installationen
- Training bleibt zentralisiert: Trotz Effizienzgewinnen erfordert Frontier-Modell-Training noch massive GPU-Cluster
- Hybrid-Architekturen gewinnen an Zugkraft: DeepSeek-Extraktion + westliche Modellverifikation reduziert Kosten bei Compliance-Erhaltung
Wichtige Erkenntnisse
Für KI-Infrastruktur-Teams:
- DeepSeek V4s Verbraucher-Hardware-Bereitstellung (zwei RTX 4090s) transformiert On-Premises-KI-Ökonomie
- Engrams Speicherarchitektur verschiebt Hardware-Prioritäten zu hochbandbreitigem DRAM
- Offene Gewichte ermöglichen Fine-Tuning und Bereitstellung ohne API-Abhängigkeiten
Für Unternehmens-Entscheidungsträger:
- 10-40x Kostenreduktionen machen zuvor unwirtschaftliche KI-Anwendungen machbar
- Sicherheitsbedenken erfordern klare Richtlinien zur Nutzung chinesischer Modelle
- Hybrid-Bereitstellung (DeepSeek-Extraktion + westliche Verifikation) bietet Kosten-Leistung-Balance
Für Rechenzentrum-Betreiber:
- Million-Token-Kontexte ändern Arbeitslast-Profile und Speicheranforderungen
- Verbraucher-GPU-Bereitstellung schafft Nachfrage nach kleinerer, verteilter Inferenz-Infrastruktur
- Effizienzgewinne eliminieren Nachfrage nicht—sie erweitern, was wirtschaftlich möglich ist
Über Introl
Introl bietet spezialisierte GPU-Infrastruktur-Bereitstellung für KI-Rechenzentren. Mit 550 HPC-spezialisierten Feldtechnikern an 257 globalen Standorten hat Introl über 100.000 GPUs bereitgestellt—von Hyperscale-Training-Clustern bis zu Edge-Inferenz-Infrastruktur. Ob Organisationen DeepSeek, proprietäre Modelle oder Hybrid-Architekturen einsetzen, Introls Expertise gewährleistet zuverlässige, leistungsstarke KI-Infrastruktur.
