DeepSeek V4 GA:
Preise, Architektur und Performance-Lücke zu GPT-5.6

Nach drei Monaten Wartezeit ist DeepSeek V4 in der Vollversion (GA) am 20. Juli 2026 live. Dieser datengetriebene Leitfaden richtet sich an AI-Entwickler, Indie-Devs, Long-Context-Agent-Engineers und kostenbewusste Produktteams: Sie erhalten Architektur-Specs (CSA/HCA, mHC, Muon), Benchmark-Matrizen gegen GPT-5.6 und Claude Fable 5, die neue Peak/Off-Peak-Tariflogik und einen Migrationsplan mit Frist 24. Juli 2026.

01 DeepSeek V4 GA: Drei Druckpunkte für Produktionsumgebungen

Gegenüber der Preview vom April bringt die GA-Version messbare Verbesserungen bei Agent-Fähigkeiten, Mathe und Code — plus erstmals zeitabhängige Preise. DeepSeek wechselt damit von „quasi kostenlos“ zu disziplinierter Kommerzialisierung. Vier Fakten, die Sie sofort einplanen müssen:

• API-Migrations-Countdown: deepseek-chat und deepseek-reasoner werden am 24. Juli 2026, 23:59 Uhr (Peking-Zeit) dauerhaft abgeschaltet. Nicht migrierte Produktionsservices brechen hart ab.
• Peak/Off-Peak-Komplexität: Werktags 09:00–12:00 und 14:00–18:00 (Peking) verdoppeln sich die Sätze. 24/7-Agent-Pipelines brauchen ein neues Kostenmodell.
• Frontier bleibt vorn bei Hard Tasks: Claude Fable 5 führt SWE-bench Pro mit 80,3 % an. Wer nur Benchmarks liest und nicht pro Task rechnet, zahlt zu viel.
• Self-Hosting ≠ Zero Ops: MIT-Lizenz ja — aber 1,6T MoE in Produktion braucht GPU-Cluster. Die meisten Teams bleiben bei der API; Latenz, Quotas und bei personenbezogenen Daten DSGVO-Risiken bleiben.

Kurzfassung: Die Preview war stark; die GA liefert Agent-, Mathe- und Code-Upgrades plus ein formales Preissystem.

02 Von Preview zu GA: Zeitlinie und Architektur CSA/HCA/mHC/Muon

Modellfamilie

Architektur: 1M Kontext ohne linearen KV-Explosion

Klassische Transformer skalieren KV-Cache linear mit der Kontextlänge. DeepSeek V4 löst das mit drei Innovationen — im Gegensatz zur KDA-Route von Kimi K3 setzt V4 auf CSA + HCA:

① Hybride Aufmerksamkeit (CSA + HCA) — MLA aus V2/V3 wird abgelöst:

• Compressed Sparse Attention (CSA): KV-Sequenz per Softmax-Gating 4× komprimiert; FP4-„Lightning Indexer“ wählt top-k (Pro: top-1024, Flash: top-512); Sliding Window der letzten 128 Tokens. Bei 1M Kontext: Inferenz-FLOPs nur 27 % von V3.2.
• Heavily Compressed Attention (HCA): Tokens 128× komprimiert, dann globale Dense Attention; Flash nutzt HCA in den ersten 2 Schichten, danach CSA/HCA alternierend.
• Gesamteffekt: KV-Cache bei 1M nur 10 % von V3.2 (Flash: 7 %).

② Manifold-Constrained Hyper-Connections (mHC): 4-Kanal-Residual-Stream mit Mischmatrix unter Birkhoff-Polytope (doppelt-stochastisch) — stabile Signalpropagation über 61 Schichten.

③ Muon-Optimierer: Training mit Muon statt AdamW; Newton-Schulz-Orthogonalisierung der Gradienten — schnellere Konvergenz, stabilere Runs.

Inferenzmodi

Offizielle Sampling-Parameter: temperature=1.0, top_p=1.0 (alle Modi).

03 Benchmark-Matrix: Open-Source-Spitze vs. GPT-5.6 / Claude Fable 5

SWE-bench Verified testet echte GitHub-Bugfixes — 80,6 % ist der aktuelle Open-Source-Höchstwert, gleichauf mit Gemini 3.1 Pro. SWE-bench Pro ist strenger; Fable 5 führt mit 80,3 %.

Kosten-Nutzen laut Artificial Analysis

Claude Fable 5: Strategy & Ops Index — $3,48/Task (Score 50). DeepSeek V4-Pro: $0,03/Task (Score 38). V4-Flash: unter $0,04 in allen sechs Index-Kategorien. Fable 5 kostet 116× mehr bei nur ~12 Punkten Vorsprung (31 %).

• Budget / hohe Frequenz / Private Deploy: V4-Pro oder V4-Flash
• Maximaler Code, Kosten sekundär: Claude Fable 5 (SWE-bench Pro Spitze)
• Algorithmen + Mathe: GPT-5.6 Sol / Ultra
• Massen-Logs/Dokumente: V4-Flash Cache-Hit Input nur $0,0028/M

04 Peak/Off-Peak-Tarife: Vollständige Preistabelle und Sparmatrix

Die kontroverseste GA-Neuerung: Werktags 09:00–12:00 und 14:00–18:00 Peking-Zeit verdoppeln die Sätze — analog zu Stromtarifen.

Kosten minimieren — vier Hebel:

• Nicht-Echtzeit in Off-Peak: Batch-Docs, Labeling, Code-Review nach 18:00 oder vor 09:00
• Prompt Cache: Wiederholte System-Prompts; Flash Cache-Hit $0,0028/M
• Flash als Router: Intent/Routing mit Flash, schwere Reasoning an Pro
• Preisänderungs-Mail: DeepSeek kündigt Tarifupdates 24 Stunden vorher per E-Mail an

Selbst im Peak: V4-Pro Output ($1,74/M) ist 8,6× günstiger als Claude Opus 4.8 ($15/M) und GPT-5.6 Sol (~$15/M).

05 deepseek-chat Abschaltung: API-Migration in 6 Schritten (Frist 24.07.)

Wichtig: deepseek-chat und deepseek-reasoner enden am 24. Juli 2026, 15:59 UTC (23:59 Peking).

1. Repository-Scan: Suche nach deepseek-chat und deepseek-reasoner in Code, CI und Env-Vars.
2. Zielmodell wählen: Leichte Dialoge → deepseek-v4-flash (Non-think); ehemalige Reasoner-Szenarien → Flash Think oder deepseek-v4-pro.
3. OpenAI SDK aktualisieren: model-Parameter anpassen; Thinking via extra_body.
4. Anthropic SDK prüfen: base_url bleibt https://api.deepseek.com, nur model ändern.
5. Staging-Lasttest: Vor dem 24.07. Peak- und Off-Peak-Abrechnung sowie Cache-Hit-Rate validieren.
6. Produktions-Rollout: Grauzonen-Deploy, Error-Rate und Token-Kosten monitoren; Rollback-Fenster bis Deadline offen halten.

# Alt (ungültig ab 24.07.)
client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

# Neu — OpenAI SDK
client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    # extra_body={"thinking": {"type": "enabled", "budget_tokens": 8000}}
)

# Anthropic SDK kompatibel
client = anthropic.Anthropic(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)
message = client.messages.create(
    model="deepseek-v4-pro",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Hello, DeepSeek V4!"}]
)

06 Zitierbare Daten, Quellen und Engineering-Empfehlung

• SWE-bench Verified: 80,6 % — Open-Source-Rekord, gleichauf Gemini 3.1 Pro
• 1M KV-Cache: 10 % von V3.2 (Flash 7 %); Inferenz-FLOPs 27 % von V3.2
• V4-Pro Output: Off-Peak $0,87/M, Peak $1,74/M — ca. 1/10 bis 1/100 der Frontier-Preise
• Artificial Analysis Task-Kosten: V4-Pro $0,03 vs. Fable 5 $3,48 (116×)
• API-Migrationsfrist: 2026-07-24 23:59 Peking-Zeit
• Lizenz: MIT — Self-Hosting und Datenresidenz möglich

DeepSeek V4 GA ist 2026s wichtigster Open-Source-Meilenstein. Der Wert liegt nicht darin, Fable 5 oder GPT-5.6 heute zu schlagen, sondern Frontier-Leistung zum Bruchteil der Kosten als beste Open-Source-Option zu liefern. Peak/Off-Peak erhöht die Planungskomplexität — bleibt aber wettbewerbsfähig.

Preise, Modellfähigkeiten und Migrationsregeln können sich ändern — nach dem Release Links erneut prüfen:

Offizielle Quellen:

DeepSeek API — Offizielle Dokumentation

arXiv:2606.19348 — DeepSeek V4 Technisches Paper

Drittanalyse:

Artificial Analysis — Modell-Kostenvergleich

HuggingFace — DeepSeek Modell-Hub

Teams, die DeepSeek-V4-Agents mit Xcode und Metal dauerhaft betreiben, kämpfen mit API-Latenz und Quotas; geteilte Cloud-VMs bringen Hypervisor-Overhead und iOS-CI-Inkompatibilität. Für native Apple Silicon, 7×24-Betrieb und stabile iOS-CI/CD mit Multi-Model-Routing (Claude Code / Codex auf Bare Metal) sind ZUKCLOUD Bare-Metal-Mac-mini-Cloud-Nodes die kontrollierbare Wahl — dedizierte Physik, kein Virtualisierungsverlust, flexible Buchung. Preise, Bestellung, Bare-Metal-Manifest und DeepSeek-Compute-Ökosystem.

Wer noch deepseek-chat nutzt: Migration bis 24. Juli abschließen — sonst Serviceunterbrechung.