DeepSeek-Logo (Unternehmenslogo; ein separates Modelllogo liegt nicht vor) · Logo-Quelle / Rechtehinweis. Marken gehören ihren jeweiligen Inhabern. Redaktionelle Identifikation, keine Partnerschaft oder Empfehlung durch den Markeninhaber.

KI-Modelle · Portrait

DeepSeek-V4-Pro

Flaggschiff der V4-Serie: 1,6 Bio. Parameter (49 Mrd. aktiv), eine Million Token Kontext, Max-Modus für schwere Reasoning-Aufgaben.

Quellen geprüft am 20. Oktober 2026 · Redaktion: Philipp Paulik

Entwickler: DeepSeek →

Technische Einordnung

Hybrid-Attention aus Compressed Sparse Attention (CSA) und Heavily Compressed Attention (HCA): Bei 1 Mio. Token Kontext braucht das Modell laut Hersteller nur 27 Prozent der Rechenoperationen und 10 Prozent des KV-Cache von V3.2. Trainiert mit dem Muon-Optimizer auf über 32 Bio. Token; Spezialexperten werden per On-Policy-Destillation zu einem Modell konsolidiert.

Zugang & Nutzung

DeepSeek-API (Modellname deepseek-v4-pro) sowie Gewichte auf Hugging Face (Pro und Pro-Base, FP4/FP8 gemischt).

MIT (Gewichte und Karte auf Hugging Face).

Grenzen & richtig lesen

Herstellerangaben; der beschriebene Vorsprung beruht auf firmeninternen Messungen. Der 0813-Checkpoint (13. August 2026) ist ein Zwischenstand, kein neues Modell.

Benchmark-Belege

Für dieses Portrait ist noch kein ausreichend zugeordnetes Ergebnis erfasst. Fehlende Werte sind keine Null. Wir übernehmen keine Werte aus ähnlich benannten Modell- oder Benchmark-Versionen.