Das Release von DeepSeek V4 Pro 0813 markiert den Übergang des Flaggschiff-Modells des Unternehmens von einer viermonatigen Preview-Phase in die allgemeine Verfügbarkeit (General Availability) [4]. Diese Version standardisiert die API-Endpunkte und bietet eine stabile Grundlage für Produktionsumgebungen [S4, S5].
Was hat sich im 0813 Release geändert?
Der 0813-Build dient als offizielle Produktionsversion und ersetzt die vorherigen Preview-Iterationen [4]. Während die Preview-Builds frühe Experimente mit Open Weights ermöglichten, konzentriert sich das GA-Release auf API-Stabilität und konsistente Performance [S4, S5].
DeepSeek hat seine Dokumentation aktualisiert, um diese Version als Backend für den offiziellen Pro-Endpunkt auszuweisen [4]. Für Teams, die dieses Modell integrieren, bedeutet dieser Wechsel den Übergang von previewspezifischem Routing hin zum 0813-Build, um ein vorhersagbares Verhalten und Support zu gewährleisten [4].
Wie wirkt sich die Architektur auf die Effizienz aus?
DeepSeek V4 Pro nutzt eine Mixture-of-Experts-Architektur mit insgesamt 1,6 Billionen Parametern und 49 Milliarden aktiven Parametern pro Token [S4, S8]. Um die Rechenlast eines Kontextfensters von einer Million Token zu bewältigen, setzt das Modell einen hybriden Attention-Mechanismus ein [S4, S7].
Dieser Mechanismus kombiniert Compressed Sparse Attention und Heavily Compressed Attention [S4, S7]. Diese Techniken sind darauf ausgelegt, die Rechenleistung für die Single-Token-Inferenz auf 27 Prozent und den KV-Cache auf 10 Prozent der Anforderungen der V3.2-Generation zu reduzieren [S4, S7].
Wahl zwischen den Reasoning-Modi
Die API bietet drei Betriebsmodi an: Non-Thinking, High Reasoning Effort und Max Effort [S4, S8]. Diese Modi ermöglichen es Entwicklern, Geschwindigkeit gegen die Tiefe des logischen Schlussfolgerns (Reasoning) abzuwägen, abhängig von den spezifischen Anforderungen der Aufgabe [8].
Der Non-Thinking-Modus ist für schnelle, intuitive Antworten optimiert und eignet sich daher ideal für Standard-Konversationsschnittstellen [8]. Im Gegensatz dazu ist der Max-Effort-Modus für komplexe Probleme gedacht, wie sie in Coding-Benchmarks oder bei mehrstufigen logischen Verifizierungen vorkommen, bei denen das Modell mehr Zeit benötigt, um den Input zu verarbeiten [S4, S8].
Bereitstellung und wirtschaftliche Aspekte
Für die Produktionsplanung unterstützt das Modell ein Kontextfenster von einer Million Token [S4, S7]. Die Preisstruktur für den Pro-Endpunkt liegt bei 0,435 $ pro Million Input-Token bei einem Cache-Miss, was auf 0,003625 $ pro Million Token bei einem Cache-Hit sinkt [4].
Output-Token werden mit 0,87 $ pro Million berechnet [4]. Bei der Implementierung sollten Teams die Concurrency-Limit von 500 für den Pro-Endpunkt berücksichtigen, die sich von dem Limit der Flash-Variante unterscheidet [4].
Entwickler können auf das Modell über Standard-API-Anfragen zugreifen, mit Unterstützung für die Formate OpenAI ChatCompletions und Anthropic Messages [4]. Zusätzlich wird eine lokale Bereitstellung durch Tools wie vLLM und SGLang unterstützt, was eine Ausführung On-Premise oder in der Cloud ermöglicht [S2, S4]. Wenn Sie agentische Workflows entwickeln, sollten Sie Ihren spezifischen Anwendungsfall mit der Performance des Modells auf SWE-bench Verified vergleichen, wo es eine Erfolgsquote von 80,6 Prozent demonstriert hat [S4, S8].
Quellen
- DeepSeek Ships V4 Pro as Its Flagship Model Leaves Preview
- deepseek-v4-pro - ollama.com
- AI Model Catalog | Microsoft Foundry Models
- deepseek-ai/DeepSeek-V4-Pro · Hugging Face
- deepseek-ai/DeepSeek-V4-Pro-0813 · Hugging Face
- DeepSeek V4 Pro & Flash API Models: IDs, Pricing, Limits
- DeepSeek
- DeepSeek releases official V4 Pro model as it steps up expansion
