DeepSeek V4-Flash-0731 (Aug. 2026): Offizielle Benchmarks, Preise und Vergleich mit Claude Opus 4.8

V4-Flash-0731 ist kein neues Grundmodell, sondern derselbe 284B MoE / 13B aktiv-Stack wie in der April-Vorschau — mit frischem Post-Training. DeepSeek behauptet, Agent-Benchmarks überträfen die eigene 1,6T V4-Pro-Vorschau, obwohl Flash zehnmal kleiner ist. Das verschiebt die Debatte von „größer = besser“ zu „bessere Nachbearbeitung + günstiger API-Preis“.

• Preisdruck: Output $0,28/M gegen Opus 4.8 $25/M — laut chinesischen Medien bis zu 89× günstiger; Input Cache-Hit $0,0028/M.
• Harness-Abhängigkeit: Terminal Bench 2.0 82,7 vs. V4-Pro-Preview 67,9 — gemessen mit noch nicht öffentlichem Agent-Framework.
• Offene Konkurrenz: Kimi K3 (27. Juli), Qwen3.8-Max (3. Aug.) und GLM-5.2 pressen DeepSeek in die „Kill Line“-Logik.
• Pro ausstehend: V4-Pro offiziell und Harness weiter „bald“ — GA-Fenster 10.–20. August nur Gerücht.
• Praxisprobleme: Entwickler berichten niedrige Cache-Hit-Raten und Safety-Classifier-Timeouts trotz starker Benchmark-Narrative.

Laut Technikbericht DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence bleiben drei Architekturelemente aus der Vorschau bestehen:

• CSA + HCA: Hybrid-Attention (Compressed Sparse + Heavy Compressed) senkt FLOPs und KV-Cache bei 1M Tokens.
• mHC: Manifold-Constrained Hyper-Connections stabilisieren tiefe Residualpfade.
• Muon-Optimierer: Schnellere Konvergenz im Training.

Der Changelog vom 31. Juli nennt erstmals DeepSeek Harness — ein Inhouse-Framework für Dateizugriff, Tool-Calls und mehrstufige Engineering-Tasks, positioniert gegen Claude Code. Bisher nutzte DeepSeek überwiegend Drittanbieter-Harnesses.

Alle veröffentlichten Agent-Scores (Terminal Bench 2.0, Toolathlon) stammen aus Harness Minimalmodus (max reasoning, top_p 0,95, temperature 1,0). DeepSeek warnt: „Benchmarks sind extrem harness-sensitiv.“ Bis zur öffentlichen Harness-Version und unabhängiger Reproduktion sind die Zahlen als Hersteller + spezifisches Framework zu lesen — nicht als portierbare Allround-Fähigkeit.

Die Spannung: Auf dem unabhängigen Index liegt Flash hinter Kimi K3 und GLM-5.2, dominiert aber bei Kosten pro Aufgabe — etwa 1/29 von K3, 1/62 von GPT-5.6 Sol, 1/105 von Fable 5. Das erklärt die sieben Wochen Spitzenplatz auf OpenRouter: Volumen-Agenten statt Leaderboard-Jagd. OpenAIs Luna-Preissenkung (−80 %) reagiert auf dieselbe Kill-Line-Dynamik.

• Harness-Abhängigkeit: 82,7 vs. 67,9 ist framework-gebunden; Claude Code / Cursor-Reproduktion ausstehend.
• Cache & Stabilität: Entwickler melden niedrige Input-Cache-Hits und Safety-Classifier-Timeouts (21st Century Business Herald).
• V4-Pro-Datum: „8.–20. August“ nur unbestätigte Medienquellen; offiziell „so schnell wie möglich“.
• Finanzierung: Berichte über ~7,4 Mrd. $ Runde (Tencent, NetEase) und IPO-Gerüchte ohne regulatorische Bestätigung.
• Kill Line (斩杀线): Chinesische Community-Metapher — „genug Intelligenz + Bodenpreis“ setzt eine Überlebensgrenze für Wettbewerber.
• Community-Stimmung: Vor dem Release Spitzname „Liang Baikai“ (leeres Versprechen); nach 0731-Rückkehr zu „Liang Sheng“ — Barometer für Erwartungsmanagement.

Am 31. Juli reagierten Nvidia, Broadcom und AMD kaum — im Gegensatz zum R1-Schock Anfang 2025. Der Markt behandelt DeepSeek-Effizienz inzwischen als Normalzustand chinesischer Ingenieursarbeit.

1. 01
   Legacy-Audit: Codebase nach deepseek-chat / deepseek-reasoner durchsuchen; sicherstellen, dass nur deepseek-v4-flash oder deepseek-v4-pro aktiv sind.
2. 02
   Build 0731 verifizieren: In Staging API-Antworten und Changelog prüfen; deepseek-v4-flash sollte automatisch auf 0731 zeigen.
3. 03
   Routing definieren: FAQ, Klassifikation und Bulk auf Flash ($0,28/M Output); schweres Reasoning an V4-Pro-Preview oder Frontier-Modelle eskalieren.
4. 04
   Cache-Strategie: Prompt-Cache aktivieren; Cache-Hit-Ziel 80 %+ — sonst frisst Miss-Input ($0,14/M) die Token-Ersparnis.
5. 05
   Harness-realistisch testen: Agent-Scores mit Ihrem produktiven Harness (Cursor, Claude Code, eigene Pipeline) messen — nicht nur Herstellerzahlen übernehmen.
6. 06
   CI-Host bereitstellen: Langlaufende Agent-Sessions brauchen stabiles SSH und dedizierte IO. Auf der Preisseite NUKCLOUD Bare-Metal-Mac-Knoten als Agent-Build-Ebene prüfen; geteilte Pools können API-Einsparungen durch Tail-Latenz aufzehren.

V4-Flash-0731 ist kein Quantensprung in Parametern, sondern ein Beweis, dass Post-Training und Preisgestaltung 2026 wichtiger werden als reines Scaling. Für volumenstarke Agent-Pipelines ist Flash die rationalere Wahl; für maximale Reasoning-Tiefe bleiben Frontier-Modelle vorn — zum Vielfachen des Preises.

Teams mit dauerhaften V4-Agenten gegen große Repositories brauchen eine stabile lokale Dev- und CI-Schicht. Geteilte Minutenpools, Desktop-Macs und überbuchte VPS erzeugen Bandbreiten-Jitter, Nachbar-CPU-Konkurrenz und abgebrochene Langzeitverbindungen — Reibung, die Cent-pro-Token-Ersparnisse schnell auffrisst. Für produktionsreife Agent-Hosts bieten NUKCLOUD Multi-Region Bare-Metal-Mac- / Cloud-Mac-Knoten dedizierte Apple-Silicon-Kapazität mit klaren Mandantengrenzen. Spezifikationen auf der Preisseite vergleichen und über Bestellen testen — siehe auch ds4-Lokalinferenz-Runbook für MIT-Self-Hosting.

Datenstand: 2026-08-05. Quellen: DeepSeek API-Docs/Changelog, arXiv V4-Report, Hugging Face, Artificial Analysis, 21st Century Business Herald, OpenRouter.