DeepSeek hat sein Flaggschiff am 13. August aus der Vorschau genommen und am selben Tag Platz 1 bei HackerNews erreicht – 799 Punkte, 309 Kommentare. Es ist ein 1,6T-Parameter-MoE mit etwa 49 Mrd. aktiven, hybridem Attention-Mechanismus, um Langkontext-Inference günstig zu halten, über 32T+ Pre‑Training‑Tokens, 1 M Kontext und 384 K maximale Ausgabe.
Die Zahlen, die es zu HN #1 brachten
Terminal Bench 2.1 stieg von 72,1 auf 87,9 während der Vorschau. CyberGym 52,7 → 83,3. DeepSWE 12,8 → 62,7. In DeepSeeks eigenen Agent‑ und Coding‑Benchmarks liegt es leicht über Opus 4,8, und SWE-bench Verified erreicht 80,6 – ein Haar hinter Claude. Diese Zahlen stammen vom Anbieter, daher sollten sie als Hinweis und nicht als Ranking betrachtet werden. Unabhängige Frontend‑ und 3D‑Arbeiten wirken nach wie vor schwächer als Opus.
Wofür Sie es tatsächlich anschließen
Es ist ein Modell, keine App: eine API, an die Sie Ihre Agent‑Schleife anbinden. DeepSeeks offizieller Endpunkt behält dieselbe deepseek-v4-pro Modell‑ID bei, sodass alte Integrationen die neuen Gewichte ohne Code‑Änderung übernehmen. OpenAI‑kompatibles Format, ebenfalls auf OpenRouter. $0,435 / M Eingabe, $0,87 / M Ausgabe, $0,003625 / M zwischengespeicherte Eingabe – etwa eine Größenordnung unter Opus für langfristige Terminal‑Agenten, SWE-bench‑artige Repository‑Arbeiten und millionen‑Token‑Code‑Lesevorgänge.
DeepSeek hat bereits gewarnt, dass eine erhebliche Preiserhöhung bevorsteht.