DeepSeek hat erneut bewiesen, dass ein Closed-Source-Ansatz keine Voraussetzung für den Bau eines erstklassigen Programmiermodells ist. Die V4-Flash-High-Variante des Unternehmens erzielte 1586 Punkte im Frontend Code Arena Pareto Frontier von arena.ai und belegte damit den siebten Platz insgesamt sowie den dritten Platz unter den Open-Weight-Modellen. Das Ergebnis stellt eine Verbesserung um 154 Punkte gegenüber dem bisherigen DeepSeek V4-Pro-Preview dar.

Benchmark-Details und Architektur

Der Frontend Code Arena, gehostet auf arena.ai, bewertet KI-Modelle anhand ihrer Fähigkeit, funktionierenden Frontend-Code zu generieren – eine Aufgabe, die nicht nur syntaktische Korrektheit, sondern auch visuelle Wiedergabetreue erfordert und damit eines der anspruchsvollsten Tests für die praktische Programmierfähigkeit eines Modells darstellt. Der Pareto-Frontier-Wert misst speziell den Kompromiss zwischen Leistung und Kosten, was bedeutet, dass ein Modell starke Ergebnisse relativ zu seinem Preisniveau liefern muss, anstatt nur bei der reinen Leistungsfähigkeit zu glänzen.

DeepSeek-V4-Flash-High basiert auf einer Mixture-of-Experts-Architektur mit insgesamt 284 Milliarden Parametern, von denen zu jedem Zeitpunkt nur 13 Milliarden aktiv sind. Dieses sparsame Aktivierungsmuster, das auch von anderen führenden Modellen im Open-Weight-Ökosystem verwendet wird, ermöglicht es dem Modell, eine große Wissensbasis zu verwalten und gleichzeitig die Inferenz-Rechenanforderungen näher an die eines wesentlich kleineren Netzwerks zu halten. Der Preis liegt bei 0,14 $ pro Million Input-Tokens und 0,28 $ pro Million Output-Tokens – um Größenordnungen unter den Raten, die führende Closed-Source-Anbieter für vergleichbare Benchmark-Leistung verlangen. Das Modell bietet außerdem ein Kontextfenster von 1 Million Tokens, das es ermöglicht, große Codebasen in einem einzigen Durchgang zu verarbeiten und zu analysieren – eine Fähigkeit, die insbesondere für agentenbasierte Programmierabläufe relevant ist, bei denen die KI ein gesamtes Projekt verstehen muss, bevor sie Änderungen vornimmt.

Kimi-K3, ein weiteres chinesisches KI-Modell, führt derzeit die Gesamtwertung mit ungefähr 1679 bis 1682 Punkten an.

Breitere KI-Landschaft und dezentrales Computing

Die Veröffentlichung hat Implikationen für dezentrale Rechnetzwerke wie Akash, Render und io.net, die speziell dafür entwickelt wurden, GPU-Ressourcen für den Betrieb von Modellen dieser Art bereitzustellen. Ein leistungsstarkes Open-Weight-Modell, das zu 0,14 $ pro Million Tokens auf den Markt kommt, stützt die These, dass KI-Inferenz kommodifiziert werden kann – einen Markt, den dezentrale Compute-Protokolle aktiv ins Visier nehmen.

DeepSeek-V4-Flash-High belegte außerdem einen Platz in den Top 4 für Consumer-Product-Anwendungen sowie in den Top 7 in den Kategorien Data & Analytics, Gaming und Brand & Marketing.

Chinesische KI-Labore, darunter DeepSeek, Kimi und Z.ai, bringen die Fähigkeiten von Open-Weight-Modellen gemeinsam voran und verringern den Abstand zu Closed-Source-Führern aus den Vereinigten Staaten sowohl bei der Qualität als auch bei den Kosten.

API-Verfügbarkeit

Die Public Beta der V4-Flash-API von DeepSeek startete am 31. Juli 2026, zeitgleich mit der Veröffentlichung der Benchmark-Ergebnisse.