DeepSeek V4.1 Flash hat eine konkrete API-Preisliste: Eine Million gecachter Eingabe-Tokens kostet außerhalb der Spitzenzeiten 0,003 US-Dollar, eine Million nicht gecachter Eingabe-Tokens 0,15 US-Dollar. Für eine Million ausgegebener Tokens fallen 0,60 US-Dollar an. Zu den festgelegten Peak-Zeiten verdoppeln sich alle drei Preise.
Für Agenten und andere Anwendungen mit langen, wiederkehrenden Kontexten ist damit nicht nur die Tokenmenge entscheidend. Ob ein Eingabepräfix erneut verwendet werden kann, wirkt sich direkt auf die Rechnung aus.
Die aktuellen API-Preise von DeepSeek V4.1 Flash
Die globale Preisliste für den API-Bezeichner deepseek-flash rechnet in US-Dollar pro 1 Million Tokens ab. Sie unterscheidet zwischen Cache-Treffern, Cache-Fehlern und erzeugter Ausgabe.
| Tokenkategorie | Nebenzeiten | Spitzenzeiten | Bedingung |
| Eingabe, Cache-Treffer | 0,003 US-Dollar | 0,006 US-Dollar | Wiederverwendete Eingabe-Tokens |
| Eingabe, kein Cache-Treffer | 0,15 US-Dollar | 0,30 US-Dollar | Nicht wiederverwendete Eingabe-Tokens |
| Ausgabe | 0,60 US-Dollar | 1,20 US-Dollar | Generierte Tokens |
Peak-Zeiten gelten montags bis freitags von 01:00 bis 04:00 Uhr sowie von 06:00 bis 10:00 Uhr UTC. Alle übrigen Zeiten zählen als Nebenzeiten.
Die günstigste einzelne Rate ist damit der Cache-Treffer außerhalb der Spitzenzeiten. Eine Million gecachter Eingabe-Tokens kostet dort 50-mal weniger als eine Million nicht gecachter Eingabe-Tokens. Das funktioniert allerdings nur, wenn die Anwendung tatsächlich einen wiederverwendbaren Präfix oder Kontext liefert.
Warum Cache-Treffer für Agenten wichtig sind
Agenten schicken häufig wiederkehrende Systemanweisungen, Dateien, Tool-Protokolle oder Teile einer längeren Unterhaltung an ein Modell. Werden diese Eingaben als Cache-Treffer abgerechnet, sinken die Kosten für diesen Teil der Anfrage deutlich. Neue oder veränderte Eingaben fallen dagegen unter den höheren Tarif für Cache-Fehler.
Ein einfaches Rechenbeispiel zeigt den Unterschied: Eine Million gecachter Eingabe-Tokens plus eine Million Ausgabe-Tokens kosten außerhalb der Spitzenzeiten 0,603 US-Dollar. Werden die Eingabe-Tokens nicht aus dem Cache übernommen, steigt die Summe auf 0,75 US-Dollar. Zu Peak-Zeiten liegen die entsprechenden Summen bei 1,206 beziehungsweise 1,50 US-Dollar.
Die tatsächliche Rechnung hängt deshalb mindestens von vier Größen ab: Eingabevolumen, Cache-Status, Ausgabevolumen und Uhrzeit der Anfrage. DeepSeek behält sich außerdem vor, die Preise zu ändern.
Was DeepSeek V4.1 Flash technisch bietet
DeepSeek V4.1 Flash ist ein multimodales Mixture-of-Experts-Modell (MoE). Es nimmt Text und Bilder entgegen und erzeugt Text. Der Modell-Backbone umfasst 552 Milliarden Parameter; beim Einlesen der Eingabe werden laut technischer Dokumentation rund 8 Milliarden Parameter pro Token aktiviert, bei der Ausgabe rund 16 Milliarden.
Diese Aktivierungszahlen beschreiben nicht die Gesamtgröße des Modells. Sie sagen daher allein nichts darüber aus, welche Hardware für eine lokale Installation genügt. Repository und Modellgewichte stehen unter der MIT-Lizenz.
| Spezifikation | Wert | Praktische Bedeutung |
| API-Bezeichner | deepseek-flash | Name für API-Anfragen |
| Kontextfenster | Bis zu 1.000.000 Tokens | Lange Dokumente, Unterhaltungen und Tool-Verläufe in einem Kontext |
| Maximale Ausgabe | Bis zu 384.000 Tokens | Obergrenze für erzeugten Text |
| Eingaben | Text und Bilder | Multimodale Anfragen |
| Ausgabe | Autoregressiver Text | Schrittweise erzeugte Textantworten |
| Aktive Parameter | 8 Milliarden beim Prefill, 16 Milliarden beim Decoding | Unterschiedliche Aktivierung beim Einlesen und Ausgeben |
| Globaler KV-Cache | 890 Byte pro Token | Von DeepSeek angegebener Speicherbedarf des KV-Caches |
| API-Funktionen | Tool-Aufrufe, JSON-Ausgabe, Responses API und Anthropic-API-Zugriff | Mehrere Integrationswege für Anwendungen |
| Gleichzeitige Anfragen | 2.500 für deepseek-flash | Angegebene Parallelitätsgrenze der API |
| Lizenz | MIT | Gilt für Repository und Modellgewichte |
Der KV-Cache speichert bereits berechnete Zustände einer Eingabe. DeepSeek gibt für V4.1 Flash einen globalen Bedarf von 890 Byte pro Token an und beschreibt diesen Wert als ungefähr ein Viertel des Werts von DeepSeek V4 Flash. Für lange Kontexte ist das relevant, weil der Cache während der Verarbeitung mit dem Kontext wächst.
Die Architektur besteht aus 40 Schichten: 20 Encoder- und 20 Decoder-Schichten in einem Causal Encoder-Decoder. Hinzu kommen Compressed Sparse Attention 2 und der Engram-Speicher mit 196 Milliarden Parametern. Der technische Aufbau erklärt, warum das Modell trotz seiner großen Gesamtzahl selektiv arbeitet; er ersetzt aber keine konkrete Aussage über lokale Geschwindigkeit oder den Hardwarebedarf.
Was die V4-Pro-Änderung bedeutet
DeepSeek erklärt, dass der V4-Pro-API-Dienst nach dem 14. September 2026 fortgeführt wird und die Abrechnung unverändert bleibt. Damit gilt die aktuelle offizielle Aussage anstelle der früheren Ankündigung einer vorübergehenden Weiterleitung von V4-Pro-Anfragen an V4.1 Flash.
Für Nutzer bestehender V4-Pro-Integrationen bleibt damit vor allem die Zuordnung des jeweiligen Modellbezeichners relevant. V4.1 Flash ist über deepseek-flash erreichbar; ältere V4-Flash-Bezeichnungen werden laut der aktuellen API-Dokumentation weiterhin akzeptiert und zu den Flash-Konditionen bedient.
Was Entwickler daraus ableiten können
Für Agenten mit wiederkehrendem Kontext ist die Cache-Strategie ein zentraler Kostenfaktor. Ein langer Systemprompt, unveränderte Tool-Beschreibungen oder wiederholt eingereichte Dokumentteile können bei Cache-Treffern deutlich günstiger sein als bei jeder Anfrage neu übertragen.
Für multimodale Anwendungen kommen Bildinput, Tool-Aufrufe, JSON-Ausgabe und ein Kontextfenster von bis zu 1 Million Tokens hinzu. Das macht V4.1 Flash für Coding- und Agenten-Workloads interessant, ohne aus den technischen Kennzahlen eine allgemeine Qualitäts- oder Geschwindigkeitsgarantie abzuleiten.
Bei einer lokalen Nutzung helfen die 8 beziehungsweise 16 Milliarden aktiven Parameter nur begrenzt bei der Planung. Entscheidend bleiben unter anderem Gesamtgewichte, Quantisierung, Speicherverwaltung und Laufzeitumgebung. Die API-Preisliste liefert dagegen eine klare Rechengrundlage: Cache-Treffer, Cache-Fehler und Ausgabe werden getrennt bepreist, während sich alle Tarife zu den festgelegten Peak-Zeiten verdoppeln.
