DeepSeek-V4 offiziell veröffentlicht, API erhält die zwei Versionen Pro und Flash
In den vergangenen zwei Jahren hat DeepSeek seine Modelle in sehr kurzen Abständen weiterentwickelt: Ende 2024 ging V3 an den Start, Anfang 2025 folgte R1, danach kamen weitere Updates der Serien V3.1, V3.2 und anderer. Im Februar 2026 konnten einige Nutzer im Rahmen eines App-Updates erstmals eine Testversion ausprobieren, deren Kontextfenster von 128K auf 1M erweitert worden war. Die Wissensdatenbank dieser Version war bis Mai 2025 aktualisiert. Am 24. April bestätigte das offizielle Änderungsprotokoll den offiziellen Start von DeepSeek-V4.
Laut dem offiziellen Änderungsprotokoll unterstützt die API jetzt die beiden neuen Versionen V4-Pro und V4-Flash. Zudem ist sie sowohl mit der OpenAI-ChatCompletions-Schnittstelle als auch mit der Anthropic-Schnittstelle kompatibel. Die API-Adresse bleibt unverändert; Entwickler müssen lediglich den Modellparameter auf deepseek-v4-pro oder deepseek-v4-flash ändern. Die alten Modellnamen deepseek-chat und deepseek-reasoner werden am 24. Juli 2026 eingestellt. Während der Übergangszeit verweisen sie jeweils auf den Nicht-Denkmodus und den Denkmodus von V4-Flash. Berichten einer Drittanbieter-Cloudplattform vom Juni zufolge bietet die finale Version von V4 ein Kontextfenster von 1M Token und eine neue Sparse-Attention-Architektur.
Bei genauerer Betrachtung dieser Aktualisierung zeigt sich, dass der Schwerpunkt klar auf Effizienz statt auf einem Wettrennen um Parameter liegt. Ein früherer Bericht von Nomura Securities zufolge führt V4 zwei Designmerkmale ein: die mHC-Mannigfaltigkeitsbeschränkung für Hyperverbindungen und das Engram-Modul für bedingtes Gedächtnis. Sie sollen zwei zentrale Probleme angehen: die Instabilität beim Training tiefer Netzwerke und den hohen Speicherbedarf. Ersteres sorgt für einen stabileren Informationsfluss zwischen den Schichten, Letzteres lagert statisches Wissen in kostengünstigen Speicher aus und gibt so teuren HBM-Speicher frei. Die Institution ist der Ansicht, dass der zentrale Wert von V4 darin liegt, durch Innovationen in der Basisarchitektur die Trainings- und Inferenzkosten zu senken und die Kommerzialisierung von KI-Anwendungen voranzutreiben – nicht darin, die bestehende KI-Wertschöpfungskette umzukrempeln. Auch werde es keine erneute Panik wegen des Rechenleistungsbedarfs geben, wie sie bei der Veröffentlichung von V3 aufkam. Bemerkenswert ist, dass der Bericht zugleich darauf hinweist, dass DeepSeek-Modelle Ende 2024 mehr als die Hälfte der Aufrufe von Open-Source-Modellen auf OpenRouter ausmachten, ihr Anteil jedoch bis zur zweiten Hälfte des Jahres 2025 deutlich zurückging. V4 tritt damit in ein wesentlich komplexeres Wettbewerbsumfeld ein als noch vor einem Jahr.
Die Auswirkungen auf den Kryptomarkt lassen sich derzeit nur theoretisch ableiten, denn es liegen keine Daten zur tatsächlichen Reaktion verwandter Marktsegmente nach der Veröffentlichung von V4 vor. Denkbar sind drei Übertragungswege: Erstens könnte ein substanzieller Rückgang der Inferenzkosten dazu führen, dass die Nachfrageerzählung rund um Projekte für dezentrale Rechenleistung neu bewertet wird – im Einklang mit der Einschätzung der Institution, dass keine Panik wegen des Rechenleistungsbedarfs ausgelöst wird. Zweitens begünstigt die kostengünstige Verarbeitung langer Kontexte die Entwicklung von KI-Agenten. Mehrstufige Aufgaben verbrauchen mehr Token, sodass die Erzählung rund um Agenten neue Impulse erhalten könnte. Drittens könnte die anhaltende Annäherung der Leistung von Open-Source-Modellen an die geschlossener Modelle die Erwartungen an lokale Bereitstellung und dezentrale Inferenz stärken. All dies sind theoretische Überlegungen und keine bereits eingetretenen Tatsachen.
Beobachtung der Redaktion: Das deutlichste Signal dieser Aktualisierung ist, dass die Migrationskosten bewusst niedrig gehalten werden. Die Kompatibilität mit zwei Schnittstellen in Verbindung mit einer dreimonatigen Übergangsfrist für die alten Modellnamen zeigt, dass das offizielle Unternehmen dem Entwickler-Ökosystem Priorität einräumt. Für die Kryptobranche dürften letztlich eher Projekte auf Anwendungsebene profitieren, die tatsächlich Aufrufe und On-Chain-Abrechnungen generieren, als Projekte, die lediglich über ein Konzept mit KI verbunden sind. Weiterhin im Blick zu behalten sind zwei Datengruppen: die Migration nach der Einstellung der alten Modellnamen am 24. Juli und die tatsächliche Veränderung des Aufrufvolumens auf Anwendungsebene.
#DeepSeek发布更新版AI模型 #BTC #ETH #BNB
In den vergangenen zwei Jahren hat DeepSeek seine Modelle in sehr kurzen Abständen weiterentwickelt: Ende 2024 ging V3 an den Start, Anfang 2025 folgte R1, danach kamen weitere Updates der Serien V3.1, V3.2 und anderer. Im Februar 2026 konnten einige Nutzer im Rahmen eines App-Updates erstmals eine Testversion ausprobieren, deren Kontextfenster von 128K auf 1M erweitert worden war. Die Wissensdatenbank dieser Version war bis Mai 2025 aktualisiert. Am 24. April bestätigte das offizielle Änderungsprotokoll den offiziellen Start von DeepSeek-V4.
Laut dem offiziellen Änderungsprotokoll unterstützt die API jetzt die beiden neuen Versionen V4-Pro und V4-Flash. Zudem ist sie sowohl mit der OpenAI-ChatCompletions-Schnittstelle als auch mit der Anthropic-Schnittstelle kompatibel. Die API-Adresse bleibt unverändert; Entwickler müssen lediglich den Modellparameter auf deepseek-v4-pro oder deepseek-v4-flash ändern. Die alten Modellnamen deepseek-chat und deepseek-reasoner werden am 24. Juli 2026 eingestellt. Während der Übergangszeit verweisen sie jeweils auf den Nicht-Denkmodus und den Denkmodus von V4-Flash. Berichten einer Drittanbieter-Cloudplattform vom Juni zufolge bietet die finale Version von V4 ein Kontextfenster von 1M Token und eine neue Sparse-Attention-Architektur.
Bei genauerer Betrachtung dieser Aktualisierung zeigt sich, dass der Schwerpunkt klar auf Effizienz statt auf einem Wettrennen um Parameter liegt. Ein früherer Bericht von Nomura Securities zufolge führt V4 zwei Designmerkmale ein: die mHC-Mannigfaltigkeitsbeschränkung für Hyperverbindungen und das Engram-Modul für bedingtes Gedächtnis. Sie sollen zwei zentrale Probleme angehen: die Instabilität beim Training tiefer Netzwerke und den hohen Speicherbedarf. Ersteres sorgt für einen stabileren Informationsfluss zwischen den Schichten, Letzteres lagert statisches Wissen in kostengünstigen Speicher aus und gibt so teuren HBM-Speicher frei. Die Institution ist der Ansicht, dass der zentrale Wert von V4 darin liegt, durch Innovationen in der Basisarchitektur die Trainings- und Inferenzkosten zu senken und die Kommerzialisierung von KI-Anwendungen voranzutreiben – nicht darin, die bestehende KI-Wertschöpfungskette umzukrempeln. Auch werde es keine erneute Panik wegen des Rechenleistungsbedarfs geben, wie sie bei der Veröffentlichung von V3 aufkam. Bemerkenswert ist, dass der Bericht zugleich darauf hinweist, dass DeepSeek-Modelle Ende 2024 mehr als die Hälfte der Aufrufe von Open-Source-Modellen auf OpenRouter ausmachten, ihr Anteil jedoch bis zur zweiten Hälfte des Jahres 2025 deutlich zurückging. V4 tritt damit in ein wesentlich komplexeres Wettbewerbsumfeld ein als noch vor einem Jahr.
Die Auswirkungen auf den Kryptomarkt lassen sich derzeit nur theoretisch ableiten, denn es liegen keine Daten zur tatsächlichen Reaktion verwandter Marktsegmente nach der Veröffentlichung von V4 vor. Denkbar sind drei Übertragungswege: Erstens könnte ein substanzieller Rückgang der Inferenzkosten dazu führen, dass die Nachfrageerzählung rund um Projekte für dezentrale Rechenleistung neu bewertet wird – im Einklang mit der Einschätzung der Institution, dass keine Panik wegen des Rechenleistungsbedarfs ausgelöst wird. Zweitens begünstigt die kostengünstige Verarbeitung langer Kontexte die Entwicklung von KI-Agenten. Mehrstufige Aufgaben verbrauchen mehr Token, sodass die Erzählung rund um Agenten neue Impulse erhalten könnte. Drittens könnte die anhaltende Annäherung der Leistung von Open-Source-Modellen an die geschlossener Modelle die Erwartungen an lokale Bereitstellung und dezentrale Inferenz stärken. All dies sind theoretische Überlegungen und keine bereits eingetretenen Tatsachen.
Beobachtung der Redaktion: Das deutlichste Signal dieser Aktualisierung ist, dass die Migrationskosten bewusst niedrig gehalten werden. Die Kompatibilität mit zwei Schnittstellen in Verbindung mit einer dreimonatigen Übergangsfrist für die alten Modellnamen zeigt, dass das offizielle Unternehmen dem Entwickler-Ökosystem Priorität einräumt. Für die Kryptobranche dürften letztlich eher Projekte auf Anwendungsebene profitieren, die tatsächlich Aufrufe und On-Chain-Abrechnungen generieren, als Projekte, die lediglich über ein Konzept mit KI verbunden sind. Weiterhin im Blick zu behalten sind zwei Datengruppen: die Migration nach der Einstellung der alten Modellnamen am 24. Juli und die tatsächliche Veränderung des Aufrufvolumens auf Anwendungsebene.
#DeepSeek发布更新版AI模型 #BTC #ETH #BNB