Branchennews

DeepSeek V4 Flash Vision Exp: Multimodale KI fur $0,66 pro Million Tokens

DeepSeek fugt native Bildverarbeitung zu seinem Budget-Flaggschiff mit V4-Flash-Vision-Exp hinzu. $0,66/1M Output ausserhalb der Spitzenzeit, 1M Kontext, Benchmark-Werte nahe Claude Opus 4.8.

4 min readBy The Arena Editor
#deepseek#multimodale-ki#vision-modell#llm-preise#ki-agenten
DeepSeek V4 Flash Vision Exp: Multimodale KI fur $0,66 pro Million Tokens

Some links are partner links: if you subscribe through them, we may earn a commission, at no extra cost to you. The crowd verdicts stay independent.

DeepSeek-V4-Flash-Vision-Exp wurde am 21. August 2026 veroffentlicht und fugt native Bildverarbeitung zum gunstigsten Frontier-Modell auf dem Markt hinzu. Diese experimentelle Version erweitert die Textfahigkeiten von V4-Flash in den multimodalen Bereich zum gleichen Preis von $0,66 pro Million Output-Tokens (ausserhalb der Spitzenzeit), wodurch visuelle KI fur Entwickler zuganglich wird, die bisher zwischen Kosten und Leistung wahlen mussten.

Kurze Antwort

V4-Flash-Vision-Exp verarbeitet Bilder und Text in einem Modell fur $0,66/1M Output-Tokens ausserhalb der Spitzenzeit ($1,32 zur Spitzenzeit). Es erreicht Werte innerhalb von 5 Punkten zu Claude Opus 4.8 bei den meisten Agenten-Benchmarks und kostet dabei etwa 38-mal weniger pro Output-Token.

Warum diese Veroffentlichung fur multimodale Agenten wichtig ist

Bis jetzt war DeepSeek-V4 nur fur Text verfugbar, eine erhebliche Lucke im Wettbewerb mit Claude Opus 4.8 (57% Crowd-Empfehlung in der GLAD-AI-TOR-Arena) und GPT-5.5, die beide seit Monaten Vision haben. Das neue Modell fullt diese Lucke mit erstklassiger Bildeingabe: bis zu 384 Tokens pro Bild, zum Standard-Eingabepreis ohne Aufpreis berechnet.

Das Kontextfenster bleibt bei 1.048.576 Tokens mit einem Output-Limit von 384.000 Tokens. Der Denkmodus ist standardmassig aktiv und die API ist sowohl uber OpenAI-kompatible als auch Anthropic-Format-Endpoints verfugbar.

ModellOutput-Preis (pro 1M)KontextVisionCrowd-Score
DeepSeek-V4-Flash-Vision-Exp$0,66 (ausserhalb Spitzenzeit)1MJa57% (V4 Basis)
DeepSeek-V4 Pro$0,871MNein57%
Claude Opus 4.8$25,001MJa57%
GPT-5.5$30,001MJa57%
Gemini 3 Pro$12,001MJa57%

Der Preisunterschied ist deutlich: V4-Flash-Vision-Exp kostet 38-mal weniger als Claude Opus 4.8 und 45-mal weniger als GPT-5.5 pro Output-Token. Cache-Treffer reduzieren den Eingabepreis auf $0,007/1M ausserhalb der Spitzenzeit, etwa 99% unter dem Standard-Eingabepreis.

Benchmark-Realitat: nahe an Opus, nicht gleich

DeepSeeks Ankundigung behauptet, das Modell "bringt die Leistung multimodaler Agenten nahe an Opus-4.8". Die selbst gemeldeten Zahlen stutzen dies grosstenteils, mit Einschrankungen.

Bei Terminal Bench 2.1 erreicht V4-Flash-Vision-Exp 83,9 gegenuber 85,0 von Claude Opus 4.8. Der Abstand vergrossert sich bei NL2Repo (57,7 vs 69,7, ein Defizit von 12 Punkten) und DSBench-Hard (63,6 vs 71,7). Es fuhrt bei drei Benchmarks: DeepSWE (+1,3 Punkte), Agents' Last Exam (+1,6) und ZeroBench (+1,0).

Dies sind vom Anbieter durchgefuhrte Benchmarks, keine unabhangigen Bewertungen. "Nahe an Opus" ist akkurat; "entspricht Opus" ist Marketing.

Das reine Text-V4 in der GLAD-AI-TOR-Arena zeigt 57% Empfehlungsrate bei 3 Stimmen. Zum Vergleich: Claude Opus 4.8 liegt ebenfalls bei 57% bei 3 Stimmen, obwohl Opus einen reicheren Funktionsumfang mitbringt (Systemnachrichten wahrend des Gesprachs, parallele Subagenten in Claude Code, 69,2% bei SWE-Bench Pro gegenuber V4s Werten im niedrigen 50er bis 60er Bereich).

Die Preisfalle zur Spitzenzeit

DeepSeek fuhrte mit der V4 GA-Veroffentlichung Mitte Juli 2026 tageszeitabhangige Preise ein, und V4-Flash-Vision-Exp erbt diese. Wahrend der Spitzenzeiten (01:00 bis 04:00 UTC und 06:00 bis 10:00 UTC) verdoppeln sich alle Preise: Output steigt auf $1,32/1M, Cache-Miss-Input auf $0,44/1M.

Fur Teams, die Produktions-Agenten betreiben, bedeutet dies, im schlimmsten Fall Spitzenpreise einzuplanen oder Batch-Jobs ausserhalb der Pekinger Geschaftszeiten zu planen. Das Zeitfenster ausserhalb der Spitzenzeit deckt die meisten US- und europaischen Arbeitszeiten ab, aber globale Teams werden den Aufpreis regelmassig treffen.

DeepSeek-V4

Open-weights 1.6T MoE with 1M-token context, now served as V4-Pro-0813 at $3.96 per 1M output tokens at peak

$4/mo57%(3)

Partner link. The crowd verdicts stay independent.

Worin V4-Flash-Vision-Exp gut ist

Das Modell ist fur multimodale Agenten-Workflows konzipiert. Laut DeepSeeks Dokumentation glänzt es bei:

  • UI-Automatisierung: Navigation in komplexen Software-Oberflachen durch visuelles Identifizieren interaktiver Elemente
  • Diagramm- und Datenanalyse: Interpretation visueller Daten mit Prazision, die mit Top-Modellen konkurriert
  • Visuelles Reasoning: Ausfuhrung von Aufgaben, die sowohl textuelle Logik als auch visuellen Kontext erfordern

Dies ist kein Allzweck-Bild-Captioner, der mit einem Textmodell gepaart ist. Es ist native multimodale Verarbeitung, ahnlich wie Claude und GPT-5.5 Vision intern handhaben. Die Abrechnung von 384 Tokens pro Bild halt die Kosten fur dokument- oder diagrammlastige Workflows vorhersehbar.

Bekannte V4-Einschrankungen bleiben bestehen

Das Basis-V4-Modell hat dokumentierte Probleme, die wahrscheinlich in der Vision-Variante fortbestehen:

  • Fehlerhafte Tool-Aufrufe: Funktionsaufrufe erscheinen manchmal als Klartext im Content-Feld statt in der tool_calls-Struktur (GitHub Issue deepseek-ai #1244)
  • Denkmodus unterbricht lange Agenten-Ketten: 400-Fehler bei Multi-Turn-Tool-Call-Sequenzen, wobei die Behebung noch unvollstandig ist (OpenClaw Issue #72044)
  • Halluzinierte APIs: Entwickler berichten von erfundenen Endpoints in benutzerdefinierten Codebases und Aktionen auf imaginaren Benutzereingaben
  • Weitschweifigkeit: V4 produziert etwa 180M Eval-Output-Tokens gegenuber einem Median von 95M, was die Kosteneinsparungen bei latenzempfindlichen Workloads schmälert

Die MIT-lizenzierten offenen Gewichte fur V4-Pro und V4-Flash bleiben nur Text. Noch keine Ankundigung, wann oder ob Vision-Gewichte veroffentlicht werden.

Claude Opus 4.8

Anthropic's flagship Opus-tier model for long-horizon agentic coding; 1M context at $5/$25 per 1M tokens.

$25/mo57%(3)

Partner link. The crowd verdicts stay independent.

Das Fazit

  • V4-Flash-Vision-Exp ist der gunstigste Weg, ein Frontier-Modell mit Vision zu betreiben: $0,66/1M Output ausserhalb der Spitzenzeit gegenuber $25 (Claude Opus 4.8), $30 (GPT-5.5) oder $12 (Gemini 3 Pro)
  • Benchmark-Werte liegen 5 bis 12 Punkte hinter Opus 4.8 bei den meisten Agenten-Aufgaben, fuhren aber bei einigen
  • Spitzenpreise verdoppeln alle Tarife fur 7 Stunden pro Tag, also entsprechend budgetieren oder Batch-Jobs ausserhalb der Spitzenzeit planen
  • Bestehende V4-Probleme (fehlerhafte Tool-Aufrufe, halluzinierte APIs, Weitschweifigkeit) bleiben wahrscheinlich bestehen
  • Beste Verwendung: Hochvolumen-visuelle Agenten-Workloads, bei denen Kosten mehr zahlen als die letzten Benchmark-Punkte

Fur einen direkten Vergleich siehe den DeepSeek V4 vs Claude Opus 4.8 Vergleich oder erkunde das vollstandige LLM-Leaderboard.

Keep exploring

Every claim above is backed by the arena's live data: crowd votes, verified pricing, honest pros & cons.

More from the arena journal