Als DeepSeeks Flash-Reihe das letzte Mal auf dieser Seite stand, war die Schlagzeile, wie kompakt sie sich machen ließ: Ein Modell mit 284 Milliarden Parametern, zusammengedrückt auf rund 103 GB, lief auf einem gut ausgestatteten Mac. Das neue Flash ist ein ganz anderes Kaliber – und so zu tun, als wäre es anders, käme dem Versuch gleich, einen Lieferwagen noch immer wie einen Motorroller zu bewerten.
DeepSeek-V4.1-Flash erschien am 10. September 2026 als kleinstes Mitglied einer neuen Architekturfamilie mit nativem Bildverständnis. Am 17. Oktober legte DeepSeek das Update 1017 nach und nannte es eine kleinere Pflegeversion: bessere Werte beim Schlussfolgern, Programmieren und Sehen, kürzere Ausgaben, schnellere Durchläufe. Die Gewichte sind unter der MIT-Lizenz öffentlich zugänglich. Nach den Dateigrößen auf Hugging Face umfasst der gespeicherte Checkpoint rund 763 Milliarden Parameter, und in den Unterlagen zum Start finden sich keine offiziellen Größen für quantisierte Builds. DeepSeeks eigener Rat ist unmissverständlich: Für praxistaugliche Geschwindigkeit braucht man mehrere hundert Gigabyte VRAM oder Unified Memory.
„Flash“ hat weiterhin eine reale Bedeutung, aber sie heißt nicht mehr „klein“. Artificial Analysis führt die September-Basis mit 552 Milliarden Parametern insgesamt und rund 16 Milliarden aktiven Parametern pro Token. In einem Mixture-of-Experts-Modell wählt ein Router für jedes Wort nur wenige spezialisierte Teilnetze aus, sodass jeder einzelne Rechenschritt günstig bleibt. Trotzdem muss die gesamte Bibliothek im Regal stehen. Ein Modell mit 16B aktiven Parametern antwortet schnell, wenn das Gebäude groß genug ist; in ein kleineres Gebäude passt es schlicht nicht hinein.
Was bekommt man im Gegenzug für diese Hardware? In DeepSeeks Starttabelle erreicht das Modell 77,0 bei DeepSWE v1.1, 60,5 bei Automation-Bench, 35,4 bei Agents’ Last Exam und 72,1 bei Apex – und liegt damit in jeder dieser Zeilen vor Claude Opus 5, GPT-5.6 Sol und GLM-5.3. Hinter Opus 5 bleibt es bei Terminal-Bench 4.0, ProgramBench, NL2Repo und Humanity’s Last Exam. Sämtliche Läufe stammen von DeepSeek selbst. Wenn ein Anbieter sein eigenes Harness wählt, gleicht das einem Prüfling, der seine Klausur selbst korrigiert: Die Arbeit mag ehrlich sein, aber man wünscht sich trotzdem einen zweiten Prüfer.
Dieser zweite Prüfer ist bislang nur teilweise eingetroffen. Artificial Analysis hat den September-Checkpoint auf seinem Intelligence Index mit 39 bewertet – drei Punkte unter GLM-5.3-Flash auf derselben Indexversion. Das Update 1017 wurde zum Zeitpunkt dieses Artikels noch nicht unabhängig vermessen; realistisch ist daher die Erwartung eines Modells, das bei Agentenaufgaben stärker ist als die September-Ausgabe, dessen Vorsprung bei der allgemeinen Intelligenz aber noch nicht unabhängig belegt ist.
Damit ist das Einsatzprofil eng, aber glasklar. Wenn Sie einen privaten GPU-Cluster betreiben, eine MIT-Lizenz ohne Sonderklauseln wollen, ein Modell für Bilder und lange Dokumente brauchen und die Ingenieurszeit haben, einen quantisierten Build an Ihren eigenen Aufgaben zu prüfen, ist dies eine ernstzunehmende Option. Haben Sie nur eine einzelne Workstation, schauen Sie zuerst auf Qwen3.8-27B. Und wenn Sie einfach günstige Token suchen und Datenschutz nicht im Vordergrund steht, ist die gehostete API mit $0,15–$0,30 Eingabe und $0,60–$1,20 Ausgabe pro Million Token je nach Uhrzeit der bequemere Eingang – mit der Einschränkung, dass Ihre Daten an DeepSeek gehen.
Das ehrliche Fazit: ein stärkeres Modell als sein Vorgänger, aber eines, das schwerer zu besitzen ist. Unsere Bewertung sinkt, weil die Kategorie Lokale / Private KI danach fragt, wer das System tatsächlich selbst betreiben kann – und bei diesem Checkpoint sind das deutlich weniger Menschen als zuvor.
