DeepSeek gibt Flash Augen – und behält diesmal die Gewichte

DeepSeek hat am 21. August 2026 ein experimentelles Bildmodell freigeschaltet: deepseek-v4-flash-vision-exp ergänzt das günstige Textmodell V4-Flash um Bildverständnis – laut DeepSeeks Change Log ohne Preisaufschlag und mit derselben Textleistung wie das Basismodell. Auf der Vergleichstabelle, die DeepSeek selbst zum Release publiziert hat, rückt das Modell damit in die Nähe von Anthropics Spitzenmodell Claude Opus 4.8. Zugänglich ist es ausschliesslich über die API – Modellgewichte gibt es diesmal keine.

Drei von elf – der Rest ist Rückstand

DeepSeeks Tabelle vergleicht elf Benchmarks. Auf drei davon liegt die Vision-Variante vor Opus 4.8: DeepSWE (59,3 zu 58,0), Agents' Last Exam (27,3 zu 25,7) und ZeroBench (35,0 zu 34,0). Auf den anderen acht liegt sie zurück, teilweise klar – bei NL2Repo, einem Test für das Bauen ganzer Code-Repositories aus einer Beschreibung, trennen die beiden 12 Punkte (57,7 zu 69,7).

Wichtig für die Einordnung: Alle diese Zahlen stammen von DeepSeek, gemessen im hauseigenen Testgerüst «DeepSeek Harness Minimal Mode». Eine unabhängige Messung existiert Stand heute nicht – bei Artificial Analysis, der üblichen Referenz für Modellvergleiche, hat das Modell noch keinen Eintrag.

0,64 Megapixel sind die Obergrenze

Die aufschlussreichste Zahl steht nicht in der Benchmark-Tabelle, sondern in der API-Dokumentation. DeepSeek rechnet jedes Bild vor der Verarbeitung auf rund 800 × 800 Pixel herunter – das sind 0,64 Megapixel, knapp ein Drittel eines Full-HD-Bildschirms. Ein Bild kostet dadurch höchstens 384 Tokens, egal ob du 2000 oder 5000 Pixel Kantenlänge hochlädst, und bis zu 600 Bilder passen in eine einzige Anfrage.

Der Rest bleibt, wie du ihn von V4-Flash kennst: 1 Million Tokens Kontextfenster und 0,22 US-Dollar pro Million Input-Tokens ausserhalb der Stosszeiten, laut DeepSeeks Preisliste exakt der Tarif des Textmodells. Für Screenshots, Diagramme und Browser-Automatisierung ist das ein sehr günstiges Angebot. Für gescannte A4-Seiten mit Kleingedrucktem ist es knapp – die Auflösung ist der Preis für den Preis.

Kein Download bei Hugging Face

Genau hier bricht DeepSeek mit der eigenen Linie. V4-Flash und V4-Pro liegen unter MIT-Lizenz auf Hugging Face – das Textmodell V4-Flash-0731 wurde dort seit dem Release Ende Juli über 2,8 Millionen Mal heruntergeladen. Für die Vision-Variante gibt es kein solches Repository, weder auf Hugging Face noch auf GitHub. Auch OpenRouter führt genau einen Anbieter für das Modell: DeepSeek selbst. SiliconANGLE hält fest, dass DeepSeek angesichts seiner Open-Source-Historie später eine frei verfügbare Version nachreichen könnte – versprochen hat es das Unternehmen nicht.

Das ist die zweite Hälfte einer Bewegung, die wir vor einer Woche schon beim Agenten-Framework Harness beobachtet haben: Die Werkzeuge werden verschenkt, die Modelle wandern hinter die API.

Für Schweizer Teams zählt der Datenweg

Konkret heisst das: Wer Rechnungen, Screenshots oder Kundendokumente durch dieses Modell schickt, schickt sie an eine chinesische API – eine Alternative gibt es nicht. Beim rein textbasierten V4-Flash hattest du dank MIT-Lizenz noch die Wahl, es auf eigener Infrastruktur zu betreiben; bei der Vision-Variante fällt diese Option weg. Das Preisargument bleibt stark – die Abwägung verschiebt sich vom Tarif zum Datenweg.