41 geprüfte Beiträge zu DeepSeek, Produkten und Branchenentwicklungen.
Am ersten Tag, an dem GLM-5.3-Flash kostenpflichtig wurde, übernahm DeepSeek wieder Platz eins beim täglichen Nutzungsvolumen auf OpenCode – ein Test für die Preissensibilität der Entwickler.
DeepSeek erzielte in den ersten sieben Monaten 2026 einen Umsatz von 475 Millionen Yuan, während der Nettoverlust auf 715 Millionen stieg – bei einer API-Bruttomarge von 82,9 Prozent.
DeepSeek veröffentlicht deepseek-v4-flash-vision-exp, das erste V4-Modell mit Bildverständnis – gedeckelt bei 384 Token pro Bild, Preise wie V4-Flash.
Liquid AI veröffentlicht LFM2.5-DSpark-Entwurfsmodelle, die lokale Inferenz per spekulativem Decoding bis zu 3,18-fach beschleunigen – die Methode stammt von DeepSeek und der Universität Peking.
LMSYS zeigt mit SGLang-Optimierungen, wie DeepSeek-V4-Pro auf Nvidias China-Chip H20 nahe an die B300-Leistung heranrückt – beim Decoding liegt die Lücke nur noch beim Faktor 1,42.
DeepSeek V4 Pro wird in der API nun als Version 0813 geführt, mit 1M Kontext, 384K Ausgabegrenze und einer klaren Preiswarnung.
DeepSeek startet die öffentliche Beta der V4-Flash-0731-API, unterstützt das Responses-Format für Codex und meldet deutliche Agent-Zuwächse.
DeepSeek entwickelt laut Berichten eigenen Inferenzchip wird fuer deutschsprachige Tech-Leser eingeordnet, mit den zentralen Zahlen, Produktversprechen und offenen Pruefpunkten.
Check Point berichtet, dass ein von DeepSeek erzeugtes Codefragment mit Chromes File System Access API zu reiner Browser-Ransomware ausgebaut werden kann.
DeepSeek führt Spitzenpreise für V4-API ein. Der Beitrag ordnet Bericht, Kennzahlen, Aussagen der Unternehmen und die Folgen für Markt oder Regulierung ein.
DeepSeek und die Universität Peking haben DSpark veröffentlicht, ein Inferenz-Framework mit 60 bis 85 Prozent höherer Generierungsgeschwindigkeit und bis zu 6,6-fachem Single-GPU-Durchsatz.
Lindy ersetzt Claude durch DeepSeek und meldet 90 Prozent Kostensenkung
DeepSeek führt Spitzen- und Nebenzeitpreise für Modell-APIs ein
Der Fall zeigt, wie Exportkontrollen trotz Sicherheitsbewertung zu Handelsverhandlungsmasse werden können.
Die Struktur nimmt externes Kapital auf, hält Stimmrechte aber von kommerziellen Investoren fern.
DeepSeek schließt die erste externe Runde mit mehr als 50 Milliarden Dollar Bewertung ab, doch kommerzielle Geldgeber erhalten keine Stimmrechte.
Bei derselben Unternehmenslast liegen Claude, ChatGPT, DeepSeek, Kimi und GLM fast um den Faktor 9 auseinander und setzen OpenAI sowie Anthropic unter Druck.
Daten von Ramp und OpenRouter zeigen, dass DeepSeek schneller wächst, weil lang laufende Coding- und Datenagenten Tokenpreise zu einem Kernkostenfaktor machen.
Ramp-Daten zeigen DeepSeek nach relativem Wachstum bei US-Firmen an der Spitze der SaaS-Anbieter, obwohl die Bedingungen Speicherung personenbezogener Daten in China vorsehen können.
Reuters zufolge könnte DeepSeeks erste große Runde das Unternehmen mit 350 bis 400 Milliarden Yuan bewerten.
China verschärft die Kontrolle von Auslandsreisen für KI-Personal, das bei privaten Unternehmen wie Alibaba und DeepSeek als „strategisch wichtig“ eingestuft wird, und verlangt vor Reiseantritt eine staatliche Genehmigung.
DeepSeek hat die V4-Pro-API-Preise dauerhaft um 75% gesenkt und auf 0,87 $ pro Million Ausgabe-Token festgelegt, eine Herausforderung für Wettbewerber.
DeepSeek soll über seine erste Finanzierungsrunde sprechen, geführt vom staatlichen chinesischen Chipfonds. Die Bewertung könnte sich auf rund 45 Milliarden Dollar zubewegen.
Am 24. April verschickte das US-Außenministerium ein diplomatisches Telegramm an alle US-Botschaften und Konsulate weltweit, in dem es sie aufforderte, den Partnerbehörden mitzuteilen, dass chinesische KI-Unternehmen systematisch Modelle aus US-Labors "extrahieren und destillieren". Drei Unternehmen wurden namentlich genannt: DeepSeek, Moonshot und MiniMax.
DeepSeek hat das V4-Modell mit 1,6 Billionen Parametern veröffentlicht, doch der Markt zeigt sich unbeeindruckt. Die Preise sind niedriger als bei der Konkurrenz, die Leistung verbessert, aber die geopolitische Bedeutung der Huawei-Chip-Kompatibilität ist bemerkenswert.
DeepSeek hat den API-Preis für sein V4-Pro-Modell nur knapp 72 Stunden nach der Preview um 75 Prozent gesenkt und gleichzeitig den Cache-Hit-Preis für die gesamte API-Produktlinie um 90 Prozent reduziert, was enormen Druck auf den Markt für große Sprachmodelle ausübt.
DeepSeek hat V4 Flash und V4 Pro als Preview veröffentlicht; die finale Version soll erst in der zweiten Jahreshälfte 2026 erscheinen, da der Huawei Ascend 950PR-Chip noch nicht in Massenproduktion ist. Grund ist die vollständige Migration des Trainings-Frameworks von NVIDIA auf Huawei Ascend.
DeepSeek bringt V4-Pro und V4-Flash mit MoE-Architektur auf den Markt. Der Ausgabepreis von 3,48 $/Mio. Token unterbietet GPT-5.5 und Claude Opus 4.7 deutlich, während die Codeforces-Wertung von 3206 GPT-5.4 übertrifft.
DeepSeek sucht einer ersten externen Finanzierungsrunde mindestens 300 Millionen US-Dollar bei einer Bewertung von über 10 Milliarden US-Dollar, wie vier anonyme Quellen berichten.
DeepSeek hat V3.2 mit einer neuen Sparse-Attention-Architektur veröffentlicht, die die Komplexität von O(L²) auf O(Lk) reduziert und die Inferenzkosten drastisch senkt – der Eingabepreis beträgt nur 0,28 $/M Token – während die Leistung im Vergleich zum Vorgänger weitgehend stabil bleibt.
OpenAI, Anthropic und Google tauschen Geheimdienstinformationen aus, um „Destillationsangriffe“ zu bekämpfen. Sie werfen DeepSeek, Moonshot AI und MiniMax vor, mit rund 24.000 gefälschten Konten über 16 Millionen Interaktionen mit dem Claude-Modell durchgeführt zu haben, um ihre eigenen Modelle zu trainieren.
DeepSeek hat still und leise zwei neue Chat-Modi eingeführt: Instant Mode und Expert Mode. Der Experten-Modus verspricht höhere Qualität, entfernt jedoch die Datei-Upload-Funktion, während der Schnell-Modus voll funktionsfähig bleibt. Dieser Schritt dient offenbar der Serverlaststeuerung und bereitet das Feld für das kommende V4-Modell.
DeepSeek steht kurz vor der Veröffentlichung von V4, doch diesmal ist nicht die Größe des Modells die wichtigste Neuigkeit, sondern der Chip, auf dem es läuft. Laut The Information wird DeepSeek V4 auf Huaweis Ascend 950PR-Chip laufen – das erste hochmoderne KI-Modell, das speziell für eine einheimische chinesische Chip-Architektur entwickelt wurde.
DeepSeek hat ein spezialisiertes Modell namens Prover-V2 für den Bereich des mathematischen Theorembeweises veröffentlicht, das mithilfe von KI automatisch mathematische Theoreme im formalen Verifikationssystem Lean 4 beweisen soll.
Der Artikel vergleicht die führenden Reasoning-Modelle von OpenAI, DeepSeek, Google und Anthropic, analysiert ihre Strategien, den Zielkonflikt zwischen Reasoning-Tiefe und Antwortgeschwindigkeit sowie den Wettbewerb zwischen Open-Source- und Closed-Source-Modellen.
DeepSeek V4 mit einer Billion Parametern und Qwen 3.6-Plus mit Apache-2.0-Lizenz verändern den Open-Source-KI-Markt, nachdem ihr kombinierter Marktanteil in einem Jahr von unter 1 % auf 15 % gestiegen ist.
DeepSeek V4 und Qwen 3.5 (auch als Qwen 3.6-Plus bekannt) kämpfen um denselben Markt für offene KI-Modelle – zu einem Bruchteil der Kosten geschlossener Konkurrenten. Der Artikel vergleicht Parameter, Stärken und die Bedeutung für Entwickler.
DeepSeek ist zur Legende in der Branche geworden, was Kostenkontrolle betrifft: Die Trainingskosten für V3 liegen bei etwa 5,5 Millionen US-Dollar, die GPU-Gebühren für R1 bei etwa 294.000 US-Dollar – weit unter den Budgets von 100 Millionen bis 1 Milliarde US-Dollar, die US-Unternehmen für vergleichbare Modelle veranschlagen.
DeepSeek V3.1 ist das erste Hybridmodell des Unternehmens, das die Fähigkeiten von V3 (allgemein) und R1 (Reasoning) in einem Modell vereint und mit den Modi Think und Non-Think flexibel umschaltbar ist.
DeepSeek hat im Januar 2026 sein Reasoning-Modell R1 als Open Source veröffentlicht und die Community überrascht, da es mit OpenAI o1 mithalten kann, während die destillierte 32B-Version sogar o1-mini übertrifft und die Preisbarriere geschlossener Modelle durchbricht.
DeepSeek V3 nutzt eine MoE-Architektur mit 671B Parametern, aktiviert aber nur 37B pro Token und erreicht GPT-4o-Niveau bei Trainingskosten von nur 5,5 Millionen US-Dollar.