DeepSeek V4 Pro: 75-%-Preissenkung wird dauerhaft

Redaktion · 2. Juni 2026 · 5 Min. Lesezeit

DeepSeek hat am 22. Mai 2026 den 75-%-Aktionsrabatt auf sein Flaggschiff V4-Pro zum dauerhaften Standardpreis gemacht. Der Rabatt war ursprünglich befristet und sollte am 31. Mai 2026 auslaufen — stattdessen gilt er jetzt unbefristet. Damit kostet eine Million Output-Token bei V4-Pro 0,87 $ statt zuvor 3,48 $. Das Modell selbst — am 24. April 2026 mit 1,6 Billionen Parametern (49 Milliarden aktiv), Mixture-of-Experts-Architektur und rund 1 Million Token Kontext gelauncht — liegt mit offenen Gewichten unter MIT-Lizenz auf Hugging Face. Die Kombination aus Frontier-Anspruch, offenen Gewichten und einem Output-Preis im Cent-Bereich ist der eigentliche Nachrichtenwert.

Was sich konkret geändert hat

Der 75-%-Rabatt auf V4-Pro ist dauerhaft. Was als befristete Aktion mit Ablauf 31. Mai 2026 gestartet war, ist seit dem 22. Mai 2026 der reguläre Listenpreis (Engadget).
V4-Pro kostet jetzt 0,435 $ pro Mio. Cache-Miss-Input-Token, 0,003625 $ pro Mio. Cached-Input-Token und 0,87 $ pro Mio. Output-Token — vorher das Vierfache.
V4-Flash bleibt unverändert bei 0,14 $ Input, 0,0028 $ Cached-Input und 0,28 $ Output je Mio. Token.
Offene Gewichte unter MIT-Lizenz: deepseek-ai/DeepSeek-V4-Pro und deepseek-ai/DeepSeek-V4-Flash liegen auf Hugging Face — selbst hostbar, kommerziell nutzbar.

Was vorher galt

Als DeepSeek V4 am 24. April 2026 erschien, lief der Preis für V4-Pro auf der offiziellen Liste bei 1,74 $ Cache-Miss-Input, 0,145 $ Cached-Input und 3,48 $ Output je Million Token. Zum Launch legte DeepSeek einen Aktionsrabatt von 75 Prozent auf, der die effektiven Preise auf ein Viertel drückte — befristet bis zum 31. Mai 2026. Solche Einführungsrabatte sind in der Branche üblich und werden eingeplant: Sie ziehen früh Volumen auf das neue Modell, laufen dann aus, und der Listenpreis wird wieder normal.

Genau diese Erwartung — Rabatt jetzt, voller Preis ab Juni — hat sich nicht erfüllt. Wer auf das Auslaufen kalkuliert hatte, muss umdenken: Der Aktionspreis ist der Preis.

Was jetzt gilt

Mit der Ankündigung vom 22. Mai 2026 hat DeepSeek drei Dinge festgezurrt:

1. Der reduzierte Preis ist der Listenpreis. Die offizielle Preisseite weist V4-Pro nun dauerhaft mit 0,435 $ Cache-Miss-Input, 0,003625 $ Cached-Input und 0,87 $ Output je Million Token aus. Das ist exakt ein Viertel der ursprünglichen Listenpreise. Der Cached-Input-Preis von 0,003625 $ ist dabei der eigentliche Ausreißer nach unten: Wer mit Prompt-Caching arbeitet, zahlt für wiederkehrende Kontexte fast nichts.

2. V4-Flash bleibt der günstige Allrounder. Die kleinere, schnellere Variante wurde nicht angefasst und steht weiter bei 0,14 $ Input, 0,0028 $ Cached-Input und 0,28 $ Output je Million Token. Für einfache, hochvolumige Aufgaben ist Flash damit noch billiger als das ohnehin gesenkte Pro-Modell.

3. Der Abstand zu westlichen Frontier-Modellen wächst. Laut Codersera ist V4-Pro auf Input rund 11,5-mal und auf Output rund 34,5-mal günstiger als GPT-5.5. Diese Vielfachen sind ein Anbieter-/Drittquellen-Vergleich, kein Benchmark-Ergebnis — der Punkt steht aber unabhängig von der genauen Zahl: Es liegen Größenordnungen dazwischen, nicht Prozente.

Einordnung

Dass ein Aktionsrabatt dauerhaft wird, ist betriebswirtschaftlich verräterischer, als es klingt. Ein Anbieter friert einen 75-%-Rabatt nur dann ein, wenn die Marge auch beim niedrigen Preis noch trägt. Heißt im Umkehrschluss: DeepSeek geht offenbar davon aus, dass V4-Pro-Inferenz im großen Maßstab so günstig zu betreiben ist, dass selbst 0,87 $ pro Million Output-Token Gewinn lassen. Das ist weniger eine Marketing-Geste als ein Signal über die tatsächlichen Inferenzkosten der MoE-Architektur.

Für westliche Frontier-Anbieter erhöht das den Druck an einer empfindlichen Stelle. Solange China-Modelle „billig, aber schwächer” waren, ließ sich der Preisabstand mit Qualität rechtfertigen. V4-Pro ist ein offenes Modell mit Frontier-Anspruch — und die unabhängige Prüfung dieser Ansprüche steht noch aus, die Benchmarks bleiben vorerst Anbieterangaben. Der Trend ist dennoch eindeutig: Mit Qwen und MiniMax drängen weitere chinesische Labs mit offenen Gewichten in dasselbe Segment. Open-Weights unter permissiven Lizenzen sind nicht mehr die Ausnahme, sondern werden zur Standarderwartung in diesem Teil des Marktes.

Für eine Agentur ist die relevante Frage nicht „bestes Modell”, sondern „welches Modell für welchen Task zu welchem Preis”. Bei dieser Rechnung verschiebt ein Faktor 11 bis 34 die Grenze deutlich: Aufgaben, die bisher zu teuer für Automatisierung waren, werden rechenbar.

Was du jetzt tun kannst

Wenn du hochvolumige, fehlertolerante Tasks hast: Verlagere Massenarbeit — Klassifizierung, Zusammenfassungen, Erstentwürfe, Datenanreicherung — testweise auf V4-Pro oder V4-Flash und vergleiche Output-Qualität gegen die Kostenersparnis. Bei Output-Preisen in dieser Größenordnung rechnet sich selbst ein zweiter Korrektur-Durchlauf oft noch günstiger als ein einzelner Lauf auf einem westlichen Frontier-Modell.

Wenn Datenschutz oder Mandanten-Daten im Spiel sind: Nutze die MIT-Lizenz. Die offenen Gewichte erlauben Self-Hosting — sensible Daten müssen das eigene System dann nicht verlassen. Das ist genau der Fall, in dem ein gehostetes US-Modell ausscheidet und ein offenes Modell den Unterschied macht.

Wenn du Kunden zu „GEO”- oder KI-Budgets berätst: Behandle die Modellwahl als bewegliches Ziel, nicht als Einmalentscheidung. Preise fallen derzeit in Sprüngen, nicht in kleinen Schritten — eine Architektur, die das Modell pro Task austauschbar hält (statt fest gegen einen Anbieter zu verdrahten), ist die robustere Wette.

Hintergrund: Wie KI-Pricing funktioniert

Warum Input und Output unterschiedlich kosten, was Prompt-Caching bringt und wie man Token-Preise überhaupt vergleicht — Grundlagen hier: → KI-Pricing einfach erklärt

Entdecke mehr

Lexikon

Themenuebersicht

KI-Modelle DeepSeek LLM-Pricing