Anfang 2025 hat DeepSeek die KI-Branche aufgeschreckt. Das chinesische Labor bewies mit seinem V3-Modell, dass es nicht Hunderte Millionen Dollar braucht, um ein wettbewerbsfähiges Sprachmodell zu bauen. Jetzt steht der Nachfolger vor der Tür.
Was DeepSeek V4 anders macht
Die Kernzahl: eine Billion Parameter — also eine Billion einzelne Stellschrauben, an denen das Modell während des Trainings gelernt hat. Das ist rund 50 Prozent mehr als beim Vorgänger V3. Doch die eigentliche Innovation liegt nicht in der Größe, sondern in der Effizienz.
DeepSeek nutzt eine Technik namens Mixture of Experts: Statt bei jeder Anfrage das gesamte Modell zu aktivieren, wird nur ein kleiner Teil der Kapazität genutzt — etwa 37 Milliarden der Billion Parameter. Man kann sich das vorstellen wie ein Unternehmen mit 1.000 Spezialisten, von denen für jede Aufgabe nur die 37 passendsten an den Tisch geholt werden. Das hält die Betriebskosten in einem Rahmen, der für Unternehmen tragbar bleibt.
Das Gedächtnis-Problem, das V4 lösen will
KI-Modelle können inzwischen sehr lange Texte verarbeiten — V4 soll bis zu eine Million sogenannter Wortbausteine (Tokens) auf einmal erfassen. Das entspricht etwa 15 bis 20 kompletten Büchern. Doch bisher hatten Modelle ein praktisches Problem: Je länger der Eingabetext, desto schlechter fanden sie darin eine bestimmte Information wieder. Wie ein Mensch, der ein ganzes Bücherregal gelesen hat, aber nicht mehr weiß, auf welcher Seite ein bestimmter Fakt stand.
DeepSeek hat dafür eine neue Speicher-Technologie namens Engram entwickelt. Sie funktioniert wie ein intelligentes Inhaltsverzeichnis, das dem Modell hilft, gezielt relevante Passagen aus sehr langen Dokumenten wiederzufinden. Laut internen Tests von DeepSeek soll die Trefferquote bei der Suche in sehr langen Texten von bisher 84 Prozent auf 97 Prozent steigen. Sollten unabhängige Prüfer diese Werte bestätigen, wäre das ein erheblicher Fortschritt — besonders für Anwendungen wie Vertragsanalyse, Due Diligence oder die Auswertung umfangreicher Berichte.
Die Hardware-Frage: Chinas Chip-Unabhängigkeit wird ernst
Bisher nutzten chinesische KI-Labore vorwiegend Chips des US-Herstellers Nvidia — wenn auch in abgespeckten Versionen wegen der Exportbeschränkungen der amerikanischen Regierung. Bei V4 geht DeepSeek einen anderen Weg: Laut einem exklusiven Reuters-Bericht hat das Unternehmen Nvidia und AMD bewusst vom frühen Zugang zum neuen Modell ausgeschlossen. Stattdessen erhielten chinesische Chiphersteller wie Huawei und Cambricon einen Vorsprung von mehreren Wochen zur Optimierung.
Der Weg dahin war allerdings steinig. Wie die Financial Times berichtete, scheiterten erste Trainingsversuche auf Huawei-Hardware an Stabilitätsproblemen und langsamen Verbindungen zwischen den Chips. DeepSeek musste zwischenzeitlich auf Nvidia-Hardware zurückgreifen und das Training später neu starten. Für das endgültige V4-Modell setzt DeepSeek nach Berichten von Recode China AI nun auf eine Kombination: Training auf westlicher Hardware, aber Optimierung für den Betrieb auf chinesischen Chips.
Für die geopolitische Einordnung ist das entscheidend: China baut systematisch die Fähigkeit auf, KI-Modelle unabhängig von westlicher Technologie zu betreiben. Die US-Exportkontrollen verzögern diesen Prozess, stoppen ihn aber offensichtlich nicht.
Benchmark-Versprechen — mit Vorbehalt
Bei den standardisierten Leistungstests (Benchmarks) — also vergleichbaren Prüfungsaufgaben, mit denen KI-Modelle gemessen werden — klingen die bisherigen Zahlen beeindruckend. Interne Tests sollen zeigen, dass V4 bei Programmier-Aufgaben einen neuen Bestwert von 90 Prozent auf dem weit verbreiteten HumanEval-Test erreicht — einem standardisierten Prüfverfahren, bei dem ein Modell eigenständig lauffähigen Programmcode schreiben muss. Noch relevanter: Beim SWE-bench, der testet, ob ein Modell echte Software-Fehler in realen Projekten beheben kann, soll V4 über 80 Prozent schaffen. Das wäre vergleichbar mit den besten Modellen von Anthropic und OpenAI.
Allerdings stammen diese Werte aus internen Tests, die noch nicht unabhängig bestätigt sind. Der Sprung vom Vorgänger V3 (rund 49 Prozent bei SWE-bench) auf über 80 Prozent wäre außergewöhnlich — die KI-Fachcommunity ist daher vorsichtig optimistisch, aber skeptisch. Bestätigung durch unabhängige Testplattformen wie LMSYS — ein akademisches Projekt, das KI-Modelle nach Blindtests durch Nutzer bewertet — steht noch aus.
Multimodal: Nicht nur Text, sondern auch Bilder und Videos
DeepSeek V4 soll das erste Modell des Unternehmens sein, das von Grund auf mit verschiedenen Medientypen (multimodal) trainiert wurde. Das bedeutet: Es kann nicht nur Text verarbeiten, sondern auch Bilder verstehen, Bilder erzeugen und — so die Ankündigung — sogar Videos generieren. Die Financial Times bestätigte diese Ausrichtung. Für Unternehmen ist das relevant, weil ein einziges Modell dann Aufgaben übernehmen könnte, für die bisher mehrere spezialisierte Werkzeuge nötig waren — etwa die Analyse von Produktbildern, das Erstellen von Präsentationen oder die Auswertung von Video-Material.
Was bedeutet das für Unternehmen?
Die strategische Bedeutung von DeepSeek V4 liegt weniger in einzelnen Benchmark-Zahlen als in drei strukturellen Verschiebungen:
- Preisdruck auf KI-Anbieter: Wenn ein frei verfügbares Modell mit den besten kostenpflichtigen Modellen konkurriert, sinkt die Verhandlungsposition der Anbieter. Unternehmen, die heute hohe Lizenzgebühren für KI-Dienste zahlen, bekommen ein neues Druckmittel.
- Mehr Optionen bei der Datensouveränität: Ein Open-Source-Modell, das auf eigener Infrastruktur betrieben werden kann, löst ein zentrales Problem: Sensible Unternehmensdaten müssen nicht an externe Server geschickt werden. Gerade für europäische Firmen mit strengen Datenschutzanforderungen ist das ein Argument.
- Geopolitisches Risiko: Ein Modell, das auf chinesischer Hardware optimiert und unter chinesischer Kontrolle entwickelt wird, wirft Fragen auf. Unternehmen müssen abwägen, ob sie ein technisch starkes Modell nutzen — oder ob die Abhängigkeit von einem chinesischen Anbieter eigene Risiken birgt.
Wann kommt V4?
Ursprünglich war der Start für März geplant. Anfang März tauchte bereits eine kleinere Variante namens „V4 Lite" auf der DeepSeek-Website auf — mit verbesserter Programmier-Leistung und aktuellerem Wissensstand. Laut dem chinesischen Tech-Medium Whale Lab hat sich der vollständige Start auf April 2026 verschoben. DeepSeek-Gründer Liang Wenfeng soll mit früheren Ergebnissen unzufrieden gewesen sein und die Veröffentlichung bewusst verzögert haben.
Der Wettlauf der chinesischen KI-Labore beschleunigt sich — und Europa schaut zu.
Quellen
- Reuters — Exklusivbericht: DeepSeek verweigert Nvidia und AMD frühen Zugang zu V4
- Financial Times — DeepSeeks gescheiterter Versuch, auf Huawei-Chips zu trainieren
- Recode China AI — Tiefenanalyse: DeepSeeks technische Architektur und V4-Roadmap
- NxCode — Technische Spezifikationen und Benchmark-Übersicht zu DeepSeek V4
- Toolmesh / Whale Lab — Bericht über den April-Start von DeepSeek V4 und Tencent Hunyuan
- PromptZone — Timeline und Status-Report zu DeepSeek V4 (März 2026)