Zum Hauptinhalt
Open Source · Effizienz-König · China · Stand: August 2026

DeepSeek.

Der $294.000-Schock.

Während OpenAI Milliarden verbrennt, trainierte DeepSeek ein GPT-4-Konkurrenzmodell für weniger als ein Mittelklasse-Auto. Das war kein Zufall. Das war Ingenieurskunst.

KI-Wissen wird mindestens monatlich redaktionell geprüft. Redaktion: Marco Kalsner. Modelle, Funktionen, Preise und Produktnamen können sich trotzdem kurzfristig ändern.

Hinweis melden
Autor: Marco Kalsnerv1

Dieser importierte Altbestand wartet noch auf seine redaktionelle Initialprüfung. Bis dahin gilt der Inhalt als ungeprüft.

Was wirklich passiert ist

Effizienz schlägt Geld.

Januar 2025: DeepSeek-R1 erscheint. Benchmark-Ergebnisse: auf Augenhöhe mit OpenAI-o1. Trainingskosten: $294.000. OpenAI's Äquivalent: Dutzende Millionen. Nvidia-Aktie fiel innerhalb von Stunden um fast 17%.

Das Geheimnis: Mixture-of-Experts-Architektur. Bei 671B Parametern werden pro Anfrage nur etwa 37B aktiviert. Weniger Compute, gleiche Intelligenz. Das ist keine Abkürzung. Das ist Architektur-Denken.

Stand 2026: DeepSeek V3.2 läuft. R2 wird erwartet – angeblich 1,2 Billionen Parameter, auf Huawei-Chips trainiert, 45 Tage Trainingszeit. Wenn die Leaks stimmen: der nächste Schock.

Zahlen die zählen

R1 Trainingskosten$294.000
OpenAI Equivalent~$50.000.000
Kontext-Fenster128K Token
Parameter gesamt671 Milliarden
Parameter aktiv/Query~37 Milliarden
API-Preis (Input)$0.27/M Token

Die Modelle

DeepSeek-V4

Zwei Stufen: Pro und Flash

Seit 24. April 2026 verfügbar. Zwei Stufen: V4-Pro und V4-Flash. Zu Leistung und Preis liegen hier keine belastbaren Angaben vor - deshalb steht hier keine.

DeepSeek-V3

Der Allrounder

671B Parameter, MoE-Architektur, aktiviert nur einen Bruchteil pro Anfrage. GPT-4-Niveau für einen Bruchteil des Preises. Stark bei Texten, Analyse, Code.

DeepSeek-R1

Der Denker

Reinforcement-Learning-Training. Denkt sichtbar in Schritten nach. Für Mathe, Logik, komplexe Analysen: auf Augenhöhe mit OpenAI-o1 – für ~300.000€ Trainingskosten.

DeepSeek-R2 (erwartet)

Der nächste Schock

1,2 Billionen Parameter, 78B aktiv. Preis geschätzt: $0.07/M Input-Token. Multimodal (Text, Bild, Video). Falls die Leaks stimmen: ein weiterer Erdbeben-Moment.

KALSNER KLARTEXT

Der Schock war nicht billig. Der Schock war: Es geht auch anders.

DeepSeek hat den bequemen Satz angegriffen, gute KI müsse automatisch nur mit immer mehr Geld und immer mehr Chips entstehen. Das ist die spannende Geschichte. Nicht der Social-Media-Satz, ein komplettes Spitzenmodell sei für den Preis eines Mittelklassewagens entstanden.

These

DeepSeek ist technisch relevant bei Reasoning, Code, offenen Veröffentlichungen und Preis-Leistung. Trainings-, Infrastruktur- und Gesamtkosten müssen sauber getrennt werden.

Realität

Offizielle Veröffentlichungen dokumentieren Modelle, Gewichte und ausgewählte Trainingsangaben. Eine einzelne Zahl beschreibt nicht automatisch Forschung, Vortraining, Hardware, Personal, Ausfälle, Datenarbeit und sämtliche Entwicklungskosten.

Warum es wichtig ist

Preis/Leistung bricht alles

GPT-4-Qualität für 10–30× weniger Geld. API-Kosten, die Startups sich leisten können. R1 wurde für $294.000 trainiert. OpenAI's o1: Dutzende Millionen.

Open Source / Self-Host

Modelle downloadbar und lokal ausführbar. Über Ollama oder LM Studio. Keine Cloud. Keine US-Server. Volle Datenkontrolle. Das ist der Knackpunkt für viele.

Coding ist brutal gut

DeepSeek-Coder-V2 ist einer der stärksten Code-Modelle am Markt. Refactoring, Debugging, ganze App-Architekturen – auf Augenhöhe mit GitHub Copilot.

Effizienz-Architektur (MoE)

Mixture-of-Experts: Nicht alle Parameter werden bei jeder Anfrage aktiviert. Ergebnis: Mehr Modell, weniger Compute. Das ist Ingenieurskunst.

128K Kontext-Fenster

Liest ganze Codebases, Rechtsberichte, Jahresabschlüsse in einer Anfrage. Das ist kein Gimmick. Das ist Arbeitsgrundlage.

Kostenrevolution

Hat die gesamte KI-Industrie gezwungen, Preise zu senken. OpenAI, Anthropic – alle reagierten. DeepSeek hat Druck gemacht. Nicht durch Marketing, durch Technik.

Was man wissen muss

Chinesische Herkunft

Datenschutzfragen bei Cloud-Nutzung auf deepseek.com. Für sensible Daten: Unbedingt lokal hosten oder europäische API nutzen.

Schwächere Sicherheitsfilter

Weniger Zensur als ChatGPT und Claude. Klingt gut, ist aber zweischneidig. Für Unternehmen manchmal ein Compliance-Problem.

Kein Ökosystem

Keine eigene App-Welt. Kein Plugin-Markt. Kein nativer Voice-Mode. Rohe Modell-Power – Workflow-Integration ist Eigenleistung.

Konsistenz schwankt

R1 denkt nach – aber nicht immer linear. Lange Reasoning-Chains können Fehler aufaddieren. Immer gegenchecken.

Für dich wenn…

  • Du Code-Arbeit machst und API-Kosten zählen
  • Du Datenschutz ernst nimmst und selbst hosten willst
  • Du GPT-4-Qualität ohne GPT-4-Preise brauchst
  • Du einen ehrlichen Gegencheck zu westlichen Modellen willst
  • Du mit Ollama oder LM Studio arbeitest

Nicht für dich wenn…

  • Du vertrauliche Firmendaten über cloud.deepseek.com jagst
  • Du ein vollständiges KI-Ökosystem mit Apps und Plugins brauchst
  • Du keine Ahnung hast wie man Modelle lokal hostet (dann lern's erst)
  • Du Compliance-Anforderungen hast, die chinesische Anbieter ausschließen
Produktstand

Was hinter dem Namen steckt.

Was es ist

Kurz gesagt
Modellfamilie + Cloud + Gewichte
Was dahinter steckt
DeepSeek bezeichnet unterschiedliche Modellstände, den öffentlichen Dienst, eine API und veröffentlichte Gewichte.

Starker Einsatz

Kurz gesagt
Code, Reasoning, Effizienz
Was dahinter steckt
Besonders interessant für technische Gegenchecks, lokale Experimente und kostenbewusste API-Arbeit.

Datenweg

Kurz gesagt
China-Cloud oder eigener Betrieb
Was dahinter steckt
Der öffentliche Dienst und ein lokal betriebenes Gewicht sind datenschutztechnisch zwei völlig verschiedene Systeme.

Hauptgrenze

Kurz gesagt
Preisstory ohne Gesamtrechnung
Was dahinter steckt
Ein dokumentierter Trainingslauf ist nicht automatisch die Summe aus Forschung, Daten, Hardware, Personal und Betrieb.
Vier Lagen aus dem Alltag

Wo es trägt — und wo es aufhört.

Der zweite Blick auf schwierigen Code

Die Lage
Ein Modell hat eine Lösung gebaut, aber du traust dem Randfall nicht.
Wo es stark ist
DeepSeek kann als unabhängiger Gegencheck andere Lösungswege, Tests und mögliche Fehlerstellen liefern.
Wo es aufhört
Zwei Modelle können denselben blinden Fleck teilen oder voneinander überzeugend falsch abweichen.
Das Urteil
Modellvergleich ist gut. Ein reproduzierbarer Test ist besser.

Die lokale Entwicklungsumgebung

Die Lage
Quellcode soll das Unternehmen nicht verlassen und die Hardware ist vorhanden.
Wo es stark ist
Verfügbare Gewichte können in eigener Infrastruktur oder einem kontrollierten Dienst laufen.
Wo es aufhört
Kontextfenster, Quantisierung, Hardware, Updates und Bedienoberfläche bestimmen die reale Qualität mit.
Das Urteil
‚Lokal‘ ist eine Architekturentscheidung – kein einzelner Downloadknopf.

Die API-Kosten müssen runter

Die Lage
Tausende Klassifikationen oder Codeprüfungen machen ein teures Modell unwirtschaftlich.
Wo es stark ist
Effiziente Modelle können bei klar begrenzten Aufgaben eine starke Preis-Leistungs-Alternative sein.
Wo es aufhört
Ein niedriger Tokenpreis spart nichts, wenn Nacharbeit, Ausfälle oder falsche Ergebnisse steigen.
Das Urteil
Gesamtkosten pro brauchbarem Ergebnis messen, nicht Preis pro Million Token bewundern.

Die Compliance-Frage

Die Lage
Technisch passt das Modell, organisatorisch gelten strenge Regeln für Anbieter und Datenräume.
Wo es stark ist
Ein eigener Betriebsweg kann bestimmte Cloudrisiken reduzieren und technische Prüfung erleichtern.
Wo es aufhört
Lizenz, Exportkontrolle, Lieferkette, Security, Herkunft und interne Richtlinien bleiben eigenständige Fragen.
Das Urteil
Nicht pauschal ausschließen. Nicht naiv durchwinken. Den konkreten Weg prüfen.
Die Vertiefung

Was du wirklich wissen musst.

Warum DeepSeek wichtig ist

DeepSeek hat westliche Anbieter und Investoren daran erinnert, dass Effizienz, offene Veröffentlichungen und gute Ingenieursarbeit Wettbewerbsvorteile sind. Das wirkt auf Preise, Modellarchitekturen und die Frage, welche Leistung lokal möglich wird.

Der Coding-Gegencheck

Ein Entwickler lässt eine knifflige Funktion von zwei Modellen prüfen. DeepSeek findet einen Randfall, den das erste Modell übersieht. Entscheidend ist nicht der Fanclub, sondern der Test und der nachvollziehbare Diff.

Die Trainingskosten-Erzählung braucht Fußnoten

Berichte nennen häufig Kosten für einen abgegrenzten Trainingslauf. Daraus werden dann fälschlich die Gesamtkosten des Modells oder Unternehmens. Seriös ist nur, klar zu benennen, welche Phase, Hardwareannahme und Kostenart gemeint ist.

Lokal ist ein anderer Einsatz als die Anbieter-Cloud

Offene Gewichte können in eigener Infrastruktur laufen. Wer stattdessen den öffentlichen Chat oder die API nutzt, bewertet den dortigen Datenfluss, Vertrag und Rechtsraum. Der Modellname allein sagt nichts über Datenschutz aus.

Für wen DeepSeek passt

Für Entwickler, technische Teams, Modellvergleiche und lokale Experimente. Bei sensiblen Unternehmensdaten braucht es einen bewusst gewählten Betriebsweg, Rechtekonzept und klare Tests.

Welcher Weg wofür

Nicht jede Aufgabe gehört in dasselbe Fenster.

01

Fall
Technischer Gegencheck
Wahl
DeepSeek neben einem zweiten Modell
Grund
Andere Modellfamilie, starke technische Ausrichtung.
Grenze
Test und Review entscheiden, nicht Mehrheitsvotum.

02

Fall
Sensible Daten
Wahl
Eigener oder freigegebener Betriebsweg
Grund
Cloud-Chat und lokale Gewichte sind nicht gleich.
Grenze
Modell, Laufzeit, Logs und Infrastruktur komplett prüfen.

03

Fall
Kostenintensive Massenaufgabe
Wahl
Kleines evaluiertes Modell
Grund
Effizienz kann wirtschaftlich entscheidend sein.
Grenze
Fehler- und Nacharbeitskosten mitmessen.

04

Fall
Aktuelle API-Integration
Wahl
Dokumentierte aktive Modell-ID
Grund
Aliase und Modellstände ändern sich.
Grenze
Changelog, Abschalttermin und Regressionstest pflegen.
Behauptung & Befund

Was erzählt wird — und was stimmt.

Das komplette DeepSeek-Modell kostete nur eine sechsstellige Summe.

Urteil
Irreführend
Warum
Abgegrenzte Laufkosten sind nicht gleich gesamte Forschung, Datenarbeit, Hardware und Entwicklung.

Open Weights bedeutet sichere Nutzung.

Urteil
Falsch
Warum
Sicherheit entsteht durch Betrieb, Rechte, Tests und Aktualisierung.

Chinesische Modelle sind grundsätzlich ungeeignet.

Urteil
Zu pauschal
Warum
Technische Qualität, Lizenz, Betriebsweg, Datenfluss und Compliance müssen konkret bewertet werden.
Prüfliste

Fünf Fragen, bevor du es benutzt.

  1. 01Geht es um Gewichte, Chat oder API?
  2. 02Welche Kostenart wird genannt?
  3. 03Welche Lizenz gilt?
  4. 04Wo werden Daten verarbeitet?
  5. 05Wurde am eigenen Anwendungsfall getestet?
Zeitleiste

Wie es hierher kam.

12/2024

DeepSeek-V3 rückt Effizienz in den Mittelpunkt

Mixture-of-Experts und ein detaillierter technischer Bericht machen Architektur und Trainingsökonomie zum Marktthema.

20.01.2025

DeepSeek-R1 macht Reasoning und offene Veröffentlichung sichtbar

Das Modell löst weltweit Diskussionen über Kosten, Reinforcement Learning, offene Gewichte und chinesische KI-Anbieter aus.

12/2025

V3.2 verbindet Denken stärker mit Werkzeugnutzung

Der Schwerpunkt wandert vom isolierten Reasoning zur mehrstufigen Arbeit mit Tools.

24.04.2026

V4 verändert Modelle, Kontext und alte API-Aliase

Der offizielle Changelog zeigt, wie schnell aktive IDs, Modi und Ablösefristen wechseln. Für Produktion ist das kein Detail, sondern Betriebsrisiko.

Das Kalsner-Fazit

"DeepSeek hat bewiesen: Intelligenz ist keine Frage des Budgets.
Sondern der Architektur."

Für Entwickler und technisch Versierte ist DeepSeek Pflicht. Lokal hosten, Kosten halbieren, Datenschutz behalten. Für alle anderen: kennen sollte man es. Blind vertrauen – nie.

Effizienz senkt Kosten. Nicht Verantwortung.

Erstellt vonMarco Kalsner· Redaktion & TechnikStand: 26.10.2026 · Inhalte werden regelmäßig überprüft.

Rechtlicher Hinweis

Kalsner Connect

Die Inhalte auf kalsner.de dienen der allgemeinen Information über IT, Software, Netzwerke und digitale Werkzeuge. Sie ersetzen keine individuelle Beratung im Einzelfall und keine Rechts- oder Steuerberatung. Angaben zu Produkten, Diensten und KI-Werkzeugen entsprechen dem Stand der letzten Prüfung und können sich durch Updates der Anbieter jederzeit ändern. Wer Anleitungen an eigenen Systemen umsetzt, tut das in eigener Verantwortung — vorher Datensicherung.