KI-Radar: DeepSeek — von R1 zur V4-Reihe

DeepSeek hat den Markt aufgemischt: erst mit V3, dann mit dem reasoning-starken R1, beide mit offenen Gewichten und beeindruckendem Preis-Leistungs-Verhältnis. Die aktuelle V4-Reihe setzt das fort.

Was DeepSeek interessant macht

Offene Gewichte (bei V3/R1): kleinere Varianten lassen sich selbst hosten, ein echtes Argument für Datenhoheit.
Reasoning: R1 zeigte, dass starke Schlussfolgerungs-Fähigkeit nicht teuer sein muss.
Kosten: die gehostete API ist günstig.

Warum die R1-Linie zählt

Der eigentliche Markstein war R1: ein Reasoning-Modell, das den Schritt-für-Schritt-Gedankenpfad offengelegt und die Fähigkeit bewiesen hat, dass starke Schlussfolgerungsqualität nicht zwingend an ein geschlossenes US-Frontier-Modell gebunden ist. Die V4-Reihe führt diesen Pfad weiter und macht ihn zum Standardwerkzeug statt zum Experiment. Für den Mittelstand heißt das konkret: Aufgaben wie Vertragsanalyse, technische Auswertung oder mehrstufige Pläne sind längst nicht mehr die Domäne der teuren APIs: Sie lassen sich mit offenen Gewichten sauber abbilden, wenn das Hosting stimmt.

Architektur: MoE mit kleinem aktivem Anteil

DeepSeek V4 baut wie seine Vorgänger auf Mixture-of-Experts: das Modell hält eine große Gesamtzahl an Parametern vor, aktiviert pro Token aber nur einen kleinen Teil davon. Der Grund für das gute Preis-Leistungs-Verhältnis liegt im Verhältnis von Gesamt- zu aktiven Parametern: viele Milliarden gesamt, nur wenige aktiv je Token. Die Inferenzkosten richten sich nach dem aktiven Anteil, nicht nach der vollen Modellgröße. Für den Eigenbetrieb heißt das: obwohl die Gewichte groß sind, ist der Rechenaufwand pro Aufruf überschaubar, solange man genug VRAM vorhält, um das gesamte Modell geladen zu halten. In der Praxis ist das ein reiner Planungsfaktor: Die Gesamtgröße bestimmt den Speicherbedarf, der aktive Anteil die Geschwindigkeit.

Lizenz: MIT als echter Hebel

Die offenen Gewichte stehen unter MIT-Lizenz, einer der freizügigsten Lizenzen überhaupt. Kommerzieller Einsatz, Modifikation und Weitergabe sind ohne Fallstricke erlaubt, und es gibt keine Nutzerdeckelung wie bei einigen anderen Herstellern. Für Unternehmen, die ein Modell in ein Produkt einbauen wollen, ist das ein handfester Vorteil gegenüber restriktiveren Lizenzen. Gewichte sind auf Hugging Face verfügbar, der Einstieg also ohne Verhandlungen möglich.

Der wichtige Vorbehalt

Die gehostete DeepSeek-API wird aus China betrieben. Für personenbezogene oder vertrauliche Daten ist das ein klares DSGVO-Thema: Eingaben verlassen die EU. Wer DeepSeek datenschutzkonform nutzen will, hostet die offenen Modelle selbst (vLLM, Ollama). Quantisierung auf 4-Bit oder FP8 hält den Speicherbedarf in Grenzen, kostet aber etwas Qualität, ein üblicher Zielkonflikt, den man pro Einsatzfall abwägen sollte. Wichtig ist die Trennung: das offene Modell und die Cloud-API sind zwei verschiedene Dinge, und nur die erste Variante ist für sensible Daten eine Option.

In eigener Sache

Die Live-Demo auf dieser Website läuft über unser eigenes LiteLLM-Gateway auf eigener Hardware in der EU — kein Drittland, keine Datenweitergabe an externe APIs. Genau diese saubere Variante (Eigenbetrieb statt fremder Cloud-API) empfehlen wir auch unseren Kunden. DeepSeek ist dafür ein sehr geeigneter Kandidat: permissiv lizenziert, als MoE effizient und in mehreren Größen verfügbar.