★
Menü
Startseite So wird es gebaut Watchlist Der Stack
Hardware ChipsChips vergleichen Server & SystemeNetzwerk ArbeitsspeicherFoundries & Packaging Kühlung
Anlagen RechenzentrenStrom ProjekteCloud & GPU-Computing
Intelligenz KI-ModelleSoftware KI-ProdukteBenchmarks ForschungspapiereDatensätze Konzepte
Ökosystem UnternehmenAktien PersonenTimeline TrendsZukunft der KI
Lernen Nachrichten Daten befragen KI-Agenten
Über Über uns Methodik Daten & API Haftungsausschluss
Optionen
DATEN & API

Kostenloser, lesender JSON-Zugriff auf die zwischengespeicherten Daten der Website.

Dunkelmodus

Geführte Ansicht
Neu bei Chips, Rechenzentren und Modell-Fachbegriffen? Wir erklären wichtige Begriffe beim Stöbern in verständlicher Sprache. Dieselben Daten, mit integrierter Hilfe.

Expertenansicht
Sie kennen die Materie bereits. Nur die Daten: übersichtlich, schnell und kompakt, ohne zusätzliche Erklärungen. Das ist die Standardansicht.

Oberflächensprache
‹ Zurück
Startseite › KI-Modelle › DeepSeek-V4

DeepSeek-V4

KI-Modell Sprache Aktuell

The efficiency school scales up: 1.6T parameters, MIT license, 1M context.

Sie sehen einen KI-Modell-Eintrag: wer es entwickelt hat, was es kann, und welche Hardware und Daten dahinterstecken.

DeepSeek-V4 went live in preview on April 24, 2026 in Pro and Flash variants with API access and open weights under MIT. V4 Pro is a 1.6-trillion-parameter mixture-of-experts activating 49B per token, pairing MoE with sparse attention for a 1M-token context — and posting 80.6% on SWE-bench Verified (as reported in launch coverage), frontier-class coding from an open model. It extends the V3/R1 lineage's argument that engineering efficiency, not raw compute access, sets the pace under export controls.

Spezifikationen & wichtige Fakten

Jede Angabe ist mit ihrer Grundlage gekennzeichnet: Herstellerspezifikation, Herstellerangabe, berichtet, Schätzung oder offiziell. „Nicht öffentlich bekannt" bedeutet genau das — wir erfinden keine Werte.

Overview

Architecture MoE + sparse attention; 1.6T total / 49B activeReported
Coding 80.6% SWE-bench VerifiedReported

So hängt das mit dem Rest des Stacks zusammen

Die Verknüpfungen dieses Datensatzes auf einen Blick – klicken Sie auf eine Gruppe, um dorthin zu springen.

Entwickelt von

Benchmarked auf

Basierend auf

Vorgänger von

Quellen

Open-source LLM landscape 2026 (V4 details) ↗ · DeepSeek ↗

Datensatz geprüft am 2026-08-31 — Siehe Methodik.