DeepSeek V4 Pro
Hält mit 80,6 % auf SWE-bench Verified das stärkste veröffentlichte Coding-Ergebnis unter den offenen Modellen.
- Denkleistung 7,8
- Programmieren 8,6
- Agentik 8,0
- Tempo 7,0
- Preis-Leistung 9,6
Gewichtung: Denkleistung 30 % · Programmieren 25 % · Agentik 25 % · Tempo 10 % · Preis-Leistung 10 %
Zum Preis: Open Weights: selbst hostbar; API-Preise je nach Anbieter, traditionell sehr niedrig.
Worum es geht
DeepSeek V4 Pro ist das Coding-Schwergewicht der offenen Modelle: 80,6 % auf SWE-bench Verified sind das beste veröffentlichte Ergebnis dieser Kategorie und liegen im Bereich der proprietären Spitzenklasse.
Auf dem breiter angelegten Intelligence Index landet es mit 36 Punkten deutlich hinter GLM-5.3 und Kimi K3 - das Modell ist also spezialisiert stark, nicht durchgängig. Für reine Programmieraufgaben ist es trotzdem eine der besten offenen Optionen.
Die Architektur mit spärlicher Attention teilt es sich mit dem kleineren V4 Flash, das denselben Ansatz bei erheblich kleinerem Speicherbedarf umsetzt.
Neu in dieser Version
Gegenüber dem Vorgänger DeepSeek V3.2:
-
Spärliche Attention
Neue Architektur, die den Speicherbedarf bei langem Kontext deutlich senkt - Grundlage auch für die kleinere Flash-Variante.
-
Spitzenwert bei SWE-bench Verified
80,6 % - der höchste bislang veröffentlichte Wert eines Modells mit offenen Gewichten.
Stärken und Schwächen
Dafür spricht
- Bestes veröffentlichtes Open-Weights-Ergebnis auf SWE-bench Verified (80,6 %)
- Sehr günstig im Betrieb
- Spärliche Attention senkt den Speicherbedarf
Das schränkt ein
- Auf dem breiten Intelligence Index nur 36 Punkte - außerhalb des Codings deutlich schwächer
- Kein Bildverstehen
Benchmarks
| Benchmark | Ergebnis | Einordnung |
|---|---|---|
| SWE-bench Verified | 80,6 % | bester veröffentlichter Open-Weights-Wert |
| Artificial Analysis Intelligence Index | 36 | – |
Benchmark-Werte stammen von den Anbietern oder unabhängigen Auswertungen und sind untereinander nur bedingt vergleichbar.