DeepSeek leitet sein Spitzenmodell auf ein günstigeres um und berechnet Ihnen den günstigeren Preis

DeepSeek hat die Nutzer seiner API informiert, dass V4.1 Flash am 10. September 2026 erscheint. Die Nachricht ist nicht der Start. Es ist das, was danach kommt: Ab 4:00 UTC, 7:00 Uhr in Riad, wird jede Anfrage an das Flaggschiff V4 Pro an das neue Modell umgeleitet und zum Preis des neuen Modells abgerechnet. Wer heute das stärkste Modell nutzt, zahlt morgen den Preis des schnellsten Modells, ohne eine Zeile seines Systems zu ändern.

Es ist dasselbe Unternehmen, das vor ein paar Monaten seine Preise erhöht und Spitzenzeit-Tarife eingeführt hat. Die Richtung hat sich aus einem Grund umgekehrt: ein Markt, der sich schneller bewegt als jeder Jahresvertrag.

Das sind bis zu 77% weniger für Input und 70% weniger für Output. Die Zahl zählt, aber drei Details der Ankündigung zählen mehr, und sie sind es, die tatsächlich über Ihre Rechnung entscheiden.

Die Zahlen

Die Preise gelten pro einer Million Tokens; ein Token ist die kleinste Texteinheit, die das Modell liest: ein Wort, eine Zahl, ein Satzzeichen. Dies sind Tarife außerhalb der Spitzenzeit; die Spitzentarife sind genau doppelt so hoch.

PostenV4 Pro heuteV4.1 Flash morgenÄnderung
1M Input-Tokens, aus dem Cache gelesen0,022 $0,003 $-86%
1M Input-Tokens, frisch0,66 $0,15 $-77%
1M Output-Tokens1,98 $0,60 $-70%

Wenn Sie heute das reguläre V4 Flash nutzen, ist der Rückgang kleiner, aber real: frischer Input von 0,22 $ auf 0,15 $ und gecachter Input von 0,007 $ auf 0,003 $.

Ihre Spitzenzeiten liegen mitten in Ihrem Arbeitsvormittag

DeepSeek rechnet zu zwei Tarifen ab, Spitzenzeit und Nebenzeit, und der Unterschied beträgt das Doppelte. Die Spitzenzeiten werden in UTC veröffentlicht: 01:00 bis 04:00 und 06:00 bis 10:00 Uhr, Montag bis Freitag.

Rechnet man das in Riader Zeit um, läuft die Spitzenzeit von 04:00 bis 07:00 und von 09:00 bis 13:00 Uhr. Der gesamte saudische Arbeitsvormittag fällt in die Spitzenzeit, zum doppelten Preis. Nach 13:00 Uhr halbiert sich der Tarif bis zum nächsten Morgen.

Die praktische Konsequenz ist unmittelbar. Arbeit, die einem Kunden in Echtzeit antwortet, bleibt, wo sie ist, was immer sie kostet, denn der Kunde wartet nicht. Arbeit, auf die niemand wartet — den Monatsbericht erstellen, ein Nachrichtenarchiv klassifizieren, Daten aus alten Dateien extrahieren, Protokolle zusammenfassen —, kostet die Hälfte, wenn sie nach 13:00 Uhr oder über Nacht läuft, ohne jede weitere Änderung. Die Zeitplanung ist eine betriebliche Entscheidung, keine technische, und hier bewegt sie die Rechnung ebenso stark wie ein Modellwechsel.

Der Cache: ein fünfzigfacher Unterschied

Schauen Sie sich noch einmal die erste Zeile der Tabelle an. Frischer Input kostet 0,15 $. Aus dem Cache gelesener Input kostet 0,003 $. Das ist ein fünfzigfacher Abstand, die größte einzelne Spanne in der gesamten Preisliste, und die am häufigsten übersehene.

Der Cache wirkt auf den Anfang Ihrer Nachricht. Senden Sie bei jeder Anfrage denselben Anfangstext, berechnet DeepSeek ihn einmal zum vollen Preis und liest ihn danach für einen Bruchteil wieder ein. Die meisten realen Systeme schicken bei jedem Aufruf einen großen festen Block mit: die Anweisungen des Assistenten, die Produkt- und Preisliste, die Rückgaberichtlinie, den Tonfall. Nichts davon ändert sich von einem Kunden zum nächsten.

Der Unterschied zwischen einem System, das seinen Prompt ordnet, und einem, das es nicht tut, ist also keine technische Feinheit. Es geht darum, ob der feste Teil einmal berechnet oder bei jeder Nachricht vollständig neu berechnet wird. Die Regel ist einfach: Festes zuerst, Variables zuletzt.

Ein Beispiel. Ein WhatsApp-Assistent, der 3.000 Gespräche im Monat abwickelt, jedes mit 4.000 Input-Tokens und 500 Output-Tokens, kostet zum heutigen V4-Pro-Preis außerhalb der Spitzenzeit etwa 10,89 $ im Monat. Zum morgigen V4.1-Flash-Preis sinkt das auf 2,70 $. Ordnen Sie den Prompt so, dass 80% des Inputs aus dem Cache gelesen werden, sinkt es auf 1,29 $. Das Achtfache zwischen der ersten und der letzten Zahl, und im letzten Schritt hat sich das Modell nicht geändert. Nur die Reihenfolge des Textes.

Die Klausel, die man lesen statt überspringen sollte

Ein Satz in der Mitteilung verdient Aufmerksamkeit: Die weitere Nutzung des Dienstes nach der Tarifänderung gilt als Zustimmung zu den neuen Bedingungen, und wer nicht einverstanden ist, kann kündigen und eine Rückerstattung verlangen.

Das ist Standardformulierung in Verträgen für Cloud-Dienste, und hier ist sie unbedenklich, weil die Änderung den Nutzer begünstigt. Aber das Prinzip ist bemerkenswert: Dieselbe Klausel erlaubt eine Preisänderung in die andere Richtung über denselben Mechanismus. Wenn Sie ein kommerzielles System auf der API eines anderen aufbauen, sind Ihre laufenden Kosten keine feste Zahl im Business Case. Sie sind eine Bedingung, die sich nach Mitteilung ändert.

Die Lehre über DeepSeek hinaus

Es ist dasselbe Muster, über das wir geschrieben haben, als Broadcom das Ausstiegswerkzeug für VMware ohne Ankündigung entfernte: Das, wovon Sie abhängen, ändert sich unter Ihnen, und entscheidend ist, wie schnell Sie reagieren können.

Achten Sie darauf, was mit dem Modellnamen passiert ist. Ein Entwickler, der deepseek-v4-pro in sein System geschrieben hat, wird feststellen, dass seine Anfragen auf Entscheidung des Anbieters woanders landen. Hier fällt das Ergebnis zu seinen Gunsten aus: günstiger, schneller und nach Aussage des Anbieters selbst besser. Aber derselbe Mechanismus ist es, der Ihre Anfragen an einem Tag zu einem anderen Modell verschiebt, an dem die Entscheidung nicht zu Ihren Gunsten ausfällt.

Eine Regel deckt das ab: Verstreuen Sie den Modellnamen nicht über Ihr System. Halten Sie ihn als einen einzigen Konfigurationswert und lassen Sie jeden Aufruf durch eine einzige Schicht in Ihrem Code laufen. Dann ist ein Modellwechsel, oder ein kompletter Anbieterwechsel, eine Änderung in einer Zeile statt eines Projekts. Zu Beginn kostet das nichts, nachträglich Wochen.

Wenn Sie Modelle abwägen, bevor Sie sich festlegen: Wir haben DeepSeek, Claude und GPT danach verglichen, für welche Art von Arbeit sich jedes eignet, statt nach Schlagzeilenzahlen, und dieser Vergleich gilt weiterhin: Sie unterscheiden sich nach Aufgabe, nicht nur nach Preis.

Und der Punkt, der für einen Unternehmer am meisten zählt: Bei diesen Preisen ist das Modell nicht mehr das, was ein Projekt aufhält. Einen Assistenten über Tausende Gespräche im Monat zu betreiben, kostet jetzt weniger als der Kaffee in Ihrem Büro. Über das Ergebnis entscheidet alles rund um das Modell: ob Ihre Daten so geordnet sind, dass es sie lesen kann, ob es tatsächlich an Ihre Systeme angebunden ist oder aus dem Nichts antwortet, und ob Sie wissen, was passiert, wenn es etwas falsch macht.

Wie wir das bei Origami handhaben

In den Systemen, die wir für Kunden bauen, läuft jeder Modellaufruf durch eine einzige Schicht, und der Modellname steht in einer Konfigurationsdatei, statt sich durch den Code zu wiederholen. Wenn sich der Markt verschiebt, und er verschiebt sich etwa monatlich, ist der Wechsel eines Kunden zu einem günstigeren oder genaueren Modell eine Entscheidung, die in Minuten umgesetzt und danach gemessen wird, kein Neubau.

Außerdem behandeln wir die Reihenfolge im Prompt als Designentscheidung und nicht als Detail: der feste Block zuerst, damit er aus dem Cache gelesen wird, der variable Teil zuletzt. Und wir trennen, was eine sofortige Antwort braucht, von dem, was warten kann, sodass Letzteres in den günstigen Stunden läuft. Drei Entscheidungen, die niemand in der Oberfläche sieht, und alle zeigen sich auf der Rechnung.

Quellen