DeepSeek V4.1 Flash ist günstig: Außerhalb der Spitzenzeiten kostet es $0.15 pro Million Eingabe-Tokens bei einem Cache-Fehlschlag, $0.003 bei einem Cache-Treffer und $0.60 pro Million Ausgabe-Tokens. In den Spitzenzeiten (werktags 01:00-04:00 und 06:00-10:00 UTC) verdoppeln sich alle drei Werte, und die Nebenzeit kostet genau die Hälfte der Spitzenzeit.
Das ist günstiger als das auslaufende DeepSeek V4 Flash und etwa ein Drittel der Stufe V4 Pro. Deshalb stellt DeepSeek V4 Pro ein und leitet den Traffic ab dem 14. September 2026 an V4.1 Flash weiter. Kein kostenloses Kontingent, 1M Kontext und MIT-Gewichte, die Sie selbst hosten können, wenn Sie eine Maschine mit 384GB haben.
Der Haken für Support-Teams ist nicht der Preis. Ich habe genug Jahre damit verbracht, KI auf Live-Support-Warteschlangen einzusetzen, um zu sagen: Die Token-Rechnung ist fast nie die Zahl, auf die es ankommt. Datenhandhabung, Wissen und die Frage, ob Sie getestet haben, bevor ein Kunde es sah, kosten Sie tatsächlich Geld.
DeepSeek V4.1 Flash Preise im Detail
Die folgenden Tarife stammen direkt von der offiziellen Preisseite von DeepSeek, geprüft am 11. September 2026. Alles gilt pro Million Tokens, in USD, und DeepSeek arbeitet mit einem Zeitplan für Spitzen- und Nebenzeiten, bei dem die Nebenzeit genau die Hälfte der Spitzenzeit kostet.
| Posten (pro 1M Tokens) | Nebenzeit | Spitzenzeit |
|---|---|---|
| Eingabe, Cache-Treffer | $0.003 | $0.006 |
| Eingabe, Cache-Fehlschlag | $0.15 | $0.30 |
| Ausgabe | $0.60 | $1.20 |
| Kontextfenster | 1M | 1M |
| Maximale Ausgabe | 384K | 384K |
| Parallelitätslimit | 2,500 | 2,500 |
Sie rufen es in der API als deepseek-flash auf (Modellversion DeepSeek-V4.1-Flash). Das Modell unterstützt Tool-Aufrufe, JSON-Ausgabe, die OpenAI Responses API und einen Endpunkt im Anthropic-Format, und es liest jetzt Bilder nativ, was KI-Agenten-Anwendungsfälle eröffnet, an die das reine Text-Modell V4 Flash nicht herankam. Es gibt kein kostenloses Kontingent: Die Nutzung wird von einem aufgeladenen oder gutgeschriebenen Guthaben abgezogen, wobei gutgeschriebenes Guthaben zuerst verbraucht wird.
Zwei Zahlen verdienen einen genauen Blick. Der Eingabetarif für Cache-Treffer von $0.003 ist fünfzigmal günstiger als der Tarif für Cache-Fehlschläge, sodass alles, was Sie über Anfragen hinweg stabil halten können (ein System-Prompt, ein Wissens-Snippet, ein Tool-Schema), beim erneuten Senden fast nichts kostet. Und die Parallelitätsgrenze von 2,500 ist fünfmal so hoch wie die 500 von V4 Pro, was zählt, sobald Sie das Modell auf einen echten Kundenservice-Workflow statt auf ein Testskript richten.
Der Haken bei Spitzen- und Nebenzeiten und warum er meist hilft
Diesen Teil überspringen die meisten Preisvergleiche. Die Spitzenzeiten von DeepSeek sind 01:00-04:00 und 06:00-10:00 UTC, Montag bis Freitag. Alles andere ist Nebenzeit, zum halben Preis.
Diese Fenster entsprechen den chinesischen Geschäftszeiten. Besteht Ihr Traffic aus einer Support-Warteschlange in den USA oder Europa, fällt der Großteil Ihres Volumens in die Nebenzeit von DeepSeek, sodass Sie meist den niedrigeren Tarif zahlen, ohne etwas Besonderes zu tun. Das ist ein echter Rückenwind für den Aufbau einer westlichen KI-Kundenservice-Software.
Es ist aber auch etwas fragil und sollte demjenigen gesagt werden, der das Budget freigibt. Ihr effektiver Tarif hängt von der Uhrzeit ab, nicht nur von Ihrer Nutzung, daher kostet ein Batch-Job, den Sie auf 08:00 UTC legen, das Doppelte dessen, was derselbe Job um 14:00 kostet. Wenn Sie nächtliche Batches fahren oder europäische Mitarbeiter früh online sind, rutscht ein Teil Ihres Traffics in die Spitzenzeit. Modellieren Sie den Mix und nehmen Sie nicht für jedes Token den Nebenzeit-Tarif an.
Reasoning-Tokens: die Kosten, die nicht auf der Preiskarte stehen
Der Ausgabetarif in der Schlagzeile beträgt $0.60 pro Million außerhalb der Spitzenzeiten. Die Falle ist, dass bei DeepSeek V4.1 Flash der Denkmodus standardmäßig aktiviert ist und jedes erzeugte Reasoning-Token zum selben Ausgabetarif abgerechnet wird.
DeepSeek stellt den Reasoning-Aufwand als kontinuierlichen Regler von 1 bis 100 bereit (die API-Voreinstellungen sind low, high und max). Drehen Sie ihn hoch, steigt die Antwortqualität, aber auch die Zahl der Tokens, die verbrannt werden, bevor Sie überhaupt eine Antwort sehen. Eine Anfrage, die eine Antwort mit 200 Tokens liefert, kann mehrere tausend Tokens verborgenes Reasoning erzeugt haben, und Sie bezahlen sie alle. Unabhängige Tester bemängelten außerdem das frühere Flash als wortreich, die Sorge ist also nicht theoretisch.
Die praktische Erkenntnis für ein Kostenmodell: Multiplizieren Sie Ihre erwartete Antwortlänge nicht mit $0.60 und halten Sie damit alles für erledigt. Wenn Sie einen Ablauf zur Tier-1-Entlastung betreiben, bei dem die meisten Tickets kaum Reasoning brauchen, halten Sie den Aufwand niedrig, und die echte Rechnung bleibt nahe an der Schlagzeile. Drehen Sie den Aufwand für schwierige Tickets hoch, kann sich Ihr Preis pro Lösung leise um eine Größenordnung verschieben. Aus demselben Grund sind Schätzungen der Chatbot-Kosten, die nur die sichtbare Antwort zählen, meist falsch.
Schätzen Sie Ihre eigene Monatsrechnung
Am klarsten sehen Sie, was das für Sie bedeutet, wenn Sie Ihre eigenen Volumen eintragen. Das Tool rechnet mit den Listenpreisen von DeepSeek und zeigt die Kosten getrennt nach Eingabe und Ausgabe.
Warum V4.1 Flash so günstig ist: die Architektur
Ein so günstiges Modell bedeutet normalerweise ein kleines Modell, doch V4.1 Flash ist ein Mixture-of-Experts mit 552B Parametern, größer als das 284B große V4 Flash, das es ersetzt. Die Preissenkung kommt stattdessen von einem neuen Design.
Das Kernstück ist ein Causal-Encoder-Decoder-Aufbau, der nur 8B Parameter zum Lesen Ihres Prompts und 16B zum Schreiben der Antwort aktiviert, sodass der Großteil der 552B bei jedem Token ungenutzt bleibt. Der andere Hebel ist der Speicher: DeepSeek gibt einen KV-Cache von etwa 890 Bytes pro Token an, rund viermal kleiner als bei V4 Flash und hunderte Male kleiner als bei der ersten Generation. Weniger Speicher pro laufendem Token ermöglicht es DeepSeek, 2,500 gleichzeitige Anfragen zu bedienen und die Einsparungen in die Preisliste weiterzugeben.
Sie brauchen die Interna nicht, um das Modell zu kaufen, aber sie erklären, warum das kein Lockangebot ist, das in drei Monaten neu bepreist wird. Der günstige Preis ist eine Eigenschaft des Designs und damit eine verlässlichere Eingabe für ein Modell der Kosten pro Lösung als ein Aktionstarif.
Die Einstellung von V4 Pro: eine Abrechnungsänderung, die Sie einplanen sollten
Der meistdiskutierte Teil dieses Launches ist nicht der Preis, sondern was DeepSeek damit macht. Weil V4.1 Flash das teurere V4 Pro erreicht oder übertrifft, stellt DeepSeek V4 Pro ein: Ab dem 14. September 2026 werden alle Anfragen an deepseek-v4-pro an V4.1 Flash weitergeleitet und zu Flash-Tarifen abgerechnet, bis ein künftiges V4.1 Pro erscheint.
Auf der Rechnung ist das eine gute Nachricht: Eine Anfrage, die bei V4 Pro $1.98 für die Ausgabe kostete, kostet jetzt $0.60. Bei der Zuverlässigkeit verunsicherte es Entwickler, weil sich Ihr festgelegtes Modell unter einem validierten Workflow still verändert:
"If I'd carefully tested and optimized prompts against Pro I wouldn't be keen on this particular news. I feel like API model providers should lean towards not swapping out models on their paying customers, no matter how much 'better' the new model is meant to be."
Das faire Gegenargument ist, dass DeepSeek die offenen Gewichte jedes Modells veröffentlicht, sodass jeder, der eine eingefrorene Version braucht, sie selbst festschreiben kann. So oder so: Wenn Sie einen Produktions-Flow auf deepseek-v4-pro haben, behandeln Sie den 14. September als echtes Änderungsdatum und testen Sie erneut auf V4.1 Flash, bevor es zu Ihrem Standard wird, mit derselben Sorgfalt wie bei jeder Arbeit zur Zuverlässigkeit von KI-Agenten.
Wie es preislich im Vergleich abschneidet
Gegenüber der eigenen Produktpalette von DeepSeek ist V4.1 Flash die günstigste leistungsfähige Option, und es ist der Grund, warum das ältere DeepSeek V4 Flash und V4 Pro beide darin aufgehen. Gegenüber dem breiteren Markt ist der interessante Vergleich die günstige Stufe von Google, Gemini 3 Flash. Community-Mitglieder, die beide ausprobiert haben, waren deutlich:
"The direct competition is Gemini Flash, and these models are much better on agentic tasks with fraction of the task price compared to Gemini... 20-30% of the price per task. And especially Deepseek Flash produces better quality than Gemini does."
Das passt zur Karte der Gemini-Preise und zum allgemeinen Bild des Marktes: DeepSeek setzt weiter die Untergrenze.
Wenn Sie gerade Engines für einen Support-Aufbau vergleichen, gehen unsere Beiträge zu DeepSeek V4 Flash vs GPT-5.6 und Claude vs Gemini die Abwägungen jenseits des Preises durch. Und wenn Sie eine vom Anbieter gebaute Option statt reiner Tokens bepreisen, ist Decagons Kostenmodell ein nützlicher Referenzpunkt.
Der Haken, den niemand einpreist: Das ist ein Modell, kein Support-Agent
Hier muss ich ehrlich sagen, was der Preis kauft und was nicht. Die Preisliste gilt für ein rohes Modell. Ein rohes Modell auf Kundentickets zu richten ist nicht dasselbe wie ein funktionierender KI-Helpdesk, und es ist auch Welten von einem alten regelbasierten Chatbot entfernt. In der Lücke zwischen Modell und Produkt liegt das echte Geld.
Erstens die Datenfrage. Die Bedingungen der bezahlten API von DeepSeek schweigen dazu, ob Ihre Eingaben das Modell trainieren, es gibt keine veröffentlichte Option ohne Datenspeicherung und keinen Auftragsverarbeitungsvertrag, und Anfragen werden in der VR China verarbeitet. Für eine Warteschlange voller Kundennamen, Bestellnummern und persönlicher Angaben ist das ein Compliance-Gespräch, das Sie führen sollten, bevor Sie ein einziges echtes Ticket senden, nicht danach. Wenn das Ihre Welt ist, ist unsere Einführung zu SOC 2 und DSGVO für Support-Chatbots der richtige Einstieg.
Zweitens, und größer: Die Token-Kosten sind ein Rundungsfehler neben den Kosten einer falsch umgesetzten Support-Automatisierung. Ein Modell, das auf eine Erstattungsfrage selbstsicher falsch antwortet, spart kein Geld, es schafft einen verärgerten Kunden und manuelle Aufräumarbeit. Nach Jahren mit KI in Live-Warteschlangen ist das Muster immer dasselbe: Das Modell für $0.60 pro Million macht 2 % der Arbeit aus, die anderen 98 % sind Unternehmenswissen, Eskalationsregeln, echte Aktionen in Ihrem Helpdesk und Tests gegen Ihre eigene Historie vor dem Go-live. Deshalb zählen auch Ihre Support-Kennzahlen und nicht der Token-Zähler. Darum muss jeder seriöse Kostenvergleich zwischen KI-Agent und Mensch über den API-Zähler hinausblicken.
eesel ausprobieren
DeepSeek V4.1 Flash ist eine fantastische Engine, und mit $0.15 für die Eingabe und $0.60 für die Ausgabe gehört es zu den günstigsten leistungsfähigen Engines am Markt. Aber eine Engine ist kein Mitarbeiter. eesel ist eine Plattform für KI-Teamkollegen: Statt eines rohen Modells, das Sie mit Wissen, Leitplanken und Integrationen umgeben müssen, stellen Sie einen einsatzbereiten Teamkollegen für eine bestimmte Aufgabe ein. Der KI-Helpdesk-Teamkollege steigt in Ihre bestehende Warteschlange ein, lernt aus Ihren vergangenen Tickets und Ihrem Help Center und weiß, wann er an einen Menschen übergeben muss. Welches Modell darunter läuft, ist also ein Detail, um das Sie sich nicht kümmern müssen.
Weil ein Beitrag zu DeepSeek-Preisen gern Leute anzieht, die im Terminal leben, ein Hinweis: eesel ist nicht nur ein Dashboard. Es liefert eine echte Kommandozeilenschnittstelle, @eesel/cli, und jeder Workspace ist zugleich ein MCP-Server. Ein Mensch kann denselben Teamkollegen vom Terminal aus steuern, Skripte können ihn in der CI automatisieren, und Coding-Agenten wie Claude Code oder Cursor können ihn direkt bedienen. Sie können eine Integration verbinden, die Standardanweisungen bearbeiten, eine Simulation gegen Ihre echte Ticket-Historie laufen lassen und jeden Lauf mit eesel activity prüfen, alles ohne einen Browser zu öffnen.
Das ist der API-first-Weg, Support zu betreiben, derselbe terminalnahe Workflow, mit dem Sie Agenten über die Kommandozeile verwalten würden, und er ist in den eesel-CLI-Docs vollständig dokumentiert.
Beim Preis ist eesel ein fester Monatspreis ab $299/Monat für 500 Credits (1 Credit pro Ticket oder Chat), ohne Gebühr pro Platz, und es gibt einen kostenlosen Plan mit 100 Credits. Wenn Sie mit einem günstigen Modell die Support-Kosten senken wollen, würde ich auf keinen Fall die Simulation überspringen: Testen Sie eesel und sehen Sie die echte Lösungsqualität bei Ihren eigenen Tickets, bevor Sie sich auf irgendein Modell festlegen, DeepSeek eingeschlossen.
Häufig gestellte Fragen
Was kostet DeepSeek V4.1 Flash?
Über die First-Party-API kostet DeepSeek V4.1 Flash außerhalb der Spitzenzeiten $0.15 pro Million Eingabe-Tokens bei einem Cache-Fehlschlag, $0.003 bei einem Cache-Treffer und $0.60 pro Million Ausgabe-Tokens. In den Spitzenzeiten verdoppelt sich jeder dieser Werte. Damit sind die Preise von DeepSeek V4.1 Flash niedriger als die Preise von DeepSeek V4 Flash, das ausläuft, und liegen bei etwa einem Drittel der auslaufenden Stufe V4 Pro.
Was sind die Spitzen- und Nebenzeiten von DeepSeek?
Die Spitzenzeiten sind werktags 01:00-04:00 und 06:00-10:00 UTC, und die Tarife außerhalb der Spitzenzeiten betragen genau die Hälfte. Da diese Zeitfenster mit den chinesischen Geschäftszeiten zusammenfallen, wird eine Support-Warteschlange in den USA oder Europa meist zum günstigeren Nebenzeit-Tarif abgerechnet. Das ist eine echte Ersparnis, die still und leise von der Uhrzeit abhängt.
Ist DeepSeek V4.1 Flash günstiger als DeepSeek V4 Pro?
Ja, und zwar deutlich. Bei V4 Pro kostet die Eingabe bei Cache-Fehlschlag außerhalb der Spitzenzeiten $0.66 und die Ausgabe $1.98, bei V4.1 Flash dagegen $0.15 und $0.60. DeepSeek stellt V4 Pro ein, weil das neuere, günstigere Modell es erreicht oder übertrifft. Daher werden ab dem 14. September 2026 alte Aufrufe von deepseek-v4-pro zu Flash-Tarifen an V4.1 Flash weitergeleitet.
Hat DeepSeek V4.1 Flash ein kostenloses Kontingent?
Auf der Preisseite wird kein kostenloses Kontingent beworben. Die Nutzung wird von Ihrem aufgeladenen oder gutgeschriebenen Guthaben abgezogen, wobei gutgeschriebenes Guthaben zuerst verbraucht wird. Wenn Sie eine Support-KI ausprobieren möchten, ohne dass ein Kreditkartenzähler läuft, bietet ein KI-Helpdesk-Teamkollege wie eesel einen kostenlosen Plan mit 100 Credits und ohne Karte.
Wie wirken sich Reasoning-Tokens auf die Preise von DeepSeek V4.1 Flash aus?
Der Denkmodus ist standardmäßig aktiviert, und die vom Modell erzeugten Reasoning-Tokens werden zum Ausgabetarif abgerechnet. Eine hohe Reasoning-Einstellung kann Ihre tatsächlichen Kosten pro Anfrage also still vervielfachen, obwohl die Schlagzeile von $0.60 für die Ausgabe unverändert bleibt. Wenn Sie die Kosten für einen Workload zur Tier-1-Entlastung kalkulieren, planen Sie die Denk-Tokens ein, nicht nur die Antwort.
Sind die Preise von DeepSeek V4.1 Flash gut für den Kundensupport?
Der reine Token-Preis ist hervorragend, aber die Token-Kosten sind nur ein kleiner Teil dessen, was ein Support-Bot im Betrieb wirklich kostet. Die größeren Fragen sind der Umgang mit Daten (die Bedingungen von DeepSeek schweigen zur Nutzung für Trainingszwecke und Daten werden in der VR China verarbeitet) und ob das Modell überhaupt mit Ihrem Wissen und Ihrem Helpdesk verbunden ist. Mehr dazu in unserem Beitrag zu den Kosten pro Lösung.
Kann ich DeepSeek V4.1 Flash selbst hosten, um API-Kosten zu vermeiden?
Ja, die Gewichte stehen unter MIT-Lizenz auf Hugging Face. Der Haken ist die Hardware: Mit 552B Parametern braucht das Modell rund 384GB Speicher, daher lohnt sich Selbsthosting nur bei hohem Volumen. Für kleinere Setups vergleichen Sie Open-Source-Chatbot-Plattformen, die auf kleinere Maschinen passen.