DeepSeek hat etwas geschafft, was nur wenigen KI-Laboren gelingt: Es hat eine technische Architekturentscheidung in eine ausgewachsene Marktstörung verwandelt. Die neuesten Modelle des chinesischen KI-Entwicklers laufen zu einem Bruchteil der Kosten von allem, was OpenAI, Anthropic oder Google derzeit anbieten, und die Lücke wird mit jeder Veröffentlichung größer. Das Verständnis der DeepSeek-KI-Preise ist inzwischen weit über Softwareentwickler hinaus wichtig – es verändert die Erwartungen von Chipherstellern, Cloud-Anbietern und sogar von dezentralen Compute-Netzwerken, die mit Krypto verbunden sind.
Summary
Wichtigste Erkenntnisse
- DeepSeeks R1-Modell wurde im Januar 2025 mit etwa 0,14 $ pro Million Token eingeführt, gegenüber 7,50 $ für das vergleichbare Angebot von OpenAI zu dieser Zeit – eine Preisdifferenz von 98 %.
- Das neuere V4-Pro-Modell, das im April 2026 auf den Markt kam, kostet 0,87 $ pro Million Ausgabe-Token und 0,435 $ pro Million Eingabe-Token, wobei die Preise seit Ende Mai 2026 dauerhaft festgeschrieben sind.
- Die budgetorientierte Variante V4-Flash läuft bei rund 0,14 $ pro Million Token.
- Das Forschungsunternehmen Artificial Analysis stellte fest, dass V4-Flash im Durchschnitt nur 0,03 $ pro Benchmark-Test kostet, weit unter Konkurrenten wie Moonshots Kimi K3 (~0,86 $), OpenAIs GPT-5.6 Sol (~1,86 $) und Anthropics Claude Fable 5 (~3,15 $).
- Die Modelle von DeepSeek basieren auf einer Mixture-of-Experts-Architektur und werden unter der Open-Source-MIT-Lizenz veröffentlicht; das V3-Modell soll Berichten zufolge nur 5,576 Millionen $ an GPU-Mietkosten für das Training verursacht haben.
DeepSeek revolutioniert KI-Preise mit extrem kostengünstigen Modellen
DeepSeeks zentrale Behauptung ist einfach: Seine Modelle liefern eine konkurrenzfähige Leistung, während sie deutlich weniger kosten als alles, was die größten US-Labore anbieten. Diese Behauptung hat sich inzwischen über mehrere Produktzyklen hinweg bewahrheitet und bildet das Fundament der gesamten Unternehmensstrategie.
R1-Modell startet bei 0,14 $ pro Million Token
Als DeepSeeks R1-Modell im Januar 2025 auf den Markt kam, lief es bei etwa 0,14 $ pro Million Token. Das vergleichbare Angebot von OpenAI war damals mit 7,50 $ pro Million Token bepreist – ein Unterschied von rund 98 %. Diese einzelne Preisdifferenz löste einen breiten Ausverkauf von Technologiewerten aus, da Investoren plötzlich infrage stellten, ob führende US-KI-Unternehmen zu viel in Infrastrukturen investierten, die ein Rivale zu einem Bruchteil der Kosten erreicht hatte.
V4-Pro und V4-Flash drücken die Kosten noch weiter
Das Unternehmen hat seitdem nicht nachgelassen. Sein V4-Pro-Modell, das im April 2026 debütierte, bepreist Ausgaben mit 0,87 $ pro Million Token und Eingaben mit 0,435 $ pro Million Token – eine Reduktion, die das Unternehmen als 34-mal günstiger als führende Konkurrenten beschreibt. DeepSeek hat diese V4-Pro-Preise seit Ende Mai 2026 dauerhaft festgeschrieben und bietet Entwicklern damit eine Preissicherheit, die in einem Markt, in dem KI-Anbieter ihre Tarife häufig anpassen, selten ist.
Unterhalb von V4-Pro ist V4-Flash angesiedelt, das gezielt auf kostenbewusste Workloads abzielt und bei rund 0,14 $ pro Million Token liegt – ein Wert, von dem DeepSeek behauptet, er sei 35-mal günstiger als GPT-5.5-Alternativen. Am oberen Ende der Produktpalette läuft das V4-Pro-Max-Modell bei etwa 2,17 $ pro Million Token und liegt damit immer noch deutlich unter den Preisen, die vergleichbare Flaggschiff-Modelle aus US-Laboren typischerweise verlangen.
Artificial Analysis, ein Forschungsunternehmen, das Benchmarks für KI-Systeme eher nach Aufgaben als nach reinen Tokenpreisen erstellt, maß die durchschnittlichen Kosten von V4-Flash pro Benchmark-Test auf nur 0,03 $. Zum Vergleich setzte das Unternehmen Moonshot AIs Kimi K3 bei rund 0,86 $ pro Test an, OpenAIs GPT-5.6 Sol bei etwa 1,86 $ und Anthropics Claude Fable 5 bei 3,15 $. Diese benchmarkbasierte Messgröße ist wichtig, weil sie berücksichtigt, wie viel Rechenleistung ein Modell tatsächlich benötigt, um eine Aufgabe zu erledigen, und nicht nur seinen Listenpreis pro Token – und nach diesem Maßstab wirkt DeepSeeks Vorteil noch größer, als es die Schlagzeilenzahlen vermuten lassen.
Bei der Leistung sind die Kompromisse sichtbar, aber nicht dramatisch. Artificial Analysis bewertete V4-Flash mit 50 von 100 Punkten auf seinem Intelligence Index, was Googles Gemini 3.6 Flash entspricht, aber hinter Moonshots Kimi K3 zurückbleibt, das 57 Punkte erzielte. Anthropics Claude Opus 5, Claude Fable 5 und OpenAIs GPT-5.6 lagen alle mindestens neun Punkte höher. DeepSeeks leistungsfähigeres V4-Pro-Modell wiederum erzielt Benchmarks, die mit Claude Opus 4.6 und GPT-5.5 konkurrieren, zwei der derzeit leistungsstärksten Modelle auf dem Markt.
Die Technologie hinter DeepSeeks Kostenvorteil
DeepSeeks Preisgestaltung ist kein Subventionsmanöver – sie ist das direkte Ergebnis einer Architekturentscheidung, die verändert, wie viel Rechenleistung jede einzelne Anfrage tatsächlich verbraucht.
Mixture-of-Experts-Architektur reduziert Rechenaufwand pro Anfrage
Das Unternehmen baut seine Modelle rund um einen Mixture-of-Experts– oder MoE-Ansatz auf. Anstatt bei jeder einzelnen Anfrage alle Parameter des Modells zu aktivieren, leiten MoE-Architekturen jede Anfrage nur an die relevanteste Teilmenge der Expertise des Modells weiter. Weniger Rechenaufwand pro Anfrage führt direkt zu niedrigeren Kosten pro Anfrage – der Mechanismus hinter nahezu jeder Preissenkung, die DeepSeek angekündigt hat.
Trainingskosten und Open-Source-Lizenzierung
Die Einsparungen gehen über den Betrieb der Modelle hinaus. DeepSeeks früheres V3-Modell soll Berichten zufolge etwa 5,576 Millionen $ an GPU-Mietkosten für das Training gekostet haben – eine Zahl, die von den Hunderten Millionen, manchmal Milliarden, die US-basierte Labore in einzelne Trainingsläufe gesteckt haben, weit übertroffen wird. Darüber hinaus veröffentlicht DeepSeek seine Modelle vollständig Open Source unter der MIT-Lizenz, was bedeutet, dass Entwickler sie bereitstellen, modifizieren oder darauf aufbauen können, ohne überhaupt Lizenzgebühren zu zahlen.
Diese Kombination – eine günstigere Architektur, geringere Trainingskosten und kostenlose Lizenzierung – ist der Grund, warum DeepSeeks Ansatz zu dezentralen KI-Kosten weiterhin die Aufmerksamkeit von Entwicklern auf sich zieht, die sich zuvor Experimente mit Modellen der Spitzenklasse nicht leisten konnten.
Markt- und Branchenwirkung von DeepSeeks kostengünstiger KI
Die unmittelbarste Schockwelle traf die Hardwaremärkte. Bereits im Januar 2025 verzeichnete Nvidias Aktie deutliche Rückgänge, als Investoren ihre Erwartungen an die künftige Nachfrage nach High-End-Compute-Hardware neu kalibrierten – in der Überlegung, dass die Branche möglicherweise deutlich weniger teure Chips benötigen könnte als bisher angenommen, wenn ein so günstiges Modell westliche Angebote erreichen kann.
Warum das für die Chipnachfrage und KI-Infrastruktur wichtig ist
Diese Reaktion verdeutlicht eine breitere Spannung, die die KI-Branche nun prägt: Günstigere Modelle bedeuten nicht unbedingt eine geringere Gesamtnachfrage nach Rechenleistung, aber sie erzwingen ein Umdenken darüber, wie viel Käufer bereit sind, für marginale Leistungsgewinne bei Premium-Hardware zu zahlen. Es ist eine Dynamik, die sich bei Chipherstellern und Cloud-Anbietern jedes Mal bemerkbar macht, wenn ein neues kostengünstiges Modell auf den Markt kommt.
Was günstigere KI für dezentrale Rechenleistung und Krypto bedeutet
Für den Kryptosektor ist die wirtschaftliche Verschiebung möglicherweise noch folgenreicher als die Reaktion an den Aktienmärkten. Dezentrale KI-Projekte hatten historisch Schwierigkeiten, mit zentralisierten Cloud-Anbietern bei den Inferenzkosten zu konkurrieren. Wenn der Betrieb eines Modells 7,50 $ pro Million Token kostet, können dezentrale Netzwerke die Skaleneffekte großer Cloud-Betreiber schlicht nicht erreichen. Bei 0,14 $ pro Million Token ändert sich diese Rechnung erheblich.
DePIN-Netzwerke, die sich auf GPU-Compute-Krypto-Infrastruktur konzentrieren – Projekte wie Render, Akash und io.net – könnten dadurch eine Verschiebung ihres Wertversprechens erleben. Günstigere KI reduziert die Prämie, die Nutzer bereit sind, für reine Rechenleistung zu zahlen, aber sie
erweitert auch den Kreis potenzieller Kunden, indem sie es ermöglicht, dass von künstlicher Intelligenz gesteuerte Anwendungen ein deutlich breiteres Spektrum von Anwendungsfällen bedienen
als zuvor. Mit anderen Worten: Niedrigere Preise könnten die Margen bei einzelnen Compute-Jobs schmälern, während sie gleichzeitig den gesamten Nachfragesockel vergrößern, den diese Netzwerke bedienen können.
DeepSeek agiert dabei nicht im luftleeren Raum. Das Unternehmen sieht sich inzwischen wachsender Konkurrenz durch andere chinesische KI-Entwickler gegenüber, darunter Moonshot AI, MiniMax und Z.AI, die alle darum wetteifern, Unternehmen anzuziehen, die erschwingliche KI-Systeme suchen, die sich im großen Maßstab einsetzen lassen. Dieser Wettbewerbsdruck dürfte die Preise branchenweit weiter nach unten treiben und damit den Trend verstärken, der die Schnittstelle von KI, Krypto und dezentraler Rechenleistung neu gestaltet.
FAQ
Wie erreicht DeepSeek deutlich niedrigere Betriebskosten für KI-Modelle als Wettbewerber?
DeepSeek verwendet eine Mixture-of-Experts-Architektur, die für jede Anfrage nur die relevante Teilmenge der Modellparameter aktiviert, den erforderlichen Rechenaufwand reduziert und die Kosten pro Anfrage senkt.
Welche Auswirkungen hatten DeepSeeks Preise auf den KI-Hardwaremarkt?
Nvidias Aktie ging nach der Einführung von DeepSeeks kostengünstigem Modell im Januar 2025 deutlich zurück, da die Nachricht Investoren dazu veranlasste, ihre Erwartungen an die Nachfrage nach High-End-Compute-Hardware neu zu kalibrieren.
Warum ist DeepSeeks Open-Source-Lizenz wichtig?
Die Modelle von DeepSeek werden unter der MIT-Lizenz veröffentlicht, was eine kostenlose Bereitstellung und Modifikation ohne Lizenzgebühren ermöglicht und so eine breitere Akzeptanz und Innovation unter Entwicklern fördert.
Wie könnte DeepSeeks Preisgestaltung dezentrale KI- und Kryptoprojekte beeinflussen?
Niedrigere KI-Inferenzkosten verbessern die wirtschaftliche Tragfähigkeit dezentraler GPU-Compute-Netzwerke und machen es praktikabler, KI-gestützte Anwendungen auf Blockchain- und DePIN-Plattformen wie Render, Akash und io.net zu entwickeln.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Wie erreicht DeepSeek deutlich niedrigere Betriebskosten für KI-Modelle als Wettbewerber?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“DeepSeek verwendet eine Mixture-of-Experts-Architektur, die für jede Anfrage nur die relevante Teilmenge der Modellparameter aktiviert, den erforderlichen Rechenaufwand reduziert und die Kosten pro Anfrage senkt.“}},{„@type“:“Question“,“name“:“Welche Auswirkungen hatten DeepSeeks Preise auf den KI-Hardwaremarkt?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Nvidias Aktie ging nach der Einführung von DeepSeeks kostengünstigem Modell im Januar 2025 deutlich zurück, da die Nachricht Investoren dazu veranlasste, ihre Erwartungen an die Nachfrage nach High-End-Compute-Hardware neu zu kalibrieren.“}},{„@type“:“Question“,“name“:“Warum ist DeepSeeks Open-Source-Lizenz wichtig?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die Modelle von DeepSeek werden unter der MIT-Lizenz veröffentlicht, was eine kostenlose Bereitstellung und Modifikation ohne Lizenzgebühren ermöglicht und so eine breitere Akzeptanz und Innovation unter Entwicklern fördert.“}},{„@type“:“Question“,“name“:“Wie könnte DeepSeeks Preisgestaltung dezentrale KI- und Kryptoprojekte beeinflussen?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Niedrigere KI-Inferenzkosten verbessern die wirtschaftliche Tragfähigkeit dezentraler GPU-Compute-Netzwerke und machen es praktikabler, KI-gestützte Anwendungen auf Blockchain- und DePIN-Plattformen wie Render, Akash und io.net zu entwickeln.“}}]}
Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.
