DeepSeek V4.1 Flash 1017: 30/30 Code-Aufgaben ohne Thinking gelöst

Mit deaktiviertem Thinking löste DeepSeek V4.1 Flash 1017 alle 30 unserer kleinen Programmieraufgaben, bei denen Code geändert und getestet werden musste. Die Kosten lagen bei $0.0042 pro gelöster Aufgabe, 36% unter dem Standardmodus ($0.0066). Selbst ohne Tool zum Ausführen der Tests löste das Modell noch 28 von 30 Aufgaben. Bei einer anderen Art von Arbeit scheiterte es ohne Thinking: Fragen, deren Antwort in einer einzigen Ausgabe berechnet werden muss, etwa Zählprobleme mit Nebenbedingungen. Hier waren nur 11 von 39 Antworten richtig. Thinking bezeichnet die verborgenen Denkschritte vor der Antwort; sie werden als Ausgabe-Tokens abgerechnet. Der Request-Parameter reasoning_effort steuert den Umfang (low, standardmäßig high oder max), thinking: {"type": "disabled"} schaltet Thinking ab. Wir haben alle Einstellungen zwei Tage nach der Veröffentlichung vom 17. Oktober getestet, zum DeepSeek-Listenpreis in Spitzenzeiten: $0.30 pro Million Eingabe-Tokens und $1.20 pro Million Ausgabe-Tokens.

TL;DR

• DeepSeek V4.1 Flash 1017 kostet in Spitzenzeiten $0.30/$1.20 pro Million Tokens, außerhalb davon die Hälfte. Der Spitzentarif gilt für 35 der 168 Wochenstunden.
• Bei kleinen Programmieraufgaben im Agentenbetrieb löste DeepSeek V4.1 Flash 1017 mit jeder Einstellung 30 von 30 Aufgaben: für jeweils $0.0042 ohne Thinking, $0.0066 mit dem Standardwert high und $0.0099 mit max.
• Bei 13 Denkaufgaben mit jeweils einer Anfrage erreichte das Modell ohne Thinking 11 von 39 richtigen Antworten, mit jeder Thinking-Stufe 39 von 39.
• DeepSeek V4.1 Flash 1017 fand eine versteckte Information an drei Positionen in einem Prompt mit 1,001,531 Tokens.

Was hat sich am 17. Oktober geändert, und was kostet 1017?

DeepSeek V4.1 Flash 1017 hat auf der DeepSeek-API das im September veröffentlichte V4.1 Flash zum gleichen Preis ersetzt. Laut DeepSeeks Versionshinweisen erledigt es Aufgaben schneller und erzeugt kürzere Ausgaben als die Vorgängerversion. Eine Grafik stellt die Erfolgsquote bei DeepSWE v1.1, dem Beheben von Fehlern in echten Code-Repositories, den Kosten pro Aufgabe gegenüber. Die Verbesserungen bei der durchgängigen Projektarbeit führt DeepSeek auf „Reinforcement Learning mit Selbstfeedback“ zurück. Die Modellgewichte sind offen verfügbar: Sie lassen sich von Hugging Face herunterladen und selbst betreiben. Für den Einsatz sind Modellname, Preise, Tarifzeiten und Tokenizer relevant:

• Auf der DeepSeek-API steckt hinter dem bisherigen Modellnamen jetzt ein anderes Modell. Die DeepSeek-ID lautet deepseek-flash. Laut Preisseite werden auch die bisherigen Namen deepseek-v4-flash und deepseek-v4-flash-vision-exp jetzt von 1017 bedient. Wer DeepSeek direkt aufruft, nutzt also auch ohne Codeänderung ein neues Modell und sollte seine Evaluationen erneut ausführen. Synthorai hat die alten Modell-IDs bei den alten Versionen belassen, wie im letzten Abschnitt beschrieben.
• Der Preis ist unverändert. Alle Preise gelten in Dollar pro Million Tokens. Ein Cache-Treffer betrifft Eingaben, die der Server bereits aus einer früheren Anfrage kennt, etwa einen wiederholten System-Prompt:

• Der günstigere Tarif gilt den größten Teil der Woche. Spitzenzeiten sind werktags von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC (09:00 bis 12:00 und 14:00 bis 18:00 Uhr Pekinger Zeit). An Wochenenden und chinesischen Feiertagen gilt ganztägig der Nebentarif.
• Der Tokenizer ist unverändert. Dieselben Beispiele mit englischem und chinesischem Text, Python und JSON ergaben bei 1017, dem V4.1 Flash vom September und V4 Pro identische Token-Zahlen. Bestehende Token-Budgets bleiben damit gültig.

Auf der Artificial-Analysis-Rangliste (Stand: 19. Oktober) erreicht 1017 mit der höchsten Einstellung 45.1 Punkte, die September-Version 39.5. Der Index umfasst von Artificial Analysis selbst ausgeführte Benchmarks zu Agenten, Programmierung, Wissen und Naturwissenschaften. DeepSeek hat auf seiner Plattform außerdem Search- und Fetch-APIs freigeschaltet. Sie liefern Suchergebnisse beziehungsweise den Inhalt einer URL und kosten jeweils $0.75 pro 1,000 Aufrufe. Aufrufe aus Claude Code, Codex und DeepSeek Harness mit einem DeepSeek-API-Key sind bis zum 31. Oktober 2026 um 16:00 UTC kostenlos. Diese Konditionen gelten nur für die DeepSeek-API. Weder diese APIs noch die Aussagen zu großen Projekten haben wir getestet. Im Rest dieses Beitrags messen wir ausschließlich 1017 mit den verschiedenen Thinking-Einstellungen.

Welche Thinking-Stufe eignet sich für Denkaufgaben mit nur einer Anfrage?

Für unsere Aufgaben reicht low; ganz ohne Thinking geht es nicht. 1017 bearbeitete unseren Standardsatz aus 13 Aufgaben: Zählen mit Nebenbedingungen, eine 200-mal anzuwendende Regel, ein Rucksackproblem, modulare Arithmetik und ähnliche Probleme mit einer überprüfbaren Antwort. Pro Aufgabe und Einstellung gab es drei Durchläufe mit jeweils einer Anfrage. Die Kosten pro richtiger Antwort ergeben sich aus den Gesamtkosten geteilt durch die Zahl richtiger Antworten, zum Listenpreis in Spitzenzeiten:

Ohne Thinking waren 28 von 39 Antworten falsch. 17 dieser falschen Antworten bestanden nur aus einer Zahl mit höchstens fünf Tokens, ohne Rechenweg. Mit jeder Thinking-Stufe waren sämtliche Antworten richtig. Die Stufen unterschieden sich also nur darin, wie viel sie schrieben.

Mit max fiel die Ausgabe bei 12 der 13 Aufgaben länger aus als mit low; insgesamt entstanden 1.96-mal so viele Ausgabe-Tokens. Wir haben das mit einem Vorzeichentest geprüft. Er zählt, bei wie vielen Aufgaben eine Einstellung mehr Text erzeugt. Zusätzlich haben wir eine Holm-Korrektur für fünf gleichzeitig durchgeführte Vergleiche angewendet. Der Unterschied bleibt signifikant (p = 0.002). high erzeugte 1.51-mal so viele Tokens wie low und war bei 11 von 13 Aufgaben länger. Nach der Korrektur ist das aber nur eine Tendenz, kein statistisch belegter Unterschied (p = 0.09). Ohne Angabe von reasoning_effort, laut DeepSeek ebenfalls high, lag die Token-Zahl 14% unter dem Durchlauf mit explizitem high. Das zeigt, wie stark zwei identisch konfigurierte Durchläufe schwanken können.

Die beiden Steuerungsmöglichkeiten und die Felder der Antwort, aus denen unsere Messwerte stammen:

import os
from openai import OpenAI

client = OpenAI(base_url="https://synthorai.io/v1", api_key=os.environ["SYNTHORAI_API_KEY"])
prompt = "How many positive integers below 1000 are divisible by 3 or 5 but not by 15?"
resp = client.chat.completions.create(
    model="deepseek-v4.1-flash-1017",
    messages=[{"role": "user", "content": prompt}],
    reasoning_effort="low",                          # "low" | "high" (default) | "max"
    # extra_body={"thinking": {"type": "disabled"}}, # thinking off instead
)
u = resp.usage
reasoning = u.completion_tokens_details.reasoning_tokens  # billed as output
cache_hits = u.prompt_tokens_details.cached_tokens         # billed at 2% of the input price
thinking_text = resp.choices[0].message.reasoning_content

Brauchen Programmieragenten Thinking?

Unsere Programmieraufgaben brauchten es nicht, waren allerdings einfach: Jede Einstellung löste 30 von 30 Aufgaben. Am günstigsten waren deaktiviertes Thinking und low. Mit Agentenschleife meinen wir hier, dass das Modell schrittweise Tools aufruft und deren Ergebnisse liest, bis es die Aufgabe für abgeschlossen hält. 1017 bekam ein kleines Python-Paket und drei Aufgaben rund um absichtlich eingebaute Fehler: einen Fehler beim Einlesen von Beträgen beheben, zwei neue Eingabeformate ergänzen sowie eine Überziehungsprüfung und einen Monatsbericht korrigieren. Dazu standen vier Tools bereit: Dateien auflisten, eine Datei lesen, eine Datei schreiben und die sichtbaren Tests ausführen. Ein Durchlauf zählte nur dann als gelöst, wenn die hinterlassenen Dateien auch die versteckten Tests bestanden, die das Modell nie zu sehen bekam. Jede Aufgabe lief pro Einstellung 10-mal mit höchstens 30 Schritten. Der Modellcode wurde in einer isolierten Sandbox ausgeführt. Schritte, Ausgabe-Tokens und Sekunden sind Medianwerte pro Durchlauf. Die Kosten pro gelöster Aufgabe entsprechen den Gesamtkosten geteilt durch die Anzahl gelöster Aufgaben, zum Listenpreis in Spitzenzeiten:

Die Zahl der Schritte änderte sich mit der Stufe kaum. Zugenommen hat der Anteil der Denkschritte pro Schritt: von null bei deaktiviertem Thinking auf 72% der Ausgabe bei max. Wir verglichen die 10 Durchläufe jeder Aufgabe mit einem Mann-Whitney-Test. Er prüft, ob die Kosten einer Einstellung systematisch höher liegen als die der anderen. Über die 12 Vergleiche hinweg haben wir eine Holm-Korrektur angewendet. high kostete bei allen drei Aufgaben mehr als low, um den Faktor 1.24 bis 1.70. max war bei zwei der drei Aufgaben teurer als high. Zwischen deaktiviertem Thinking und low ließ sich kein Unterschied nachweisen.

Die letzten beiden Zeilen dienen als Kontrollversuch: dieselben Aufgaben ohne Tool zum Ausführen der Tests, also ohne Rückmeldung vor der Bewertung. Auch so löste das Modell ohne Thinking 28 von 30 Aufgaben. Der Rückgang ist nicht signifikant (exakter Fisher-Test zum Vergleich zweier Erfolgszahlen, p = 0.49). Testfeedback war hier also keine Voraussetzung für den Erfolg ohne Thinking. Die Aufgaben, an denen das Modell ohne Thinking im Einzeldurchlauf scheiterte, erforderten viele Rechen- oder Suchschritte innerhalb einer Antwort. Bei den Programmieraufgaben musste es dagegen nur wenige Dateien lesen und bearbeiten. Das schaffte 1017 auch ohne Thinking.

Die Aufgaben sind bewusst klein gehalten: wenige Dateien, Fehler, die beim Lesen des Codes auffallen, und weniger als 30 Schritte. Anspruchsvollere Agentenaufgaben, etwa Funktionen über viele Dateien hinweg, lange Debugging-Sitzungen oder eine unbekannte Codebasis, könnten durchaus eine höhere Stufe brauchen. Genau diese Art von Projektarbeit stellt DeepSeek bei 1017 in den Vordergrund. Wir haben sie nicht getestet. Für einfache Aufgaben mit Tools bietet sich als Ausgangspunkt deaktiviertes Thinking oder low an. Bei komplexen Aufgaben oder fehlgeschlagenen Durchläufen ist high der nächste Schritt.

Wenn Thinking aktiviert ist und die Anfrage tools enthält, verlangt DeepSeeks Anleitung zum Thinking-Modus, dass reasoning_content aus jedem vorherigen Assistant-Schritt erneut mitgesendet wird. Andernfalls gibt es laut Dokumentation einen 400-Fehler:

msg = resp.choices[0].message
messages.append({
    "role": "assistant",
    "content": msg.content or "",
    "tool_calls": msg.tool_calls,
    "reasoning_content": msg.reasoning_content,  # required with tools in thinking mode
})

Wie viel sparen Caching und Nebenzeiten?

In unseren Agentendurchläufen senkte Caching die Rechnung um mehr als die Hälfte. Außerhalb der Spitzenzeiten halbiert sich der verbleibende Betrag nochmals. Jeder Schritt einer Agentenschleife sendet den gesamten Gesprächsverlauf erneut. Deshalb entfielen bei den 120 Durchläufen mit Test-Tool 90% der Tokens auf Eingaben. Davon wurden 82% als Cache-Treffer zu 2% des Eingabepreises abgerechnet. Zum Listenpreis in Spitzenzeiten kosteten die 120 Durchläufe $0.75. Ohne Cache-Rabatt hätten dieselben Tokens $1.66 gekostet. Nach dem Caching entfielen 71% der Rechnung auf Ausgaben und 27% auf nicht gecachte Eingaben. Die Thinking-Stufe ist damit der größte verbleibende Hebel für die Kosten eines 1017-Agenten. Zum Nebentarif hätten dieselben Tokens $0.38 gekostet.

Caching läuft auf der DeepSeek-API automatisch. Es gibt weder Gebühren für das Schreiben in den Cache noch muss etwas markiert werden. In unserem Test wurde ein Prompt mit 6,069 Tokens zweimal gesendet. Bei der zweiten Anfrage wurden 6,016 Tokens als Cache-Treffer abgerechnet. Der Anfang des Prompts sollte deshalb stabil bleiben: zuerst System-Prompt und Tool-Definitionen, veränderliche Inhalte ans Ende.

Ist das 1M-Kontextfenster tatsächlich nutzbar?

Für das Auffinden von Informationen ist das gesamte Fenster nutzbar. Wir versteckten einen Satz mit einem siebenstelligen Code in Fülltext aus unterschiedlichen Sätzen und fragten bei deaktiviertem Thinking nach dem Code. Der Satz stand an drei verschiedenen Positionen im Prompt:

Eine Anfrage mit 1.15 Millionen Tokens scheiterte mit HTTP 400. Die Fehlermeldung nannte ein Limit von 1,048,568 Tokens. Zu große Anfragen werden also vor der Verarbeitung abgewiesen und nicht stillschweigend gekürzt. Dieser Test prüft das Auffinden einer einzelnen, ausdrücklich genannten Information. Schlussfolgerungen aus vielen über einen langen Prompt verteilten Fakten wären ein anspruchsvollerer Test, den wir nicht durchgeführt haben.

Welche Einstellung passt zu welcher Aufgabe?

Keine Thinking-Einstellung ersetzt eine Testsuite oder einen Validator, den der Agent ausführen kann. Ohne Test-Tool löste das Modell mit deaktiviertem Thinking zwar noch 28 von 30 Aufgaben, aber die beiden anderen Fehler fielen erst bei der Bewertung auf. Wer deepseek-v4-flash oder deepseek-flash auf der DeepSeek-API aufruft, sollte nach dem 17. Oktober außerdem einen Regressionstest einplanen: Hinter diesen Namen steckt jetzt ein anderes Modell.

So handhabt Synthorai die Umstellung

Auf Synthorai hat 1017 eine eigene Modell-ID: deepseek-v4.1-flash-1017. Damit bestehende Integrationen unverändert funktionieren, haben wir die älteren IDs anders als DeepSeek auf seiner API nicht umgestellt. deepseek-v4.1-flash verweist weiterhin auf das V4.1 Flash vom September. Der Wechsel zu 1017 erfolgt durch Ändern der Modell-ID. Auf /v1/chat/completions gelten die DeepSeek-Listenpreise pro Million Tokens: $0.30 für Eingaben, $1.20 für Ausgaben und $0.006 für Cache-Lesezugriffe. reasoning_effort und thinking: {"type": "disabled"} werden durchgereicht. Bei Aufrufen mit Thinking kommt reasoning_content zurück, Cache-Treffer stehen unter usage.prompt_tokens_details.cached_tokens. Alle Kosten in diesem Beitrag basieren auf DeepSeeks Listenpreis in Spitzenzeiten, sodass sie sich auf die eigenen Ausführungszeiten umrechnen lassen.

FAQ

Ist DeepSeek V4.1 Flash 1017 ein anderes Modell als deepseek-v4-flash?

Auf der DeepSeek-API steckt es inzwischen hinter diesem Namen. Laut DeepSeeks Preisseite werden die bisherigen IDs deepseek-v4-flash und deepseek-v4-flash-vision-exp von DeepSeek V4.1 Flash 1017 bedient und zum Flash-Tarif abgerechnet. Auch deepseek-flash verweist darauf. Das V4.1 Flash vom September ist auf der DeepSeek-API nicht mehr verfügbar; Drittanbieter betreiben seine offenen Modellgewichte aber weiterhin. Auf Synthorai bleiben die alten IDs bei den alten Versionen. 1017 ist dort unter deepseek-v4.1-flash-1017 verfügbar.

Sollte man Thinking bei DeepSeek V4.1 Flash 1017 abschalten?

Für einfache Programmieraufgaben und Aufgaben mit Tool-Nutzung ja: In unserer Agentenschleife löste 1017 ohne Thinking 30 von 30 kleinen Programmieraufgaben für jeweils $0.0042, selbst ohne Test-Tool noch 28 von 30. Bei Fragen, die mehrere Rechen- oder Planungsschritte innerhalb einer einzigen Antwort erfordern, sollte Thinking mit low aktiviert bleiben. Hier erreichte das Modell ohne Thinking 11 von 39 richtigen Antworten, mit low dagegen 39 von 39. Für komplexe Agentenarbeit kommt high infrage; diese haben wir nicht getestet.

Hat DeepSeek V4.1 Flash 1017 wirklich ein Kontextfenster mit 1M Tokens?

Ja: 1017 fand eine versteckte Information bei 10%, 50% und 90% eines Prompts mit 1,001,531 Tokens. Das dauerte etwa 25 Sekunden und kostete zum Listenpreis in Spitzenzeiten $0.30 pro Anfrage. Eine Anfrage mit mehr als 1,048,568 Tokens lieferte HTTP 400.

Verwandte Beiträge: Kosten von DeepSeek V4.1 Flash, DeepSeek V4 Pro: finale Version gegen Vorschau, Thinking-Einstellungen für LLMs, Schreibkosten beim Prompt-Cache, Preisstufen für lange Kontextfenster.

Gemessen am 19. Oktober 2026 über das Synthorai-Gateway mit der Modell-ID deepseek-v4.1-flash-1017: 195 Einzelanfragen (13 Aufgaben, fünf Einstellungen, drei Durchläufe), 180 Agentendurchläufe (drei Aufgaben, sechs Einstellungen einschließlich der beiden ohne Test-Tool, 10 Durchläufe) und 11 Anfragen mit langem Kontext. Kosten zum DeepSeek-Listenpreis in Spitzenzeiten; Zahlen von Artificial Analysis abgerufen am 19. Oktober 2026.

← Zurück zum Blog