DeepSeek-API-Preise (2026): Kosten pro 1 Mio. Tokens für jedes Modell

Die DeepSeek-API-Preise beginnen bei 0,14 USD pro 1 Mio. Eingabetokens für DeepSeek V4-Flash – etwa
ein Sechzigstel dessen, was Spitzenmodelle verlangen. Dieser Preisunterschied – nicht die Parameteranzahl – ist der Grund dafür, dass
DeepSeek relevant ist. Jedes Modell dieser Reihe wird zudem unter einer Open-Source-Lizenz veröffentlicht, sodass der API-Preis lediglich eine Gebühr für Komfort darstellt und nicht die einzige Möglichkeit, die Modelle einzusetzen.
Der Preis ist eine Gebühr für Komfort und nicht die einzige Möglichkeit, sie auszuführen.

Welches DeepSeek-Modell sollten Sie verwenden?

V4-Flash ist das Volumen-Arbeitspferd: insgesamt 284 Mrd. Parameter mit rund 13 Mrd.
aktiv pro Token, ein Kontext von 1 Mio. Tokens und ein gemischter Satz von knapp 0,17 USD pro 1 Mio. Tokens im Vergleich zu 10 USD bei einem Spitzenmodell. Für Massenklassifizierung, Dokumentverarbeitung, erste Zusammenfassungen, Generierung synthetischer
Daten sowie die Retrieval-Schicht einer RAG-Pipeline ist es hinsichtlich Leistung pro Dollar nahezu konkurrenzlos. Ein Kontext von 1 Mio. Tokens zu diesem Preis existiert sonst nirgends.
Daten-Generierung und die Abrufschicht einer RAG-Pipeline ist sie in puncto
Leistung pro Dollar nahezu konkurrenzlos. Ein Kontext von 1 Mio. Token zu diesem Preis existiert sonst nirgends.

V4-Pro ist das offene Flaggschiff – ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern, wobei pro Token etwa 49 Mrd. Parameter aktiviert werden; Kontextlänge: 1 Mio. Tokens. Mit einem gemischten Satz von rund 0,52 USD läuft es etwa ein Zwanzigstel so teuer wie Spitzenmodelle und behauptet sich dabei dennoch gut bei allgemeiner Schlussfolgerungsfähigkeit.
aktiviert pro Token rund 49 Milliarden Parameter bei einem Kontext von 1 Mio. Token. Bei einem durchschnittlichen Preis von etwa 0,52 USD
kostet sie rund ein Zwanzigstel der Preise aktueller Spitzenmodelle und behauptet sich dabei dennoch gut bei allgemeinen Schlussfolgerungsaufgaben.

R1 ist das bahnbrechende offene Schlussfolgerungsmodell, ein Mixture-of-Experts-Modell mit 671 Mrd. Parametern und 37 Mrd. aktiven Parametern pro Token, das Chain-of-Thought-Schlussfolgerung zu einem Bruchteil proprietärer Kosten ermöglicht. Sein Kontextumfang von 128 K Tokens ist jedoch geringer als die 1-Mio.-Token-Kontexte der V4-Reihe.
aktiv und liefert Chain-of-Thought-Reasoning zu einem Bruchteil der Kosten proprietärer Modelle. Ihr Kontextumfang von 128 K
ist geringer als der der V4-Reihe mit 1 Mio. Token.

R1 Distill Llama 70B existiert aus einem einzigen Grund: Hardware. Das vollständige R1 benötigt bei 4-Bit-Quantisierung etwa
400 GB VRAM; die komprimierte Version (Distill) kommt mit rund 40 GB aus – was den Einsatz vom „Server mieten“ zum „Workstation kaufen“ verschiebt. Außerdem wird sowohl für Eingabe als auch Ausgabe pauschal 0,80 USD berechnet, sodass rechenintensive Generierungsaufgaben nicht teurer sind als promptlastige – ungewöhnlich einfach kalkulierbar.
„kaufen Sie eine Workstation“. Außerdem berechnet es sowohl für Eingabe als auch für Ausgabe pauschal 0,80 USD, sodass rechenintensive Generierungsaufgaben nicht teurer sind als promptlastige – ungewöhnlich einfach zu kalkulieren.
Workloads kosten nicht mehr als prompt-intensive Workloads – ungewöhnlich einfach zu kalkulieren.

Die Wechselkosten sind niedriger, als man denkt

Das Detail, das DeepSeek zu einer echten Alternative statt zu einer bloßen Kuriosität macht, ist, dass die V4-Pro-API sowohl das OpenAI- als auch das Anthropic-Anfrageformat unterstützt. Die Migration erfordert meist nur eine Änderung der Basis-URL und des API-Schlüssels – kein komplettes Neuschreiben. Die Integrationsbarrieren, die üblicherweise etablierte Anbieter schützen, verschwinden weitgehend; daher wird eine 20-fach niedrigere Kostenstruktur praktisch nutzbar statt rein theoretisch.
Die API unterstützt sowohl das OpenAI- als auch das Anthropic-Anfrageformat. Ein Wechsel erfolgt meist lediglich durch Änderung der Basis-URL und des API-Schlüssels statt durch einen kompletten Code-Umbau.
Der Integrationsaufwand, der normalerweise etablierte Anbieter schützt, entfällt weitgehend – genau das macht eine 20-fach niedrigere Kostenstruktur praktisch umsetzbar statt
bloß theoretisch.
theoretisch.

Der sinnvolle Ansatz ist keine komplette Migration, sondern gezieltes Routing: Der Großteil des Hochvolumen-, Niedrigrisiko-Traffics geht an V4-Flash, während Spitzenmodelle nur für jene Anfragen eingesetzt werden, die sie tatsächlich benötigen. Die meisten Anwendungen stellen fest, dass die Aufteilung stark zugunsten der kostengünstigeren Variante erfolgt.
niedrigen Einsatzes den Großteil des Datenverkehrs an V4-Flash leitet und ein Frontier-Modell nur für die Anfragen behält, die
es tatsächlich benötigen. Die meisten Anwendungen stellen fest, dass die Aufteilung stark zugunsten der
kostengünstigeren Variante erfolgt.

Ändern die offenen Gewichte die Rechnung?

Alle hier genannten DeepSeek-Modelle können frei heruntergeladen werden – was die naheliegende Frage aufwirft. Für die meisten Teams lautet die ehrliche Antwort, dass die Lizenz vor allem Auditierbarkeit und Anbieter-Unabhängigkeit bietet, nicht jedoch eine realistische On-Premises-Bereitstellung.
die ehrliche Antwort lautet, dass die Lizenz vor allem Auditierbarkeit und Anbieterportabilität sichert
und nicht eine realistische On-Premises-Bereitstellung.

Der Grund dafür sind die Hardwareanforderungen: V4-Pro benötigt bei 4-Bit-Quantisierung rund 800 GB VRAM – eine Rechenzentrumslösung mit mindestens acht H100-GPUs mit je 80 GB oder mehr. R1 benötigt etwa 400 GB. V4-Flash kommt mit rund 140 GB aus – also zwei H100-GPUs mit je 80 GB. Nur die R1-Distill-Variante mit 40 GB passt auf Hardware, die ein kleines Team tatsächlich selbst anschaffen würde.
Rechenzentrumsaufgabe mit acht oder mehr H100-GPUs mit je 80 GB VRAM darstellt. R1 benötigt etwa 400 GB, V4-Flash etwa
140 GB – also zwei H100-GPUs mit je 80 GB VRAM. Nur die R1-Distillation mit 40 GB passt auf Hardware, die ein kleines Team tatsächlich
anschaffen würde.

Angesichts dieser außerordentlich niedrigen API-Preise muss Self-Hosting eine hohe Hürde nehmen: Es lohnt sich erst dann, wenn das Volumen hoch genug ist, um diese Hardware kontinuierlich auszulasten; zudem verschiebt sich der Break-even-Punkt jedes Mal, wenn DeepSeek seine Preise senkt. Berechnen Sie diesen Punkt selbst anhand Ihres eigenen Token-Volumens, bevor Sie sich für Hardware entscheiden. Was die offenen Gewichte jedoch garantieren, ist, dass Sie niemals in Abhängigkeit geraten, durch überhöhte Preise ausgebeutet oder durch eine Einstellung des Dienstes im Stich gelassen werden – und das hat durchaus einen Wert, selbst wenn Sie die Gewichte nie herunterladen.
Ihr Volumen hoch genug ist, um diese Hardware kontinuierlich auszulasten, und der Break-even-Punkt
sich jedes Mal verschiebt, wenn DeepSeek seine Preise senkt. Berechnen Sie diesen Punkt selbst anhand Ihres eigenen Token-Volumens im
Selbsthosting-vs.-API-Rechner
bevor Sie sich für eine Hardware-Lösung entscheiden. Was die offenen Gewichte jedoch garantiert sicherstellen, ist, dass Sie niemals
festgelegt, überteuert oder durch eine Außerbetriebnahme festgehalten – was selbst dann einen Wert besitzt, wenn Sie
sie niemals herunterladen.