DeepSeek V4.1-Flash-1017 kostet im Test deutlich weniger
Ein Praxisvergleich von DeepSeek V4.1-Flash-1017 und Claude Haiku 5.5 zeigt, wie stark Tokenisierung, Caching und Preisstaffeln die tatsächlichen KI-Kosten beeinflussen. Bei drei Aufgaben aus Softwareentwicklung und IT-Betrieb erreichte DeepSeek eine vergleichbare bis leicht bessere Genauigkeit.
Über alle Aufgaben hinweg kosteten die Aufrufe von DeepSeek 0,07 US-Dollar. Für Claude Haiku 5.5 fielen 0,30 US-Dollar an. Damit lag DeepSeek in diesem Test mehr als 75 % unter den Kosten des Anthropic-Modells, während die gesamte Laufzeit nahezu identisch blieb.
Der größte Kostenvorteil entstand nicht allein durch niedrigere Listenpreise. Entscheidend waren das automatische Caching, unterschiedliche Tokenizer und Anthropics höhere Preisstufe für lange Prompts.
Drei Aufgaben mit Code, SQL und Fehlerberichten
DeepSeek veröffentlichte V4.1-Flash-1017 am 17. Oktober. Das Open-Weight-Modell kann über Programmierschnittstellen genutzt oder über Hugging Face auf eigener Infrastruktur betrieben werden. Claude Haiku 5.5 erschien am 7. Oktober und ist als schnelles Modell für Aufgaben mit hohem Volumen positioniert.
Der Vergleich umfasste eine agentische Code-Korrektur, 20 SQL-Datenbankabfragen und die Klassifizierung von 400 Fehlerberichten. Bei der Triage waren insgesamt 1.600 Felder nach Kategorie, Schweregrad, Dienst und zuständigem Team zu bewerten.
| Aufgabe | DeepSeek V4.1-Flash-1017 | Claude Haiku 5.5 |
|---|---|---|
| Code-Korrektur | 6 von 6 Punkten | 5 von 6 Punkten |
| SQL-Abfragen | 20 von 20 Punkten | 20 von 20 Punkten |
| Triage-Felder | 1.600 von 1.600 korrekt | 1.596 von 1.600 korrekt |
| Gesamtkosten | 0,07 US-Dollar | 0,30 US-Dollar |
| Gesamtlaufzeit | 272,8 Sekunden | 278,9 Sekunden |
DeepSeek löst alle Code-Fehler
Bei der Code-Korrektur erreichte DeepSeek die volle Punktzahl. Claude Haiku 5.5 bestand einen von sechs verdeckten Tests nicht. Dafür benötigte Haiku nur 21,6 Sekunden, während DeepSeek 49,6 Sekunden brauchte.
Trotz der längeren Laufzeit war DeepSeek mit 0,009 US-Dollar günstiger als Haiku mit 0,012 US-Dollar. Ein wichtiger Grund war das automatische Zwischenspeichern wiederholter Eingaben. Anthropics optionales Prompt-Caching war nicht aktiviert, wodurch der direkte Kostenvergleich Haiku benachteiligt haben kann.
Gleichstand bei SQL-Abfragen
Bei den 20 Datenbankfragen erzielten beide Modelle die volle Punktzahl. Dazu gehörten Sonderfälle wie Soft Deletes, unterschiedliche Großschreibung, wiederholte Builds, Zeitzonen und Währungsumrechnungen. Zwei nicht beantwortbare Fragen erkannten beide Modelle, statt Informationen zu erfinden.
Haiku benötigte 28,4 Sekunden und kostete 0,009 US-Dollar. DeepSeek kam auf 34,9 Sekunden und 0,004 US-Dollar. Gerade bei häufig wiederkehrenden Datenbankaufgaben können solche kleinen Differenzen bei hohem Volumen relevant werden.
Lange Prompts verschieben die Kosten deutlich
Am klarsten fiel der Unterschied bei der Triage aus. DeepSeek ordnete alle 1.600 Felder korrekt zu. Haiku machte vier Fehler bei der Einstufung des Schweregrads und bei der Zuordnung zum zuständigen Team.
Der identische Inhalt wurde von den Tokenizern unterschiedlich verarbeitet. Ein Tokenizer zerlegt Text in Einheiten, die das Modell abrechnet und verarbeitet. DeepSeek zählte 153.082 Input-Tokens, Haiku dagegen 216.811 Input-Tokens.
Damit überschritt Haiku die Preisschwelle von 100.000 Tokens. Die Aufgabe kostete bei Anthropic 0,282 US-Dollar und bei DeepSeek 0,058 US-Dollar. Solche Effekte zeigen, weshalb die nominellen Preise pro Million Tokens allein für eine Kostenplanung nicht ausreichen.
| Aufgabe | DeepSeek Kosten und Zeit | Haiku Kosten und Zeit |
|---|---|---|
| Code-Korrektur | 0,009 US-Dollar, 49,6 Sekunden | 0,012 US-Dollar, 21,6 Sekunden |
| SQL-Abfragen | 0,004 US-Dollar, 34,9 Sekunden | 0,009 US-Dollar, 28,4 Sekunden |
| Triage | 0,058 US-Dollar, 188,3 Sekunden | 0,282 US-Dollar, 228,9 Sekunden |
Preisstaffeln und Caching entscheiden über die Rechnung
Claude Haiku 5.5 kostet bei Prompts bis 100.000 Tokens 0,10 US-Dollar pro Million Input-Tokens und 0,50 US-Dollar pro Million Output-Tokens. Oberhalb dieser Schwelle steigen die Preise auf 0,50 beziehungsweise 2,50 US-Dollar.
DeepSeek berechnet außerhalb der Spitzenzeiten 0,15 US-Dollar pro Million nicht zwischengespeicherter Input-Tokens, 0,003 US-Dollar für zwischengespeicherte Eingaben und 0,60 US-Dollar für Ausgaben. Während der Spitzenzeiten verdoppeln sich diese Preise.
| Modell und Tarif | Input je 1 Mio. Tokens | Output je 1 Mio. Tokens |
|---|---|---|
| Claude Haiku 5.5 bis 100.000 Tokens | 0,10 US-Dollar | 0,50 US-Dollar |
| Claude Haiku 5.5 über 100.000 Tokens | 0,50 US-Dollar | 2,50 US-Dollar |
| DeepSeek außerhalb der Spitzenzeit, ohne Cache | 0,15 US-Dollar | 0,60 US-Dollar |
| DeepSeek außerhalb der Spitzenzeit, mit Cache | 0,003 US-Dollar | 0,60 US-Dollar |
Die Herstellerwerte im Terminal-Bench 4.0 weisen in dieselbe Richtung. DeepSeek nennt einen Wert von 42,3, Anthropic für Haiku 39,2. Diese Angaben stammen jedoch von den jeweiligen Anbietern und ersetzen keinen kontrollierten Vergleich unter identischen Bedingungen.
Dass offene Modelle auch bei wirtschaftlichen Kriterien an Bedeutung gewinnen, zeigt sich ebenfalls bei der Nutzung von Open-Weight-Modellen in Vercels KI-Gateway. Für größere Anwendungen kann zudem Modell-Routing zur Senkung der KI-Kosten beitragen.
Open Weights reduzieren Abhängigkeiten
Für Unternehmen im DACH-Raum liegt der strategische Vorteil von DeepSeek nicht nur im API-Preis. Das Modell lässt sich grundsätzlich auf eigenen Servern oder bei einem europäischen Cloud-Anbieter betreiben. Dadurch können sensible Daten innerhalb einer kontrollierten Infrastruktur bleiben und die Abhängigkeit von einer einzelnen US-API sinkt.
Self-Hosting erfüllt Datenschutz- und Compliance-Vorgaben allerdings nicht automatisch. Betrieb, Zugriffsschutz, Protokollierung und Rechtsgrundlage müssen weiterhin geprüft werden. Zudem wurden die Kosten für Hardware, Strom, Administration und Wartung in diesem Vergleich nicht berücksichtigt, da die Aufrufe über eine externe Modellplattform liefen.
Die Ergebnisse sollten daher nicht als allgemeiner Leistungssieg verstanden werden. Jede Aufgabe wurde nur einmal ausgeführt, eine statistisch belastbare Aussage oder ein Nachweis für den Betrieb unter Last liegt nicht vor. Vor einer Produktiventscheidung bleibt ein Vergleich mit eigenen Daten, realistischen Prompt-Längen und aktivierten Cache-Optionen notwendig.
Trotz dieser Einschränkungen macht der Test einen relevanten Punkt sichtbar: Proprietäre KI-APIs sind nicht automatisch günstiger oder leistungsfähiger als offene Alternativen. Wer Tokenisierung, Caching und lokale Betriebsoptionen in die Architektur einbezieht, kann Kosten und Vendor-Lock-in deutlich begrenzen. Die wachsende Leistungsfähigkeit offener Modelle wird auch durch die Einschätzung gestützt, dass Open-Weight-KI laut IBM 90 % der Leistung proprietärer Systeme erreicht.