Wunschprogrammierung veröffentlicht: Wer sagt, dass Liang Wenfeng die "Neulinge" nicht verwöhnt?
Wenfeng Liang sagte einmal in einer geschlossenen Investorenbesprechung: „Wir haben nicht viel Aufwand in das Endverbrauchersegment (C-Ende) gesteckt, und zeitweise wollten wir diese Nutzer sogar nicht mehr betreuen.“ Doch heute zeigt sich, dass Wenfeng Liang das Gegenteil von dem sagt, was er meint: Er behauptet, das C-Ende nicht zu beachten, aber in Wirklichkeit legt er großen Wert darauf.
Das größte Merkmal von DeepSeek V4.1 Flash 1017, das DeepSeek am 17. Oktober veröffentlicht hat, ist die Unterstützung der „Wunsch-Programmierung“. Nutzer müssen DeepSeek lediglich ihre Ideen mitteilen, ohne verschiedene Parameter, Details oder Materialien anzugeben – das System erledigt den gesamten Produktionskreislauf für sie.
Dies ist eine typische Funktion für Anfänger. Selbst erfahrene Ingenieure werden diese Funktion kaum nutzen, da sie vollständige Prompts in das Modell eingeben können, keine „Wünsche“ äußern müssen und direkt „Befehle erteilen“ können. Man sieht, wie sehr DeepSeek das Nutzererlebnis im C-Ende schätzt.
Neben dem Kernhighlight der Aktualisierung der Wunsch-Programmierung verbessert die neue Version durch verstärkendes Lerntraining auf Basis von Selbstrückmeldungen die Fähigkeit, „vollständige Projekte von Grund auf neu zu erstellen“ in Bereichen wie Spieleentwicklung und 3D-Modellierung.
Die folgenden Videos wurden von V4.1 Flash 1017, Gemini 4 Argon und GPT-6 Luna generiert.
Es gibt noch ein weiteres Detail: Am Tag der Veröffentlichung von V4.1 Flash 1017 kündigte das offizielle Team an, zwei selbst entwickelte Schnittstellen von DeepSeek, nämlich Search und Fetch, freizugeben.
Search funktioniert wie die von uns häufig genutzten Suchmaschinen: Bei einer Abfrage gibt es eine Ergebnisliste mit relevanten Webseiten zurück. Fetch ähnelt eher einer Schnittstelle für Agenten: Bei Angabe einer URL extrahiert es den Inhalt der Webseite und wandelt ihn in einen Text um, den das Modell verstehen kann.
Was ist die „Wunsch-Programmierung“ eigentlich?
Die „Wunsch-Programmierung“ ist kein neues Konzept: Es bedeutet, dass Sie dem KI-System lediglich Ihre Anforderungen mitteilen, die KI diese dann selbst in Aufgaben unterteilt, Code schreibt, die Ausführung überprüft und Ihnen am Ende ein vollständiges, funktionsfähiges Ergebnis übermittelt.
Wenn Sie beispielsweise ein Auto wünschen, erstellt V4.1 Flash 1017 das gewünschte Auto Schraube für Schraube für Sie.
Auf den ersten Blick scheinen Wunsch-Programmierung und Agenten kaum Unterschiede aufzuweisen, aber das stimmt nicht. Ein Agent ist eine technische Form: Er besteht aus einem Modell sowie Werkzeugen wie Endgeräten, Dateien, Browsern und Suchmaschinen. Das Modell wählt durch Schlussfolgerung der Aufgaben aus, verschiedene Werkzeuge aufzurufen, und erledigt die Aufgaben schließlich mit deren Hilfe.
Im Vergleich zu Agenten zeichnet sich die Wunsch-Programmierung durch eine niedrigere Einstiegshürde aus: Beispielsweise reicht ein Satz oder einige Referenzbilder aus, während Agenten normalerweise detaillierte Referenzdokumente benötigen – V4.1 Flash 1017 kommt ohne diese aus.
Bei der Wunsch-Programmierung ist der menschliche Eingriff geringer als bei Agenten. Man gibt am Anfang die Anforderungen an und prüft das Ergebnis am Ende, dazwischen sollte das System nicht ständig nachfragen. Agenten fragen Nutzer während der Ausgabe häufig, beispielsweise ob eine bestimmte Berechtigung erteilt werden soll oder welche Vorgehensweise der Nutzer bevorzugt. Die Wunsch-Programmierung kennt diese Probleme nicht.
Ein Agent gleicht einem Koch, der über Messer, Herd und Zutaten verfügt und alle Voraussetzungen zum Kochen erfüllt. Die Wunsch-Programmierung bedeutet, dass Sie ihm sagen „Ich möchte ein Festmahl zur Feier eines Erfolgs veranstalten“ – und er erstellt selbst das Menü, kauft die Zutaten, kocht, richtet die Speisen an und serviert sie, ohne Sie zwischendurch zu fragen, ob Sie es scharf oder nicht scharf mögen.
Ein weiterer Unterschied: Agenten betrachten das Projekt aus seiner Systemstruktur heraus und konzentrieren sich auf das Projekt selbst, während die Wunsch-Programmierung aus der Perspektive des Nutzererlebnisses darauf abzielt, dass der Nutzer das System bequem bedienen kann.
In gewisser Hinsicht ist der Agent eine notwendige Voraussetzung für die Wunsch-Programmierung.
Die größte Schwierigkeit der Wunsch-Programmierung liegt in der Selbstprüfung. Wie bereits erwähnt, können Agenten mit den Werkzeugen Code ausführen und Fehlermeldungen anzeigen. Aber „sehen“ bedeutet nicht gleich „verstehen“.
Aus diesem Grund fragen Agenten ständig nach: Sie benötigen den ständigen menschlichen Eingriff, der als „Qualitätskontrolleur“ für den Agenten fungiert.
Die Wunsch-Programmierung entfernt den Menschen aus diesem gesamten Kreislauf: Das Modell übernimmt die Rolle des Qualitätskontrolleurs selbst. Die Fähigkeit zur Qualitätskontrolle entsteht nicht automatisch durch die Installation von Werkzeugen, sondern erfordert kontinuierliches Training.
Daher sind zahlreiche Zyklen von „Abschließen – Prüfen – Bewerten der Qualität“ erforderlich, um dem Modell Rückmeldungen zu geben. Wenn man sich ausschließlich auf menschliche Annotationen verlässt, würde das gesamte Training unvorstellbar lange dauern.
Aus diesem Grund hat DeepSeek in der Versionsaktualisierung von V4.1 Flash 1017 das verstärkende Lerntraining auf Basis von Selbstrückmeldungen hervorgehoben. Dadurch kann das Modell selbst Ergebnisse generieren, diese selbst bewerten und sich entsprechend anpassen, wodurch der Trainingsumfang erheblich vergrößert wird.
Im September veröffentlichte DeepSeek gemeinsam mit der Tsinghua-Universität das Papier „DeepSeek Elastic Compute (DSec): Eine Sandbox-Infrastruktur für skalierbares, effektives Agenten-Training“.
Das Papier beschreibt die Trainings-Sandbox DSec, die DeepSeek derzeit verwendet. In Abschnitt 6 des Papiers wurde angedeutet, dass DeepSeek bereits RSI implementiert hat.
Agenten richten in der gleichen Sandbox, in der sie trainiert werden, interaktiv ihre eigene Umgebung ein, erstellen dann eine inkrementelle Momentaufnahme dieser Sitzung und wandeln diese direkt in einen wiederverwendbaren Trainingsbereich für die nächste Charge um.
Die Wunsch-Programmierung ist das erste Ergebnis, das durch DSec erzielt wurde.
Das ist noch nicht alles: Nach der Einführung des selbstrückgekoppelten verstärkenden Trainings bei DeepSeek sind die Leistungswerte sprunghaft angestiegen.
Weniger als zwei Stunden nach der Veröffentlichung von V4.1 Flash 1017 hat der Produktmanager Paweł Huryn das System getestet. Das Ergebnis zeigte, dass die Fähigkeit von V4.1 Flash 1017, Fehler zu finden und zu beheben, der von Opus 5.5 xHigh nahekommt – und der Preis beträgt nur 1/35 des Preises des letztgenannten Systems.
Anschließend wurde ein Chat-Protokoll eines DeepSeek-Mitarbeiters veröffentlicht, in dem es heißt: „(Die Punktzahl) ist versehentlich zu hoch geraten“, „Wir haben DeepSWE keine künstlichen Punkte gegeben“ und „Die Werte steigen an dieser Stelle unkontrolliert“.
Das ist wahrhaft eine große Demonstration von Überheblichkeit.
Wenfeng Liang kommt den Anfängern entgegen
Früher hat Wenfeng Liang die normalen C-Ende-Nutzer vielleicht wirklich nicht beachtet.
Nehmen wir das Beispiel DSH: DSH wurde erstmals im Mai 2026 intern als Projekt gestartet, der Leiter ist Tianyi Cui. Am 13. August wurde es in Form einer Entwicklervorschauversion v0.1 unter der MIT-Lizenz als Open Source veröffentlicht.
Das größte Merkmal dieser Version war es, Nutzer abzuschrecken.
Wenn Sie DSH installieren wollten, mussten Sie zuerst im Terminal den Befehl „node -v“ ausführen, um sicherzustellen, dass Node.js korrekt funktioniert, und dann den Befehl „npx @deepseek-ai/dsh web“ ausführen. Wenn Sie es aus dem Quellcode ausführen wollten, mussten Sie nacheinander die Befehle „git clone“, „pnpm install“ und „pnpm run build“ ausführen.
Ohne entsprechende Computerkenntnisse war es schwierig, DSH zu nutzen.
Einen Monat und eine Hälfte später veröffentlichte DeepSeek die Vorschauversion DSH v0.2 und stellte gleichzeitig Desktop-Installationspakete für macOS und Windows zur Verfügung. Erst dadurch konnten normale Nutzer DSH mit einem Klick installieren.
Die Wunsch-Programmierung in V4.1 Flash 1017 ist völlig anders: Ihr Wesen ist vollständig auf Anfänger ausgerichtet.
Wie bereits erwähnt, bleiben viele Agentenprodukte mitten im Prozess stehen und fragen Sie: „Darf dieser Befehl ausgeführt werden?“ „Wie soll mit dieser Fehlermeldung umgegangen werden?“
Für Programmierer ist das eine normale Zusammenarbeit. Aber Anfänger können keine „Qualitätskontrolleure“ sein. Sie sagen nur: „Was? Was ist das? Egal, ich stimme allem zu!“
Anfänger verstehen keine Befehle, keine Fehlermeldungen und können die Qualität von Lösungen nicht beurteilen. Da der Mensch nicht eingreifen kann, muss das Modell selbst die Aufgabe übernehmen.
Außerdem haben Anfänger weder „Prompts“ noch „Materialien“.
Das offizielle Team betont wiederholt „wenige Prompts und Referenzmaterialien“. Für Programmierer bedeutet das Effizienz. Für Anfänger ist das eine unverzichtbare Voraussetzung.
Für erfahrene Programmierer hat die Wunsch-Programmierung keine große Bedeutung. Sie verfügen über vollständige Prompt-Vorlagen, verstehen verschiedene Fehlermeldungen – die Wunsch-Programmierung ist für sie nur eine zusätzliche, nette Funktion. Sogar Programmierer, die an Agenten-Prompts gewöhnt sind, werden die Wunsch-Programmierung kaum nutzen.
Aber Anfänger können kein vollständiges Anforderungsdokument formulieren und verfügen nicht über fertige Entwurfsunterlagen oder Grafikressourcen. Wenige Prompts, wenige Materialien und wenige Interaktionsrunden dienen dazu, Anfängern die Nutzung zu ermöglichen.
Anfänger wollen „sichtbare fertige Ergebnisse“ und keine synthetischen Leistungstests.
In den von dem offiziellen Team veröffentlichten Demonstrationen gibt es nur sehr eindrucksvolle Beispiele, beispielsweise die Nachbildung des klassischen Steam-Spiels *Portal 2*.
Statt bestimmten Codes und Funktionen sind die Erstellung eines Spiels, einer Präsentation oder eines unterhaltsamen Inhalts die eigentlichen Wünsche von normalen Nutzern. Die Auswahl solcher Beispiele spricht direkt Anfänger an.
Und das Wichtigste – der Preis.
Obwohl DeepSeek im August eine Preiserhöhung vorgenommen hat, gab es im September wieder Preissenkungen: Die Preise an Feiertagen wurden vollständig nach dem Niedrigstwert berechnet, und Ende September erhielten alle berechtigten Nutzer der Desktop-Version von DSH ein Guthaben von 6 Yuan als Geschenk.
Es gibt noch eine kleine Anekdote: Am 15. Oktober war DeepSeek 5 Stunden lang ausgefallen. Auf der Webseite und in der App von DeepSeek tauchten massenhaft Meldungen wie „Der Server ist vorübergehend nicht verfügbar“ oder „Der Server ist ausgelastet, versuchen Sie es später noch einmal“ auf.
Der Konversationsdienst, die V4 Pro API und die V4.1 Flash API von DeepSeek fielen nacheinander aus – die Dienste wurden erst um 13:04 Uhr wiederhergestellt.
Am selben Abend veröffentlichte die DeepSeek Open Platform die „Mitteilung zur Dienstwiederherstellung und Entschädigung“: Zuerst entschuldigte sich das Team, und es hieß, dass „sofort eine umfassende Untersuchung und gründliche Verbesserung der Dienststabilität eingeleitet wurde, um einzelne Abhängigkeiten vollständig zu beseitigen und zu verhindern, dass ähnliche Probleme erneut auftreten“.
Der wichtigste Punkt: Das Entschädigungsprogramm von DeepSeek sieht vor, dass der gesamte Betrag, den Ihr Konto in den 7 Tagen (vom 8. bis 14. Oktober) ausgegeben hat, in Form von Guthaben vollständig erstattet wird. Das Guthaben wird automatisch auf das Konto gebucht, und künftige API-Abbuchungen werden zuerst von diesem Guthaben abgezogen.
Am nächsten Morgen tauchten in den sozialen Medien bereits Screenshots von Nutzern auf, die das Guthaben erhalten haben. Einige bekamen ein paar Cent, andere über 100 Yuan oder mehr als 300 Yuan – es wurde sogar ein Screenshot geteilt, auf dem jemand eine Entschädigung von 3000 Yuan erhalten hat.
DeepSeek hat die Ursache für den Ausfall nicht genannt – selbst wenn man es erklärt hätte, wie viele Menschen hätten das wirklich verstanden?
Aber Geld versteht jeder, selbst der größte Anfänger.
Wenfeng Liang folgt dem Beispiel von Yiming Zhang
Wenn es um die Ausrichtung auf Anfänger geht, hat Doubao die beste Leistung erbracht.
Obwohl Nutzer immer wieder scherzen, dass Doubao oft an der Frage vorbeiantwortet und sich wiederholt, ist der berühmte Slogan „Ich werde es Ihnen in den direktesten, verständlichsten und unkompliziertesten Worten erklären“ sehr populär. Die Bekanntheit von Doubao ist weit höher als die aller anderen inländischen KI-Modelle.
Während alle anderen Modelle auf Büroangestellte oder Programmierer ausgerichtet sind, verfolgt Doubao nur ein Ziel: Es ist sofort nach dem Öffnen nutzbar.
„Doubao, zeichne mir ein Bild“ „Doubao, generiere mir ein Video“. Egal ob Ihr Prompt präzise und klar ist, Doubao versteht ihn und setzt ihn um.
Ihre Verwandten werden DeepSeek wahrscheinlich nicht nutzen, aber mit hoher Wahrscheinlichkeit haben sie Doubao heruntergeladen.
Daten von QuestMobile zeigen, dass im ersten Quartal 2026 die monatlich aktiven Nutzer von Doubao 345 Millionen erreichten, ein Anstieg von 44,2 % gegenüber dem Vorquartal. Damit steht es an erster Stelle unter den inländischen KI-Anwendungen