DeepSeek kennt keine "kleinen" Updates – Praxistest der "wunschgesteuerten Programmierung" des neuen DeepSeek-Modells

Glaube niemals an das „kleine Update“ von DeepSeek.

Die in letzter Zeit erschienenen inländischen Modelle verhalten sich auffallend ruhig: Es gibt keine neuen Veröffentlichungen und keine Vorankündigungen. In dieser Stille hat DeepSeek eine neue Aktion unternommen und DeepSeek-V4.1-Flash auf DeepSeek-V4.1-Flash-1017 aktualisiert.

Allein am Namen erkennt man nur, dass ein Suffix hinzugefügt wurde, man denkt, es handele sich nur um eine kleine Iteration. Nach Betrachtung der Tests und Fälle ist DeepSeek-V4.1-Flash-1017 aber keineswegs trivial.

In den offiziell veröffentlichten Bewertungen hat die Version 1017 im Vergleich zur Vorgängergeneration alle Fähigkeiten verbessert. Besonders auffällig sind die Verbesserungen bei der Terminalbedienung und der Software-Rekonstruktion: Der Wert von Terminal-Bench 4.0 stieg von 31,2 Punkten auf 42,3 Punkte, der Wert von ProgramBench stieg von 20,3 Punkten auf 29,1 Punkte, was einer Steigerung um 8,8 Punkte entspricht.

Im Vergleich zu GPT und Claude liegt die Version 1017 bei 9 von diesen Tests über dem Niveau von GPT-5.6 Sol. Bei der Terminalbedienung und der Software-Rekonstruktion gelang ihr der Sprung von der Rückständigkeit zur Überlegenheit. Im Vergleich zu Claude Opus 5 liegt sie bei vier Tests vorne: DeepSWE, Automation-Bench, Agents’ Last Exam und Apex Bench.

Getreu der Tradition, keinen einzigen Nutzers Aufwand zu verschwenden, ist bei DeepSeek-V4.1-Flash-1017 bei gestiegenen Fähigkeiten der Preis für die Ausführung einer Aufgabe gesunken. Nach Schätzungen des Berichts sind die durchschnittlichen Kosten für eine einzelne DeepSWE-Bewertungsaufgabe von etwa 0,49 US-Dollar auf etwa 0,20 US-Dollar gefallen, was einem Rückgang von etwa 60 % entspricht.

Dieses Update legt zudem den Schwerpunkt auf die vollständige Entwicklung von Projekten von Grund auf. Das Unternehmen zeigte 3D-Modellierungen der Verbotenen Stadt, Webbasierte Autorennen, sowie die mit Godot nachgebauten Szenen aus Portal 2 und die Zivilisationsentwicklungsszene Valley of Ages. Es gab an, dass diese Projekte nur wenige Prompts und Referenzmaterialien erforderten und die Anzahl der Interaktionsrunden sehr gering war.

In seinem offiziellen Kanal schreibt DeepSeek, dass „Programmieren nach Wunsch mit einem Klick wahr wird“. Wir testen einige Projekte, um zu sehen, was es damit auf sich hat.

1

Praxisprüfung von DeepSeek-V4.1-Flash-1017

Praxisprüfung 1: Ein Blatt Papier lässt eine Küstenstadt entstehen

Die erste Aufgabe betrifft eine 3D-Webseite: Ein Papierschnitt auf dem Schreibtisch soll in eine Küstenstadt umgewandelt werden. Wenn man mit der Maus nach unten scrollt, heben sich Wände aus der Pappe auf, die Satteldächer schließen sich, Leuchtturm, Hafen und Papierwellen entstehen nacheinander, und die Kamera wechselt langsam von der Draufsicht zur Schrägansicht. Die Dicke, die Falten und die Schatten des Papiers bleiben erhalten, die gesamte Seite wirkt wie ein sich entfaltendes Pop-up-Buch.

Aus dem GIF ist ersichtlich, dass die Häuser nach dem Entstehen immer noch wie aus Papier gefertigt wirken. Die Dicke, Falten und Schatten behalten die Textur eines Pop-up-Buchs bei, Leuchtturm und Zeitschieberegler machen Lust, weiterzuspielen. Besonders wenn man den Regler auf Dämmerung zieht, ändern sich Himmel, Meeresoberfläche und Fensterbeleuchtung gemeinsam, mehrere Funktionen arbeiten zusammen und die gesamte Stadt wirkt noch vollständiger.

Praxisprüfung 2: Lassen Sie den Code zwei populärwissenschaftliche Filme vollständig erzählen

Bei den beiden anderen Aufgaben werden Anforderungen an Ton und Erzählung gestellt. Vielleicht sind Sie schon auf kurze populärwissenschaftliche Videos gestoßen: Einfache Bilder mit Sprechertext erklären eine Sache verständlich. Heute kann DeepSeek diese mit einem einzigen Klick generieren, ohne weitere Nachbearbeitung.

Diese Art von Aufgaben erfordert Erzählgefühl, Kamerarichtung und Ton bei webbasierten Videos.

Der Film „Die Erde: Von der glühenden Gesteinskugel zum blauen Planeten“ ist etwa zweieinhalb Minuten lang und unterteilt die Entwicklung der Erde in 13 Kapitel. Die Kamera kehrt von der heutigen blauen Erde zurück zur glühenden Gesteinskugel bei ihrer Entstehung, schneidet ein Profil ein, um die inneren Schichten zu zeigen, und taucht dann in das Flachwasser ein, in dem Mikroorganismen leben. Kreaturen des Kambriums schwimmen an der Kamera vorbei, Staub, der durch den Einschlag eines Asteroiden aufgewirbelt wird, verdeckt den Himmel, und am Ende kehrt die Kamera zur modernen Erde zurück.

Besonders positiv ist, dass Bilder und Erklärung zusammenpassen, um eine Sache zu erzählen. Wenn das Profil entfaltet wird, erklärt der Sprecher die Schichten der Erde, wenn die Kamera in den Meeresboden eintaucht, wechselt die Erzählung zur Entwicklung des Lebens, und chinesische Untertitel folgen dem jeweiligen Abschnitt. Das Modell kann bereits mehrere audiovisuelle Elemente zu einem zusammenhängenden Video organisieren.

Der Film „Die Entstehung eines Salzkorns“ richtet die Kamera auf ein Salinenfeld in Yangpu, Hainan. Innerhalb von etwa zwei Sekunden fährt die Kamera von einer Nahaufnahme des Salzkristalls zurück und zeigt schrittweise den Salzherstellungsprozess: Meerwasser fließt in den Lehmboden, Salzarbeiter wenden es mit Holzrechen zum Trocknen, Salzlehm wird in Filterbecken gefüllt, und Sole wird in Steintröge zum Salzen gelegt. Miniaturszenen und warme Farbtöne durchziehen den gesamten Film und verleihen diesem Verfahren einen einheitlichen visuellen Stil.

Die zwei Maßstabswechsel im Film sind sehr passend eingesetzt. Beim Filtern schneidet die Kamera den Beckenkörper auf, um die Schichten aus Sand und Stroh zu zeigen. Bei der Kristallisation wechselt sie zu einer mikroskopischen Darstellung, die zeigt, wie der Wassergehalt abnimmt und allmählich Kristalle entstehen.

Beide fertigen Werke sind tonunterstützte 3D-Webseiten. Die Hauptbilder werden in Echtzeit durch Code gerendert, der chinesische Sprechertext stammt aus Sprachsynthese, und Musik sowie Umgebungsgeräusche werden mit dem Projekt zusammen verpackt.

Obwohl die Bilder noch deutliche Merkmale vereinfachter Modelle aufweisen – besonders die uralten Lebewesen im Erd-Film sowie die Personen und Geräte in der Saline – und noch nicht den filmreifen Dokumentarfilm-Qualitäten entsprechen, die in den Prompts gefordert werden, können sie mit geringfügiger Überarbeitung bereits kurze Videos vollständig ersetzen.

Praxisprüfung 3: Möbius-Bus

Das dritte Projekt lässt einen Bus auf einem Möbius-Band im Weltraum fahren. Die Außenkamera kann gedreht werden, um die gesamte Straße zu betrachten, und wechselt zur Sicht aus dem fahrenden Fahrzeug: Der Bus fährt entlang der verdrehten Fahrbahn, und der Fahrzeugkörper neigt sich entsprechend. Wenn man in das Fahrerhaus eintritt, erscheinen Lenkrad und Windschutzscheibe im Bild, und die vorausliegende Straße dreht sich gemeinsam mit den fernen Sternen im Sichtfeld. Unterwegs werden Haltestellenkarten eingeblendet, die die Bedingungen für Anhalten und Anmeldung anzeigen.

Das Interessanteste an diesem Projekt ist, dass die räumlichen Eigenschaften des Möbius-Bandes in das Fahrerlebnis integriert wurden: Nach einer Umdrehung steht das Fahrzeug auf dem Kopf, und nach einer weiteren Umdrehung kehrt es in seine ursprüngliche Position zurück. Die Modellierung von Bus und Fahrerhaus ist noch relativ einfach, aber die Form der Straße, die Bewegung des Fahrzeugs und die Kamerabewegungen passen zusammen – dies stellt bereits den Prototyp eines kleinen Weltraum-Fahrspiels dar.

2

Warum wird es nicht V4.2-Flash genannt, sondern erhält nur ein zusätzliches Suffix?

Bei den vorherigen Aktualisierungen von V3 auf V4 und dann auf V4.1 ging jede Änderung der Versionsnummer mit einer Anpassung der zugrundeliegenden Architektur einher.

Bei dem Wechsel von V3 zu V4 wurden der Aufmerksamkeitsmechanismus und die Verbindungsart zwischen den Modellschichten geändert. Bei V4.1-Flash wurde eine asymmetrische Causal Encoder-Decoder-Struktur eingeführt, sodass für die Verarbeitung von Eingaben und die Generierung von Ausgaben unterschiedliche Aktivierungsgrößen verwendet werden.

Die Version 1017 hingegen behält die ursprüngliche Architektur bei, die Hauptparameter betragen weiterhin 552B, und die Größen von 8B Eingangsaktivierung und 16B Ausgangsaktivierung bleiben unverändert.

Wo liegen dann die Verbesserungen?

Da das Grundmodell nicht aktualisiert wurde, sind die gesteigerten Fähigkeiten und die gesunkenen Kosten auf Verbesserungen beim Post-Training und der Effizienz der Aufgabenausführung zurückzuführen.

Selbstfeedback-gestütztes Verstärkungslernen

In seiner Veröffentlichungserklärung führt DeepSeek die gesteigerten Fähigkeiten zur vollständigen Projektentwicklung wie Spieleentwicklung und 3D-Modellierung ausdrücklich auf das Verstärkungslernen mit Selbstfeedback (reinforcement learning with self-feedback) zurück.

Wie hilft Selbstfeedback beim Training dieser Fähigkeiten? Das Unternehmen hat die spezifische Methode noch nicht veröffentlicht, aber wir können anhand der Eigenschaften dieser Art von Aufgaben eine einfache Vermutung anstellen.

Wenn man eine KI eine Funktion schreiben lässt, kann man normalerweise mit Tests überprüfen, ob das Ergebnis korrekt ist. Wenn man sie aber ein Autorennspiel erstellen lässt, gibt es viel mehr Probleme.

Zum Beispiel: Auto und Rennstrecke sind gezeichnet, aber wenn man losfährt, fährt das Auto durch Wände. Nachdem die Kollision behoben ist, stellt man bei einem weiteren Test fest, dass der Timer nicht auf Null zurückgesetzt wird, wenn das Spiel neu gestartet wird.

Jede einzelne Funktion ist für sich genommen nicht kompliziert, aber wenn sie zusammenwirken, entstehen eine Menge Probleme. Das Modell muss anhand vorheriger Ergebnisse entscheiden, was als Nächstes zu tun ist, und sicherstellen, dass alle Funktionen am Ende zusammen funktionieren.

Eine mögliche Vorgehensweise besteht darin, das Modell während des Trainings seine eigenen Entwicklungsergebnisse überprüfen zu lassen: Es vergleicht die ursprünglichen Anforderungen, findet unvollständige Funktionen, prüft, ob vorherige Aktionen Konflikte verursachen, und gibt eine Bewertung ab.

Wenn diese Bewertungen zuverlässig genug sind, können sie in Trainingsbelohnungen umgewandelt werden, um die Modellparameter anzupassen. Dadurch wird die Entwicklungsweise, die Projekte vollständig fertigzustellen, bei zukünftigen Aufgaben wahrscheinlicher.

Wenn man einen Bug sofort vor Ort findet und behebt, löst man das aktuelle Projekt. Wenn das Feedback für das Training verwendet wird, hofft man, dass das Modell beim nächsten Mal bei ähnlichen Problemen bessere Entscheidungen treffen kann.

Der schwierigste Punkt bei diesem Ansatz liegt in der Zuverlässigkeit der Bewertung. Das Modell muss erkennen können, was es falsch gemacht hat. Andernfalls wird es durch eine scheinbar vernünftige Selbstbewertung nur weiter auf den falschen Weg geführt.

Den Inferenzprozess verschlanken

Eine weitere Änderung von DeepSeek-V4.1-Flash-1017 besteht darin, die Laufzeit von Aufgaben und die Länge der Ausgaben zu verkürzen. Dadurch ändert sich der Einzelpreis der API nicht, aber die Kosten für die Ausführung einer Aufgabe sinken.

Die API wird nach der Anzahl der Token in Ein- und Ausgabe berechnet. Wenn das Modell bei der Ausführung einer Aufgabe weniger Inhalte generiert, sinken die Ausgabekosten. Gesteigerte Fähigkeiten und sinkende Rechnungsbeträge können gleichzeitig eintreten – der Schlüssel liegt darin, wie viele Inhalte verwendet werden, um wie viele Dinge zu erledigen.

Dies ist besonders nützlich für Agenten. Bei der Entwicklung eines Projekts muss das Modell oft wiederholt Dateien lesen, Code ändern und dann die Ergebnisse der Werkzeugrückverarbeitung verarbeiten. Die Rechnung summiert alle Kosten während dieses Prozesses auf, die weit über die Antwort hinausgehen, die der Nutzer am Ende sieht.

Außerdem kann ein Inhalt mehr als einmal berechnet werden. Wenn er im Verlaufsprotokoll gespeichert wird und dieser Verlauf bei nachfolgenden Aufrufen erneut an das Modell gesendet wird, entstehen Eingabekosten.

Weniger redundante Inhalte zu generieren senkt nicht nur die aktuellen Ausgabekosten, sondern kann auch die Belastung durch das spätere Lesen des Verlaufs verringern.