Der 0,017-$-Agent: DeepSeeks 1017-Snapshot senkt die Aufgabenkosten, ohne die Preise anzutasten

Zentrale Erkenntnisse

• Am 17. Oktober 2026 hat DeepSeek das Modell hinter dem Namen deepseek-flash auf V4.1-Flash-1017 gehoben — Aufrufmethode und jeder Listenpreis unverändert — ein Snapshot-Release unter demselben Namen (DeepSeeks Changelog). Das Modell unter dem stabilen Alias wechselte; die Preistabelle der Rechnung nicht.
• Terminal-Bench 4.0 sprang in fünf Wochen von 31.2 auf 42.3 (+11.1), und DeepSWE v1.1 erreichte 77.0, Automation-Bench 60.5 und Agents' Last Exam 35.4 — alle über Claude Opus 5 auf der Hugging-Face-Vergleichskarte (Hugging Face).
• Opus 5 führt weiter bei Terminal-Bench 4.0 (51.8 vs. 42.3), HLE ohne Tools (56.3 vs. 42.6), NL2Repo-Bench (75.3 vs. 68.2) und ProgramBench (37.0 vs. 29.1) — die ehrliche Lesart ist ein Vorsprung in der agentischen Ausführungsschicht, kein allgemeiner Frontier-Titel.
• Eine Cache-Hit-Rate von 91,5 % am offiziellen Endpoint senkt den tatsächlich gezahlten Inputpreis auf rund 0,017 $ pro Million Tokens (OpenRouter-gewichteter Durchschnitt, aggregator-kompiliert) — zu DeepSeeks Satz: ein Cache-Hit kostet 2 % eines Miss (DeepSeek-Preise; Local AI Zone).
• Derselbe Release öffnete Search & Fetch für 0,75 $ je 1.000 Aufrufe und legte offen, dass DeepSeeks Suchmaschine „SEO-Spam, GEO-Manipulation und minderwertige AIGC" herausfiltert — eine Plattform-Policy-Aussage, veröffentlicht im eigenen Changelog des Produkts (DeepSeeks Changelog).

Am 17. Oktober 2026 hat DeepSeek das Modell hinter dem Namen deepseek-flash gewechselt und jeden Listenpreis unangetastet gelassen. Diese Kombination — neue Gewichte, gleiche Preise — wird leise zum stärksten Kostenhebel der Agenten-Inferenz. Auf der Hugging-Face-Benchmark-Karte hebt DeepSeek-V4.1-Flash-1017 Terminal-Bench 4.0 von 31.2 auf 42.3 (+11.1), erreicht 77.0 auf DeepSWE und 60.5 auf Automation-Bench — jeweils über Claude Opus 5 — und schließt Aufgaben schneller mit kürzeren Outputs. DeepSeeks Changelog nennt das Ergebnis „ein neues Performance–Cost-Pareto-Optimum über mehrere Harnesses". Der Teil ohne Benchmark-Tabelle trägt das Geld: Der offizielle Endpoint meldet eine Cache-Hit-Rate von 91,5 %, was den tatsächlich gezahlten Inputpreis für cache-rich-Workloads auf etwa 0,017 $ pro Million Tokens drückt. Dieser Artikel beschreibt, was ausgeliefert wurde, was die Cache-Arithmetik mit der Rechnung eines Always-on-Agenten macht und welche Hebel Ihr Team hat.

Darauf bauen zwei frühere Berichte. Inference Economics: Warum Always-on-Produktionsagenten jetzt bezahlbar sind dokumentierte den Per-Token-Kostenkollaps und das 10:1-Verhältnis zwischen Integrations- und Modellaufwand. DeepSeek V4.1-Flash und der lautlose Modellwechsel dokumentierte die September-Auto-Routing-Episode — eine erzwungene V4-Pro-zu-Flash-Substitution, angekündigt und in rund 45 Stunden wieder zurückgenommen. Der 1017-Snapshot ist der dritte Akt und von anderer Art: kein Preisschnitt, kein erzwungenes Routing, nur derselbe Endpoint-Name, der leise einen besseren, billiger zu betreibenden Checkpoint ausliefert. Hier geht es um die Mechanik dieser Release-Art und um die Cache-Ökonomie, die entscheidet, ob Ihre Rechnung sinkt.

Gleicher Name, neues Modell: wie ein Snapshot landet

DeepSeeks Changelog vom 17. Oktober ist ein Zwei-Absatz-Ereignis. „DeepSeek V4.1 Flash wurde auf DeepSeek-V4.1-Flash-1017 aktualisiert... Die API-Aufrufmethode und die Preise bleiben unverändert — verwenden Sie einfach deepseek-flash, um das neueste Modell zu nutzen." Die Legacy-Aliase bleiben geroutet, Website und App wurden an Ort und Stelle aktualisiert, und das vierstellige Suffix vermerkt das Datum. An der Integration hat sich nichts geändert; darunter schon.

Das ist die dritte Release-Konvention in sechs Wochen. Am 10. September erschien ein benanntes neues Tier mit eigenen Preisen und einem (angekündigten, dann zurückgenommenen) Plan, den gesamten deepseek-v4-pro-Verkehr dorthin umzuleiten — das Produktionsrisiko war die Einwilligung. Die 45-Stunden-Rücknahme folgte allein auf Nutzerdruck: DeepSeeks eigener Changelog hält fest, dass der V4-Pro-Dienst über den 14. September hinaus läuft, „wobei die Abrechnungsmethode unverändert bleibt". Der 17. Oktober ist dagegen ein Snapshot: keine Preisänderung, keine Routing-Änderung, ein Upgrade, das standardmäßig unter einem stabilen Alias landet.

Einwilligung ist hier nicht das Thema — der Snapshot ist eine eindeutige Verbesserung zu unveränderten Preisen, und Hugging Face hat die MIT-lizenzierten Gewichte am selben Tag veröffentlicht, mit 1M-Token-Kontext bei 2.500 gleichzeitigen Anfragen. Verhaltensdrift ist aber Drift: Der Checkpoint unter dem Name wechselte. Die Antwort ist die, die der Auto-Routing-Artikel verschrieb — ohne den Alarm: Protokollieren Sie das ausgelieferte Modell bei jeder Antwort, und testen Sie Snapshot-Upgrades per Regression gegen Ihren eigenen Eval-Satz, bevor sie in Produktion gehen. Ein Upgrade, das Sie angefordert und geprüft haben, ist ein Upgrade; eines, das unter stabilem Namen kam, während Sie nicht hinsahen, ist ein Change-Event — auch wenn es eine Pareto-Verbesserung ist.

Die Benchmark-Karte, ehrlich gelesen

Die Hugging-Face-Karte vergleicht den 1017-Build gegen das September-Release, Kimi K3, GLM-5.3, GPT-5.6 Sol und Claude Opus 5. Das Muster der offiziellen Zeilen trennt sich sauber:

Benchmark	V4.1-Flash (10. Sep)	1017	Änderung	Opus 5	1017 vs. Opus 5
DeepSWE v1.1	74.2	77.0	+2.8	74.0	Über
Automation-Bench v1.0.6	54.8	60.5	+5.7	50.3	Über
Agents' Last Exam	31.8	35.4	+3.6	28.6	Über
Apex Bench v1.1	64.6	72.1	+7.5	65.8	Über
Terminal-Bench 4.0	31.2	42.3	+11.1	51.8	Unter
HLE ohne Tools	36.8	42.6	+5.8	56.3	Unter
NL2Repo-Bench	65.4	68.2	+2.8	75.3	Unter
ProgramBench	20.3	29.1	+8.8	37.0	Unter

Das 1017-Modell führt die Karte bei den agentischen Ausführungs-Benchmarks an: DeepSWE mit 77.0 gegen Opus 5s 74.0 (GPT-5.6 Sol 73.0, K3 67.5, GLM-5.3 66.9), Automation-Bench, Agents' Last Exam und Apex Bench. Es bleibt unter Opus 5 bei Terminal-Bench 4.0, HLE ohne Tools, NL2Repo-Bench und ProgramBench — die allgemeine Frontier-Story hat sich also nicht bewegt. Lesen Sie die Karte, nicht die Thread-Titel: Community-Posts rahmten den Release als „führt jetzt die Open-Weight-Modelle" — das drückt ein stufiges Ergebnis auf ein flaches. Auch die Fußnoten der Karte zählen: Terminal-Bench 4.0 lief auf dem Claude-Code-Framework, DeepSWE auf Mini-SWE-V2 — die Harness-Wahl ist Teil jeder Zahl dieser Seite.

Die für den Kostenkern wichtigste Änderung ist kein Benchmarkwert. DeepSeeks Changelog hält fest, dass Output-Länge und Laufzeit zusammen mit den Verbesserungen sanken — „damit Nutzer Aufgaben zu geringeren Kosten und höherer Geschwindigkeit abschließen". Weniger Output-Tokens pro Aufgabe und weniger Retries pro Aufgabe sind direkte Posten auf der Rechnung — bei Preisen, die sich nicht bewegten. Das DeepSWE-Kosten-pro-Aufgabe-Diagramm des Release-Posts macht dieselbe Aussage visuell: Die pass@1-Punktzahl ist gegen die Kosten pro Aufgabe aufgetragen, nicht gegen den Token-Preis.

Ein 91,5-%-Cache-Hit ist die echte Preisliste

DeepSeeks Preisliste für das Flash-Tier hat sich nicht verändert: Cache-Miss-Input kostet 0,15 $ pro Million Tokens Off-Peak und 0,30 $ Peak; Cache-Hit-Input 0,003 $ Off-Peak und 0,006 $ Peak; Output 0,60/1,20 $. Ein gecachter Input-Token kostet 2 % eines ungecachten — 89,7 % unter dem Miss-Preis in beiden Fenstern. Off-Peak ist überall die Hälfte von Peak, und jede Wochenende-Stunde und jeder chinesische Feiertag zählt als Off-Peak — eine Scheduling-Hebel, den die meisten Teams nie ziehen.

Was sich änderte, ist die Trefferfrequenz. Eine Kompilierung von OpenRouter-Daten zum offiziellen Endpoint meldet eine Cache-Hit-Rate von 91,5 % und setzt damit den gewichteten, tatsächlich gezahlten Inputpreis nahe 0,017 $ pro Million Tokens (Local AI Zone, aggregator-kompiliert — behandeln Sie die Zahl als Beobachtung eines Endpoints, nicht als Garantie). Die Arithmetik passt zur Preisliste: Bei 91,5 % landet der effektive Input bei 0,0155 $ Off-Peak und 0,031 $ Peak (0,915 × Hit + 0,085 × Miss), und der All-Stunden-gewichtete Wert des Aggregators liegt innerhalb dieser Bandbreite. Zu diesem effektiven Satz zahlt ein Produktionsagent, der pro Monat eine Milliarde Input-Tokens streamt — lange Kontexte, jeder Turn neu gelesen, genau das, was Agent-Schleifen tun — rund 15,49 $ Off-Peak, wo der Miss-only-Preis 150,00 $ wäre: eine 10×-Reduktion, die nirgends als Preissenkung ausgewiesen ist.

Drei ehrliche Vorbehalte begrenzen die Aussage. Die 91,5-%-Rate gilt für den offiziellen Endpoint und dessen Traffic-Mix — Cache-Hit-Raten variieren nach Anbieter und danach, wie eine Workload den Kontext wiederverwendet. Sie ist workload-abhängig: Ein Workflow, der seinen Prompt-Präfix in jedem Schritt neu schreibt, erreicht wenige Treffer, ganz gleich, was der Endpoint im Mittel zeigt. Und sie ist eine Beobachtung, kein SLA — DeepSeek dokumentiert die Preise, nicht die Hit-Rate. Die Schlussfolgerung übersteht alle drei: Bei cache-reichem Agent-Traffic ist der effektive Inputpreis eine Funktion davon, wie Sie den Kontext strukturieren — nicht allein davon, welches Modell Sie wählen.

Deshalb liest sich dieser Release als Cache-Ökonomie-Ereignis, nicht als Preissenkung. Claude Haiku 5.5s Subagent-Tier kollabierte die Per-Token-Kosten mit einem Preis von 0,10 $ (7. Oktober); Sonnet 5.5s Release zeigte, dass ein billigere Token dennoch eine teure Aufgabe bedeuten kann, wenn die Tokenzahl um 7× explodiert (die Effizienzfalle). DeepSeeks 1017-Snapshot greift die andere Hälfte an: dieselben Tokenpreise, kürzere Outputs, schnellere Fertigstellung — und eine Serving-Schicht, die die natürliche Kontextwiederverwendung des Agent-Traffics in einen Eingangsrabatt um eine Größenordnung verwandelt. Teams, die nur die Preisliste lesen, verpassen den zweiten Mechanismus.

Die Ein-Minuten-Erklärung unten setzt den Release auf eine Seite:

Search and Fetch: derselbe Release bepreist den Web-Zugang des Agenten

Die andere Hälfte des Snapshots ist Infrastruktur. DeepSeeks Changelog öffnete die hausinternen Search-and-Fetch-APIs für alle zu 0,75 $ je 1.000 erfolgreicher Aufrufe pro Endpoint — Suchergebnisse mit Authority- und Frische-Bewertung, Fetch liefert den Seiteninhalt als Markdown. Aufrufe über serverseitige Tools in DeepSeek Harness, Claude Code und Codex sind kostenlos, bis die Abrechnung am 31. Oktober 2026 um 16:00 UTC startet (Peking: 1. November, 00:00). Bei einer genannten Skala von „hunderten Millionen Suchanfragen" pro Tag und einem Index von „hunderten Milliarden Webseiten" ist das ein echter Motor hinter einem Commodity-Preis.

Im selben Changelog-Absatz steckt eine Offenlegung, die jeder notieren sollte, der für KI-Zitierflächen optimiert: DeepSeek teilt mit, seine Suchmaschine filtere „SEO-Spam, GEO-Manipulation und minderwertige AIGC" durch strenge Erkennungsmechanismen und stelle so autoritative, vertrauenswürdige Informationen für Nutzer und LLMs sicher (Changelog, 17. Okt). Lesen Sie das als Käufer-Policy, nicht als Hersteller-Bescheidenheit: Ein größeres Labor, das seine eigenen Agenten und dritte bedient, vermerkt GEO-Manipulation offiziell als gefilterte Defektklasse. Wenn die Schicht, die Modellantworten speist, GEO-Gaming als Spam behandelt, bleibt das dauerhafte Zitierspiel das, was es auf dieser Seite immer war — Primärquellen, überprüfbare Zahlen, Prosa, die ein Generator direkt zitieren kann — keine Tricks gegen die Retrieval-Schicht.

Die vier Hebel, die Ihr Team kontrolliert

Die Modellseite des Releases steht jedem Team offen; die Ökonomie bewegt sich nur, wenn die Workload mitspielt:

1. Bauen Sie Prompts für Präfix-Stabilität. Cache-Hits werden durch byte-identische Kontextwiederverwendung verdient: stabile Instruktionen, Schemata und abgerufene Dokumente vor flüchtigem Inhalt, kein Umbau des Präfix pro Schritt. Die 91,5-%-Rate ist, was ein cache-förmiger Traffic-Mix erreichen kann; ein Agent, der jeden Präfix neu schreibt, kommt nicht hin.
2. Protokollieren Sie das ausgelieferte Modell bei jeder Antwort. Der Alias deepseek-flash bedient heute einen anderen Checkpoint als letzte Woche. Erfassen Sie die echte Modellversion — nicht den angefragten Namen — damit der Prüfpfad Snapshot-Drift übersteht, und halten Sie die Fallback-Routing-Schicht in Stellung (der Modellwechsel-Artikel).
3. Testen Sie Snapshots per Regression gegen Ihren eigenen Eval-Satz. Die MIT-Gewichte auf Hugging Face machen jeden Snapshot reproduzierbar: Fixieren Sie den geprüften Checkpoint, spielen Sie Ihre Tool-Call- und Output-Formattests gegen den neuen durch und promoten Sie nach Ihrem Kalender — nicht dem des Anbieters.
4. Routen Sie nach Kosten pro Aufgabe, nicht Listenpreis. Messen Sie Output-Tokens pro abgeschlossener Aufgabe und den Inputpreis nach Cache-Rabatt. Ein Modell mit niedriger Liste und schwachen Hit-Raten verliert gegen ein höher gelistetes, dessen Serving-Schicht Ihren Kontext cached (die Cost-per-Task-Arithmetik).

Ein repräsentativer Build

Ein mittelständischer Distributor betreibt einen 24/7-Angebots-Agenten über 200 wöchentliche RFQs. Sein Workflow liest Lieferantenkataloge und Angebotsregeln bei jeder RFQ neu — das Zugriffsmuster, für das Caches gebaut sind. Der Build nutzt ein MCP-Modul für die ERP- und Katalogschicht, A2A-Delegation an Lieferanten-Angebotsagenten und eine Routing-Schicht, die deepseek-flash festpinnt, den ausgelieferten Checkpoint bei jedem Aufruf protokolliert und die Format-Regressionssuite vor jeder Snapshot-Promotion ausführt. Strukturierter Kontext und stabile Präfixe drücken die Cache-Hit-Rate Richtung der beobachteten Bandbreite des offiziellen Endpoint — genau das macht die effektive Eingabe von ~0,017 $/1M real statt prospektartig — und die kürzeren Outputs und selteneren Retries des 1017-Snapshots senken die Kosten pro fertiger Quote nochmals obendrauf.

Fordern Sie einen abgesteckten Build an. Eine Woche Discovery: Systeminventar, Prozesskarte, fester Umfang — ob Sie mit uns bauen oder nicht.

Weiterlesen

• Inference Economics: Warum Always-on-Produktionsagenten jetzt bezahlbar sind — der Elternartikel: der Per-Token-Kostenkollaps und das 10:1-Verhältnis von Integration zu Modellausgabe, in das die Cache-Arithmetik des Snapshots gehört
• DeepSeek V4.1-Flash und der lautlose Modellwechsel — die September-Einwilligungs-Episode und ihre Rücknahme, die die Modellidentitäts-Disziplin setzt, die der Alias-Drift des Snapshots belohnt
• Der 0,10-$-Subagent: Claude Haiku 5.5 kollabiert die Kostenlücke Frontier-vs-Open-Weight — der Per-Token-Pfad zum Kostenkollaps; der 1017-Snapshot konkurriert mit Cache-Anteil und Laufzeit