DeepSeek hat die Preise erhöht — denselben V4 Flash fand ich günstiger als zum alten Tarif

Am Morgen des 17. August öffnete ich meine API-Nutzungsstatistik und dachte zunächst, ich hätte irgendwo einen Fehler gemacht.

DeepSeek verbrauchte Geld ungefähr fünfmal so schnell wie gewohnt.

Ich wusste, dass eine Preiserhöhung kommen würde. DeepSeek hatte sie einige Tage zuvor angekündigt, aber ich hatte sie gedanklich als normale Anpassung verbucht: vielleicht 20%, 50%, im Extremfall eine Verdopplung.

Nicht in dieser Größenordnung.

Es war kein Billing-Fehler. Die neuen Preise waren tatsächlich in Kraft. DeepSeek stellte V4 Flash und V4 Pro offiziell ab dem 16. August um 16:00 UTC auf Peak-/Off-Peak-Preise um, also bereits am 17. August chinesischer Zeit. Reuters hatte vor der Änderung berichtet, dass die Erhöhungen je nach Modell, Token-Typ und Tageszeit zwischen 50% und 1.100% liegen würden. Der Zeitpunkt steht im DeepSeek-API-Changelog.

In diesem Moment wurde eine andere DeepSeek-Nachricht plötzlich viel interessanter: Die Modellgewichte sind öffentlich verfügbar. Wenn andere Unternehmen dasselbe Modell selbst betreiben können, warum muss ich Inference überhaupt direkt bei DeepSeek kaufen?

Was DeepSeek früher kostete und was es heute kostet

Vor der Tarifänderung kostete DeepSeek V4 Flash:

Diese Werte sind auf einer älteren DeepSeek-Preisseite erhalten; Reuters nannte am 3. August dieselben Tarife.

Das offizielle deepseek-v4-flash, das DeepSeek-V4-Flash-0731 entspricht, kostet nun:

Die Peak-Zeiten liegen laut aktueller DeepSeek-Preisseite zwischen 01:00 und 04:00 UTC sowie zwischen 06:00 und 10:00 UTC.

Meine Beobachtung, dass die Rechnung ungefähr fünfmal höher ausfiel, bedeutet also nicht, dass jede Token-Kategorie exakt um den Faktor fünf teurer wurde. Gegenüber den alten Preisen:

• stieg Cache-Miss-Input zu Peak-Zeiten von $0.14 auf $0.44, also um 3.14×;
• stieg Output von $0.28 auf $1.32, also um 4.71×;
• stieg ein Cache Hit von $0.0028 auf $0.014, exakt um 5×.

Bei einem Workload mit viel generiertem Output ist ein nahezu fünffacher Anstieg der tatsächlichen Kosten damit durchaus plausibel.

Ich suchte zuerst nicht nach einem anderen Modell, sondern nach einem anderen Anbieter desselben Modells

Ich hätte DeepSeek einfach ersetzen können. Der LLM-Markt ist groß: Qwen, GLM, Kimi, MiniMax, Mistral und viele weitere Modelle stehen zur Auswahl.

Ein Modellwechsel bringt jedoch eine weitere Variable ins System. Antworten, Prompt-Kompatibilität, Generierungslänge, Verhalten bei langen Kontexten, Sampling-Parameter und andere Eigenschaften müssten erneut geprüft werden.

Ich wollte zuerst eine einfachere Frage testen.

Kann ich DeepSeek V4 Flash behalten, aber die Inference nicht mehr bei DeepSeek kaufen?

Dabei ist die Terminologie wichtig. DeepSeek hat nicht einfach den „Quellcode des neuronalen Netzes“ veröffentlicht, so wie ein Entwickler den Source Tree einer Anwendung veröffentlicht. Präziser ist: DeepSeek hat die Modellgewichte und die nötigen Materialien zu deren Betrieb veröffentlicht.

Das offizielle Repository deepseek-ai/DeepSeek-V4-Flash-0731 ist öffentlich auf Hugging Face verfügbar. Repository und Gewichte stehen unter der MIT License. DeepSeek zeigt sogar ein Beispiel, wie das Modell mit vLLM auf einem Node mit vier GB300 betrieben wird.

Das verändert die Ökonomie grundlegend. Ein Drittanbieter muss nicht zwangsläufig DeepSeek-Tokens einkaufen und mit Aufschlag weiterverkaufen. Er kann die offenen Gewichte auf eigener Infrastruktur ausführen und Rechenleistung auf eigener Hardware verkaufen.

„DeepSeek einfach lokal starten“ klingt allerdings leichter, als es ist. Das 0731-Repository ist rund 167 GB groß, und das offizielle Deployment-Beispiel verwendet vier GB300. Das ist kein docker compose up auf einem $20-VPS. Die Dateien sind auf der Modell-Dateiseite sichtbar.

Für einen Inference-Anbieter mit GPU-Cluster sieht die Aufgabe jedoch anders aus. Die Lizenz ist dann nicht mehr die wesentliche Hürde. Übrig bleiben Hardware, Strom, GPU-Auslastung, Batching, Software-Stack und Inference-Effizienz.

Ich fand Runware

Nach längerer Suche war Runware eine der interessantesten Optionen.

Wie habe ich Runware gefunden? Mit meiner bevorzugten Recherche-Methode: Zuerst ließ ich mir von einer KI einen detaillierten Prompt erstellen, der gezielt nach dem günstigsten seriösen Inference-Anbieter für genau dieses Modell sucht. Dann startete ich damit ungefähr 15–20 separate Suchen, sammelte sämtliche Ergebnisse, legte sie in einem abschließenden Chat zusammen und ließ die Kandidaten vergleichen. Erst danach prüfte ich den Gewinner selbst: Modellseite, Preise, Dokumentation und schließlich die API.

Die KI hat also den Suchraum vergrößert, aber die endgültige Entscheidung nicht für mich getroffen. Runware bestand meine manuelle Prüfung, ich integrierte den Dienst selbst, und meine Empfehlung hier basiert auf diesem eigenen Test.

Dort ist aktuell genau der Checkpoint DeepSeek-V4-Flash-0731 mit 1M Kontext verfügbar, nicht irgendein namenloses „DeepSeek-kompatibles“ Modell. Die Modellseite nennt folgende Preise:

Ich dachte zunächst, ich hätte die Dezimalstelle falsch gelesen.

Der interessantere Vergleich ist aber nicht der mit DeepSeeks neuen, hohen Preisen, sondern mit den alten Preisen, die bereits günstig wirkten.

Alter DeepSeek-Input: $0.14. Runware: $0.076. Runware ist damit etwa 45.7% günstiger; der alte DeepSeek-Preis lag etwa 1.84× höher.

Alter DeepSeek-Output: $0.28. Runware: $0.153. Runware ist damit etwa 45.4% günstiger; DeepSeek war früher etwa 1.83× teurer.

Nach einer massiven Preiserhöhung fand ich eine Drittanbieter-API mit demselben V4-Flash-0731-Checkpoint, die nicht nur günstiger als das neue DeepSeek ist, sondern fast halb so viel kostet wie das alte, günstige DeepSeek.

Gegenüber den heutigen offiziellen Tarifen wird der Abstand noch größer. Off-Peak ist Runware bei Cache-Miss-Input ungefähr 2.9× und bei Output 4.3× günstiger. Zu Peak-Zeiten sind es ungefähr 5.8× beziehungsweise 8.6×.

Eine wichtige Ausnahme sind günstige Cache Hits. DeepSeek verlangt Off-Peak derzeit $0.007/M für Cached Input, Runware $0.014/M. Ein Workload mit extrem hohem Cache-Hit-Anteil lässt sich deshalb nicht nur anhand normaler Input-/Output-Preise vergleichen.

Ein niedriger Preis ist wertlos, wenn die API nicht funktioniert

Eine Preistabelle reicht mir nicht. Eine LLM API für $0.000001 pro Request ist nutzlos, wenn die Hälfte der Requests fehlschlägt.

Also band ich Runware an und schickte echte Requests.

Ich behielt zwei Snapshots des Usage-Dashboards. Der erste zeigte:

790 requests
56 success
734 errors

Für sich genommen sieht das katastrophal aus. Später zeigte das Dashboard:

1,570 requests
836 success
734 errors

Zwischen beiden Messungen änderten sich die Zähler exakt um:

+780 requests
+780 successful
+0 new errors

Ich behandle das nicht als Beweis für 99.999% Uptime. Das wäre durch diese Daten nicht gedeckt, und die beiden Snapshots erklären auch nicht die ursprünglichen 734 Fehler.

Was ich sagen kann, ist enger gefasst: Bei den folgenden 780 Requests stieg der Success-Zähler um 780, während der Error-Zähler unverändert blieb.

Die API war in diesem Testfenster außerdem schnell. Im sichtbaren Request-Log lagen die meisten erfolgreichen Aufrufe zwischen Bruchteilen einer Sekunde und ungefähr 1.5 Sekunden. Kurze Requests kosteten dort häufig etwa $0.000005–$0.000018. Nach Hunderten erfolgreichen Aufrufen zeigte das Dashboard insgesamt immer noch nur ungefähr einen Cent Kosten.

Damit war Runware für mich nicht mehr nur eine Zeile in einer Vergleichstabelle. Ich hatte die API tatsächlich integriert, sie erzeugte Antworten, und mein Testtraffic kostete fast nichts.

Das ist keine Werbung — und ich teste Runware erst seit einem Tag

Ich möchte das ausdrücklich sagen, weil ein positiver Abschnitt über einen einzelnen Anbieter schnell wie Werbung wirkt. Das ist er nicht. Runware hat mich nicht kontaktiert, und ich habe Runware ebenfalls nicht kontaktiert. Niemand dort hat mich gebeten, diesen Artikel zu schreiben.

Außerdem nutze ich den Dienst erst seit einem Tag. Wenn sich in einer Woche oder einem Monat Probleme mit Zuverlässigkeit, Antwortqualität, Preisen oder etwas anderem zeigen, kann ich genauso gut wieder wechseln. Das ist kein langfristiges Urteil.

Von der nun teuren offiziellen DeepSeek API bin ich sofort weggegangen, weil ich während der Suche nach einer Alternative nicht weiter Geld zu den neuen Tarifen verbrennen wollte. Stattdessen habe ich den Traffic umgestellt und Runware direkt im laufenden Betrieb getestet.

Bisher bin ich mit dieser Entscheidung sehr zufrieden. Als ich diesen Artikel fertigstellte, hatte Runware bereits 1.000 erfolgreiche KI-Requests für mich verarbeitet. Das beweist weiterhin weder zukünftige Uptime noch Eignung für jede Größenordnung, zeigt mir aber, dass dies kein Anbieter ist, den ich nur in einer Preisliste entdeckt habe: Ich nutze ihn tatsächlich.

Meine Empfehlung ist deshalb bewusst begrenzt: Ich habe Runware selbst geprüft, heute funktioniert es für mich gut, und im Moment würde ich einen Test empfehlen. Wenn sich der Dienst verändert, kann sich auch meine Meinung ändern.

DeepSeek könnte seinen eigenen Preiswettbewerber geschaffen haben

Ab hier geht es um meine Interpretation, nicht um eine direkt beobachtete Tatsache.

DeepSeek befindet sich in einer ungewöhnlichen geschäftlichen Position. Das Unternehmen hat ein sehr konkurrenzfähiges Modell veröffentlicht und dem Markt gleichzeitig ermöglicht, dieses Modell selbst zu betreiben.

Solange die offizielle DeepSeek API extrem günstig war, fiel dieser Konflikt kaum auf. Warum nach einem fremden GPU-Cluster suchen, wenn DeepSeek Inference selbst für $0.14/$0.28 verkauft?

Nach der Preiserhöhung verändert sich die Rechnung. Wenn die offizielle API zu Peak-Zeiten $0.44 Input und $1.32 Output kostet, ein unabhängiger Anbieter denselben öffentlichen Checkpoint aber für $0.076/$0.153 bereitstellt, wird der wirtschaftliche Anreiz für einen Wechsel sehr groß.

Das ist kein zufälliges Loophole. Die MIT License der veröffentlichten Gewichte erlaubt breite Nutzung, einschließlich kommerzieller Nutzung, und das offizielle Repository enthält Anleitungen zum eigenen Betrieb.

Deshalb würde ich Runware nicht einfach als „Reseller von DeepSeek-Tokens“ bezeichnen. Treffender ist dieses Bild:

DeepSeek
    │
    ├── offizielle DeepSeek API
    │
    └── offene DeepSeek-V4-Flash-Gewichte
                   │
                   ├── Runware-Infrastruktur
                   ├── andere Inference-Anbieter
                   └── eigener GPU-Cluster

Dasselbe Modell ist nicht mehr an einen einzigen Verkäufer von Inference gebunden.

War die Veröffentlichung der Gewichte ein Geschäftsfehler?

Als Tatsache würde ich das nicht behaupten.

Es wäre zu einfach zu sagen: DeepSeek hat das Modell geöffnet, Wettbewerber können es billiger anbieten, also verliert DeepSeek zwangsläufig Geld. Wir kennen die interne Ökonomie des Unternehmens nicht.

Eine Open-Weight-Strategie kann andere Vorteile haben:

• größere Verbreitung des Modells;
• mehr Integrationen;
• stärkeren Einfluss auf das Ökosystem;
• die Chance, in Drittprodukten zum De-facto-Standard zu werden;
• mehr Entwickler;
• Enterprise-Adoption;
• größere Forschungsrelevanz;
• Druck auf Wettbewerber.

Reuters hat in seiner Berichterstattung über den chinesischen KI-Markt ebenfalls hervorgehoben, dass chinesische Modellentwickler Open-Weight-Ansätze nutzen, um eine breite Entwickleradoption zu erreichen.

Deshalb ist es mir zu früh, die Entscheidung als Geschäftsfehler zu bezeichnen. Eine engere Schlussfolgerung halte ich dagegen für vertretbar:

Mit der Veröffentlichung der Gewichte hat DeepSeek freiwillig auf ein Monopol bei der Inference des eigenen Modells verzichtet.

Wenn die offizielle API deutlich teurer wird, werden die Folgen dieser Entscheidung sichtbarer. DeepSeek konkurriert dann nicht nur mit Qwen, OpenAI, Anthropic oder Moonshot, sondern in gewisser Weise auch mit Unternehmen, die Inference für DeepSeeks eigenes offenes Modell verkaufen.

Für API-Käufer ist das hervorragend. Für die Monetarisierungsstrategie ist es deutlich komplizierter.

Warum ich DeepSeek nicht selbst hoste

Der nächste Gedanke liegt nahe: Wenn Drittanbieter DeepSeek betreiben und Inference verkaufen können, warum mache ich das nicht selbst?

Weil zwischen „das Modell kann kostenlos heruntergeladen werden“ und „Inference ist kostenlos“ ein gewaltiger Unterschied liegt.

Die Gewichte lassen sich herunterladen. GPUs nicht.

Man muss teure Hardware kaufen oder mieten, ausreichend VRAM bereitstellen, einen riesigen Checkpoint laden, Inference Engine, Batching, KV Cache, Monitoring, Scaling und Redundanz einrichten und anschließend genug Traffic erzeugen, damit die GPUs nicht die meiste Zeit ungenutzt bleiben.

Das offizielle DeepSeek-Beispiel für V4 Flash 0731 verwendet einen Node mit vier GB300.

Für einen spezialisierten Inference-Anbieter kann sich diese Investition lohnen, weil sich die Infrastrukturkosten auf viele Kunden verteilen. Für einen einzelnen Entwickler kann es deutlich vernünftiger sein, $0.076 pro Million Input-Tokens zu zahlen, statt erst viel Geld in GPUs zu investieren und danach für hohe Auslastung sorgen zu müssen.

Im Moment kaufe ich Inference lieber ein. Aber ich verstehe jetzt wesentlich besser, was ich dabei eigentlich kaufe.

Die wichtigste Erkenntnis aus diesem Morgen

Zu Beginn des Tages betrachtete ich DeepSeek wie eine normale SaaS API: Es gibt ein DeepSeek-Modell, also bestimmt DeepSeek, was seine Nutzung kostet.

Am Abend sah mein mentales Modell anders aus: Es gibt einen DeepSeek-Checkpoint und einen wettbewerblichen Markt von Unternehmen, die bereit sind, diesen Checkpoint für mich auszuführen.

Das sind grundlegend unterschiedliche Märkte.

Bei einem geschlossenen Modell kontrolliert der Modellbesitzer den API-Preis weitgehend selbst. Bei offen verfügbaren Gewichten unter einer permissiven Lizenz wird der Inference-Preis zusätzlich durch den Wettbewerb zwischen Infrastrukturbetreibern geprägt.

Am 17. August wurde dieser Unterschied für mich sehr konkret. Das alte DeepSeek V4 Flash kostete $0.14 Input und $0.28 Output. Das neue offizielle DeepSeek erreicht zu Peak-Zeiten $0.44/$1.32. Runware bietet DeepSeek-V4-Flash-0731 derzeit für $0.076/$0.153 an.

Ich habe diese API selbst getestet, und sie funktionierte für den Traffic, den ich ihr geschickt habe.

Bleiben diese Preise in einem Monat gleich? Das weiß ich nicht. Hält derselbe Anbieter jede Größenordnung und jedes Traffic-Profil aus? Auch das habe ich nicht bewiesen.

Aber eines hat sich für mich geändert: Nach dieser Preiserhöhung gehe ich nicht mehr automatisch davon aus, dass die offizielle API des Herstellers eines Open-Weight-Modells der beste Ort ist, um Inference zu kaufen.

Mein erster Schritt ist jetzt, zu prüfen, wer dieselben Gewichte noch ausführen kann und welchen Preis er dafür verlangt.