Im August 2026 hat ein chinesisches KI-Modell die Effizienz-Rangliste der ARC-AGI-Challenge übernommen, die weithin als der anspruchsvollste Benchmark für menschenähnliches logisches Denken bei KI gilt. Das Modell namens DeepSeek V4 Flash 0731 ist eine schlanke und schnelle Variante des Open-Weights-Basis-Modells DeepSeek V4. Nach offiziellen Angaben des ARC Prize erreichte es beim schwierigeren ARC-AGI-2 einen Wert von 61,4 % bei Kosten von 4 Cent pro Aufgabe; bei ARC-AGI-1 erzielte es 89,0 % bei lediglich 2 Cent pro Aufgabe.
Am selben Tag kletterte die Nachricht auf der Entwickler-Plattform Hacker News auf 754 Punkte und 451 Kommentare und wurde zum meistdiskutierten Tech-Beitrag des Tages. Am Vortag hatte der Beitrag noch bei 365 Punkten gelegen – die Aufmerksamkeit verdoppelte sich somit innerhalb von 24 Stunden.
Besonders bemerkenswert ist der Kontrast: Während man in der Branche an den Grundsatz „günstig bedeutet minderwertig“ gewöhnt ist, belegt nun ein preiswertes Open-Weights-Modell aus China den ersten Platz im Effizienz-Ranking auf dem anspruchsvollsten Logik-Test für KI. Entwickler in der Community berichteten von Praxistests, bei denen 5 bis 6 Sitzungen mit 12 parallelen Datenströmen einen ganzen Tag lang intensiv genutzt wurden, wobei Gesamtkosten von unter 5 US-Dollar anfielen.
Was beim “schwersten AI-Test” wirklich geprüft wird
Die Aufgaben von ARC-AGI wirken auf den ersten Blick schlicht: Es handelt sich um visuelle Raster-Rätsel mit farbigen Quadraten. Das KI-System muss aus wenigen Beispielen zugrundeliegende Muster erkennen und die korrekte Lösung ableiten. Für Menschen sind diese Aufgaben gut lösbar – wer etwas Zeit mitbringt, findet meist die Lösung. Für KI-Modelle ist ARC-AGI jedoch extrem anspruchsvoll, da es abstraktes Denken prüft, bei dem Auswendiglernen von Trainingsdaten wertlos ist. Laut den Veranstaltern des ARC Prize wurde der Test gezielt entwickelt, um die Schwachstellen von KI-Systemen offenzulegen.
In den letzten zwei Jahren kamen selbst Spitzenmodelle auf diesem Benchmark nur langsam voran, wobei pro Aufgabenstellung oft mehrere Dollar oder mehr an Rechenkosten anfielen. 2025 änderte der ARC Prize das Reglement: Alle Testergebnisse müssen seitdem zwingend mit einer Effizienzkennzahl versehen werden. Der Score zeigt die Fähigkeiten des Modells, während die Kosten offenlegen, wie teuer diese Fähigkeit tatsächlich ist.
Abbildung: Offizielle ARC Prize Effizienzgrafik (Titel: “Skalierung allein reicht nicht”). Seit ARC-AGI-2 müssen alle Ergebnisse Effizienzkennzahlen enthalten. Quelle: arcprize.org
Öffentlich zugängliche Daten zeigen, dass DeepSeek V4 Flash 0731 zu den Modellen gehört, die eine hohe Genauigkeit mit extrem niedrigen Betriebskosten verbinden. Die Organisation des ARC Prize erklärte, das Modell setze „neue Maßstäbe für das Verhältnis von Kosten und Leistung“.
Abbildung: Beispielaufgabe aus der öffentlichen ARC-AGI-2 Evaluierung (abstraktes Denken). Für Menschen leicht verständlich, für KI eine große Hürde. Quelle: arcprize.org
Ingenieurmäßige Einschätzung: Bei 2 Cent pro Aufgabe verschwinden die Testkosten als Hindernis aus der Gleichung. Wo Labore früher Evaluationen genau kalkulieren mussten, können Entwickler jetzt tausende Testläufe schmerzfrei durchführen. Diese Veränderung wiegt schwerer als der reine Punktwert.
Wie die extrem niedrigen Kosten zustande kommen
Manche vermuten hinter niedrigen Preisen Qualitätsabstriche. Öffentliche Architektur-Details zeigen jedoch, dass DeepSeek V4 Flash seine Kostenvorteile durch drei gezielte Design-Ebenen erzielt.
Die erste Ebene bildet eine hybride Mixture-of-Experts-Architektur (MoE). Das Modell umfasst zwar insgesamt rund 284 Milliarden Parameter, aktiviert jedoch pro Aufgabe nur etwa 13 Milliarden. Vergleichbar ist dies mit einer Bibliothek von 300 Milliarden Bänden, bei der Leser pro Suchanfrage nur die wenige benötigte Literatur aufschlagen, was enorm Energie spart. Das selektive Aktivieren kleiner Experten-Subsets gilt derzeit als einer der effektivsten Ansätze zur Senkung von Inferenzkosten.
Die zweite Ebene ist die Optimierung von Prompt-Caching. Bei wiederkehrenden Berechnungen in KI-Antworten lassen sich Ergebnisse wiederverwenden; die offizielle API erreicht eine Cache-Trefferquote von rund 99 %. Die unabhängige Evaluierungsorganisation Artificial Analysis schätzt die durchschnittlichen Kosten für DeepSeek V4 Flash auf etwa 3 Cent pro Aufgabe. Tech-Medien berichten, dass dies weniger als ein Prozent der Kosten mancher führender kommerzieller US-Modelle entspricht.
Die dritte Ebene resultiert aus dem Wettbewerb des Open-Source-Ökosystems. Da die Modellgewichte von DeepSeek V4 Flash frei zugänglich sind, kann es von jedem selbst gehostet werden. Drittanbieter und Community-Plattformen können ihre eigenen Preise festlegen, wodurch der Preis durch den freien Markt bestimmt wird und nicht von einem einzelnen Anbieter diktiert werden kann.
Abbildung: Cover-Grafik eines Drittanbieter-Blogs zu den Ergebnissen mit Angaben zu Scores und Kosten pro Aufgabe. Quelle: explainx.ai
Ingenieurmäßige Einschätzung: Wenn Architektur, Caching und Open-Source-Wettbewerb ineinandergreifen, ist der Kostenverfall struktureller Natur. Solange dieses Design bestehen bleibt, werden die niedrigen Preise Bestand haben.
Teure AI-Abonnements geraten unter Zugzwang
Praxistests aus der Entwickler-Community verdeutlichen diesen Wandel sehr anschaulich. Hacker News-Nutzer LaurensBER berichtete, selbst bei 5 bis 6 gleichzeitig geöffneten Sitzungen und 12 parallelen Datenströmen über den gesamten Tag hinweg keine 5 US-Dollar verbraucht zu haben. Obwohl er ein Claude Max-Abonnement besitzt, öffne er dieses kaum noch, da die ständige Sorge vor Nutzungslimits bei kostenpflichtigen Abonnements wegfalle. Ein teures Modell sei zwar leistungsfähiger, doch die Nutzung fühle sich durch die Limitierungen wie ein Rückschritt an.
Ein anderer Nutzer, abixb, formulierte es noch deutlicher: „Wenn das stimmt, stecken US-amerikanische KI-Labore in großen Schwierigkeiten. Sofern chinesische Modelle nicht per Dekret zur nationalen Sicherheit verboten werden, wird niemand mehr Aufpreise für Spitzenmodelle zahlen.“
Auch wenn diese Aussage zugespitzt ist, trifft sie den Kern einer eingespielten Annahme der Branche: Spitzenmodelle müssten teuer sein. Bisher bedeutete ein KI-Abonnement im Wesentlichen das Kaufen von Quoten – man zahlt monatlich feste Beträge und gerät bei hoher Nutzung in Warteschlangen. DeepSeek V4 Flash erlaubt es hingegen durch verbrauchsbasierte Abrechnung zu vernachlässigbaren Preisen, Aufgaben bedenkenlos auszulagern: Sei es das automatische Beheben von Testfehlern, das Scannen auffälliger Server-Logs oder das automatische Nachgenerieren fehlender Testabdeckungen.
Ingenieurmäßige Einschätzung: Wenn KI so günstig wird, dass selbst Einwegnutzung nicht schmerzt, wechselt das Nutzerverhalten von “Sparsamkeit” zu “hemmungslosem Einsatz”. Wie in der HN-Diskussion angemerkt, erhält man für 10 Dollar den Gegenwert von 140 Dollar Quota – das aufzubrauchen ist kaum möglich. Diese Verschiebung hat für Nutzer eine viel größere Bedeutung als Ränge auf Ranglisten.
Was das für alltägliche Nutzer bedeutet
Für Anwender ohne Programmierkenntnisse liegen die Vorteile dieses Effizienzwettlaufs auf der Hand: KI-Dienste werden insgesamt günstiger. Wenn Open-Source-Modelle die Preise senken, müssen kommerzielle Anbieter nachziehen, um Nutzerverluste zu vermeiden. Steigende Freikontingente und sinkende Monatsgebühren bei diversen KI-Tools im vergangenen Jahr stehen in direktem Zusammenhang mit dieser Entwicklung.
Langfristig wird KI in Bereiche vordringen, in denen ihr Einsatz bislang wirtschaftlich unrentabel war. Kleine Unternehmen können KI-gestützte Kundenservices einsetzen; Eltern können ihren Kindern bei den Hausaufgaben helfen, ohne sich Gedanken über Token-Kosten zu machen; und alltägliche Aufgaben wie Abrechnungen, Textentwürfe oder Lebenslaufanpassungen lassen sich vorab von KI erstellen und anschließend final prüfen.
Dennoch gilt: Günstig bedeutet nicht allmächtig. Der Spitzenplatz im Effizienz-Ranking bescheinigt ein hervorragendes Preis-Leistungs-Verhältnis, jedoch bleibt DeepSeek V4 Flash bei hochkomplexen Aufgaben hinter führenden proprietären Modellen zurück. In der HN-Diskussion wurde darauf hingewiesen, dass sich bei mehrstufigen und lang laufenden Prozessen kleine Fehler kleinerer Modelle zu gravierenden Problemen aufsummieren können. Es empfiehlt sich daher, preiswerte Modelle für den Alltag und teure Spitzenmodelle gezielt als Absicherung einzusetzen.
Fazit
Die öffentlich zugänglichen Daten zeigen, dass dieser Preiszerfall noch lange nicht abgeschlossen ist. Das Tempo, mit dem Open-Source-Modelle aufholen, zwingt die gesamte Branche zur Neukalkulation ihrer Geschäftsmodelle.
Der Spitzenplatz sollte vor allem als Signal verstanden werden: Der Wettbewerb im KI-Sektor erweitert sich von der Frage „Wer ist intelligenter?“ hin zu „Wer ist kostengünstiger?“. Während der Markt auf die nächsten Durchbrüche bei der Modellintelligenz wartet, ist die Ära der bezahlbaren KI bereits Realität geworden. Für unter 5 Dollar am Tag – weniger als ein Kaltgetränk – belegt dieses Modell den ersten Platz der Effizienzliste beim anspruchsvollsten KI-Test weltweit.
Referenzen:
- ARC Prize: DeepSeek V4 Flash 0731 Testergebnisse
- HN-Diskussion (item?id=49214008)
