DeepSeek V4 multimodal: Was Creator wissen müssen

DeepSeek V4 ist seit dem 24. April 2026 live — zwei Tiers, 1 Million Token Kontext, bis zu 384K Ausgabelänge. Es ist kein Videomodell und will keines ersetzen. Was V4 verändert, ist die Ebene über dem visuellen Stack: Brief, Storyboard, Brand Bible, Long-Context-Retrieval, das aus „Kampagne bauen“ „Kampagne bauen, die jeden Shoot dieses Jahres respektiert“ macht.

Was DeepSeek V4 ist

Zwei Produktionstiers — V4-Flash und V4-Pro — über eine OpenAI-kompatible API unter api.deepseek.com. Headline: 1M Token plus strukturierte Tool-Calls; darunter CSA (Compressed Sparse Attention) plus HCA (Heavy Compressed Attention), damit Kosten nicht linear mit Kontextlänge skalieren.

Beide Tiers: Output-Cap 384K Token; „Thinking“ und „Non-Thinking“ aus demselben Modell — V4 vereint, was V3 und R1 getrennt hatten.

Architektur in einem Absatz

CSA grenzt Attention pro Layer auf wenige informationsreiche Token ein; HCA-Layer komprimieren darauf dicht. So wird 1M Kontext bezahlbar statt nur Benchmark-Trophäe. Training und Serving auf Huawei-Ascend-Klasse, nicht nur CUDA; Cambricon-vLLM für Inferenz.

Benchmarks

DeepSeek räumt ein: V4 „liegt bei komplexem Wissen und Reasoning noch etwa drei bis sechs Monate hinter den Top-Closed-Systemen“. Für die meisten Creator-Workflows bindet das selten.

V3, R1 und V4

Multimodal — was es bedeutet (noch nicht voll)

Die Launch-Botschaft unterverkauft Multimodal bewusst — keine veröffentlichten Bild-, Video- oder Audio-APIs heute. Wert für Creator liegt in Long-Context-Text und Tool-Workflows um den visuellen Stack, nicht darin.

Sobald Multimodal-Entry-Points landen, folgen sie dem OmniArt-Model-Picker wie GPT Image 2. Bis dahin: V4 als Gehirn für den Brief.

Drei Muster, die heute zählen

1. Brand Bibles als 1M-Token-Kontext

Vollständiges Brand Book, Kampagnen, Tone-of-Voice, Character Sheet, Do-not-say-Liste, zwölf Monate Post-Copy — alles als System-Kontext, dann Launch-Brief. Output respektiert das Gesamtpaket ohne Embedding-Roundtrip.

2. Long-form strukturiert

384K Output reichen für Narrative Bible, sechsteilige Storyboards mit Shot-Listen oder 50-seitige Lokalisierungsspecs. V4-Flash bei ~$0,28 pro 1M Output-Token: günstigster zuverlässiger Weg für lange strukturierte Entwürfe.

3. Tool-first Agents für den visuellen Stack

Tool-Call-Disziplin zählt, wenn Sie OmniArt-API anbinden: Modell, Prompt, Referenzen Shot für Shot — genau die Integration, die OmniArt baut.

V4-Flash vs V4-Pro

Preisverhältnis ~12× — Flash für Volumen-Ideation, Pro wenn Tiefe wichtiger ist als Token-Kosten.

Einordnung im OmniArt-Stack

Getting started

V4 ist noch kein One-Click im OmniArt-Picker — Heimat ist die API. Planning Layer: OpenAI-kompatibel unter api.deepseek.com, Tools auf OmniArt-API für Bild/Video.

Weiterlesen: GPT Image 2 vs Nano Banana 2, Beste Image-to-Video-Shortlist.