Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-fundeohne Datum · Q004765

Hugging Face

huggingface.co · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt DeepSeek-V4-Pro-0813 als aktualisierte Version mit DSpark und laut Anbieter verbesserten agentischen Fähigkeiten vor. Die Benchmarkwerte übertreffen durchgehend die Vorschauversion, fallen gegenüber anderen Modellen jedoch gemischt aus; zwei Tests sind intern, und eine unabhängige Bestätigung wird im Text nicht belegt. Außerdem beschreibt die Seite Kodierung, Inferenzoptionen, Samplingempfehlungen und die MIT-Lizenz.

Mittel

Der Bericht präsentiert DeepSeek-V4-Pro-0813 als offizielle Nachfolge der Vorschauversion. Laut Anbieter basiert das Modell auf derselben Struktur, ergänzt DSpark für spekulatives Decoding und verbessert besonders agentische Fähigkeiten und den Einsatz in Produktionsumgebungen.

In der Benchmarktabelle liegt die neue Version bei allen aufgeführten Tests über DeepSeek-V4-Pro (Preview), etwa bei Terminal Bench 2.1 (87,9 gegenüber 72,1) und DeepSWE (62,7 gegenüber 12,8). Gegen andere Modelle sind die Ergebnisse gemischt: In mehreren Vergleichen liegt sie nahe an Spitzenwerten, in anderen darunter. Für öffentliche Code-Agent-Tests nennt der Bericht DeepSeek Harness im Minimalmodus und konkrete Einstellungen für Reasoning und Sampling. Zwei DSBench-Tests seien interne Datensätze. Die Werte sind Anbieterangaben; der Text belegt keine unabhängige Reproduktion und erläutert nicht sämtliche Testmethoden.

Ein Jinja-Chat-Template fehlt; stattdessen gibt es Skripte und Beispiele für Nachrichtenkodierung und Ausgabeauswertung. Der Bericht dokumentiert DSpark-Startoptionen für vLLM und SGLang, verweist für lokale Nutzung auf weitere Anleitungen und empfiehlt bei hohem Reasoning-Aufwand bis zu 384.000 Ausgabetokens. Modell und Gewichte stehen laut Seite unter MIT-Lizenz; die angegebene Modellgröße beträgt 1,7 Billionen Parameter.

Ausführlich lesen

Der Bericht stellt DeepSeek-V4-Pro-0813 als offizielle Veröffentlichung des Modells DeepSeek-V4-Pro vor, die eine Vorschauversion ablöse. Laut Anbieter basiert sie auf deren Modellstruktur und ergänzt ein DSpark-Modul für spekulatives Decoding. Der Anbieter beschreibt verbesserte agentische Fähigkeiten und Leistungssteigerungen, besonders in Produktionsumgebungen, und bezeichnet das Modell als konkurrenzfähig mit führenden proprietären Modellen.

Als Beleg dient eine Tabelle mit Ergebnissen auf zehn Benchmarks. Im Vergleich zu DeepSeek-V4-Pro (Preview) liegen die angegebenen Werte bei allen aufgeführten Tests höher. Beispiele sind Terminal Bench 2.1 mit 87,9 gegenüber 72,1, NL2Repo mit 61,5 gegenüber 38,5 und DeepSWE mit 62,7 gegenüber 12,8. Bei anderen Modellen fällt der Vergleich gemischt aus: DeepSeek-V4-Pro-0813 erreicht etwa bei Terminal Bench 2.1 einen Wert nahe Kimi K3 und Fable-5, liegt bei HLE mit und ohne Werkzeuge sowie bei mehreren weiteren Benchmarks aber hinter den höchsten Tabellenwerten. Die Tabelle enthält fehlende Werte für einige Modelle. Die Angaben sind Leistungswerte des Berichts; ein unabhängiger Prüfbeleg oder eine ausführliche Beschreibung aller Benchmarkmethoden ist im vorliegenden Text nicht enthalten. Für die öffentlichen Code-Agent-Aufgaben nennt der Bericht DeepSeek Harness im Minimalmodus, die höchste Stufe des Reasoning-Aufwands sowie Temperature 1,0 und top_p 0,95 als Testkonfiguration. Zwei DSBench-Sätze sind als interne Tests gekennzeichnet: einer für Full-Stack-Entwicklung, der andere für schwierige Coding-Agent-Aufgaben.

Der Text beschreibt außerdem die Nutzung des Modells. Ein Jinja-Chat-Template werde nicht mitgeliefert. Stattdessen gebe es einen Ordner mit Python-Skripten und Testfällen, der die Umwandlung OpenAI-kompatibler Nachrichten in Eingabetext und das Auslesen der Modellausgabe demonstriere. Der Parameter reasoning_effort unterstütze die Stufen low, high und max. Für vLLM und SGLang nennt der Bericht Startoptionen zur Aktivierung von DSpark; die Beispiele beziehen sich auf bestimmte Hardware- und Backend-Konfigurationen. Für lokale Ausführung verweist er auf ein separates Anleitungsverzeichnis und empfiehlt Temperature 1,0, top_p 0,95 für agentische Szenarien beziehungsweise 1,0 für andere Fälle. Bei high und max werde eine maximale Ausgabelänge von 384.000 Tokens empfohlen.

Repository und Modellgewichte stehen laut Bericht unter MIT-Lizenz. Die Hugging-Face-Seite führt eine Modellgröße von 1,7 Billionen Parametern auf. Grenzen der vorliegenden Darstellung: Sie enthält zusammengefasste Benchmarks und Bereitstellungsbeispiele, aber keine vollständige technische Abhandlung, keine unabhängige Reproduktion der Resultate und keine detaillierten Angaben dazu, wie die Ergebnisse über die genannten Testkonfigurationen hinaus zustande kommen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung; die kurze Fassung ist ebenfalls treu. Die Einordnung erfolgte unabhängig von Lunas Stufen und Anteilen.

Im Bericht, aber nicht in der Zusammenfassung

  • Reasoning-Stufen low, high und max
  • Empfohlene Sampling-Werte (temperature 1.0, top_p 0.95 für agentische Szenarien, sonst 1.0)
  • Verweis auf den technischen Bericht (arXiv 2606.19348)

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 37 %einzelne zitierbare Belege
    • JEV offen
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-F1-T02 Veröffentlichen Labore abgestimmte Cyber-Tests, die zeigen, was jedes Modell mehr leistet als ein Mensch ohne KI-Hilfe? Luna: Stufe 4 · 26 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV offen
    • amos 30 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 37 %einzelne zitierbare Belege
    • JEV offen
    • amos 27 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 26 %einzelne zitierbare Belege
    • JEV offen
    • amos 31 %einzelne zitierbare Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV offen
    • amos 30 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →