Im Wettrennen um automatisierte Software-Analysen und KI-gestützte Cybersicherheit hat DeepSeek das neu justierte Flaggschiff DeepSeek V4 Pro (Build 0813 / Max) freigeschaltet. Erste unabhängige Benchmarks in der Entwickler-Community und auf Testplattformen wie CyberGym zeigen ein überraschendes Bild: Das chinesische Mixture-of-Experts-Modell (MoE) hält in der Erkennung von Sicherheitslücken mit den teuersten US-Frontier-Modellen mit - verlangt dafür aber nur einen Bruchteil des Preises.
Im direkten Vergleich mit Anthropics stärkstem Flaggschiff Claude Fable 5 erzielt DeepSeek V4 Pro im CyberGym-Benchmark 83,3 von 100 möglichen Punkten (Fable 5: 83,1 Punkte). Noch deutlicher wird die Abweichung bei der reinen Entdeckungsrate: In Tests zur automatisierten Schwachstellensuche erreicht V4 Pro eine Trefferquote (Recall) von 87,5 Prozent.
Hohe Trefferquote, aber mehr Fehlalarme
Der Haken an der hohen Trefferquote liegt in der Präzision. Während Fable 5 eine Präzision von 78,2 Prozent aufweist und damit Falschmeldungen weitgehend vermeidet, liegt die Präzision von DeepSeek V4 Pro bei rund 65,6 Prozent. Das Modell schlägt somit häufiger Fehlalarm und kennzeichnet auch unbedenkliche Code-Abschnitte als potenzielle Schwachstelle. Für IT-Sicherheits-Teams bedeutet dies, dass die Befunde eines ersten Suchlaufs noch einmal gefiltered werden müssen.
Auch im Terminal-Bench 2.1, der die Ausführung komplexer Befehle auf Kommandozeilenebene simuliert, schnitt das Modell mit 87,9 Punkten nahezu gleichauf mit Fable 5 (88,0 Punkte) ab. Für Entwickler, die Agenten-Frameworks zur Code-Analyse nutzen, eröffnet das radikal neue betriebswirtschaftliche Optionen.
Der Preiskampf verschärft sich
Der entscheidende Unterschied zwischen beiden Modellen ist der Preis. Laut der offiziellen Preisliste berechnet DeepSeek für 1 Million Output-Tokens 1,10 US-Dollar (Input-Cache-Miss liegt bei 0,28 US-Dollar). Damit sind die Ausgabetokens von DeepSeek V4 Pro rund 57-mal günstiger als bei Anthropics Fable-Klasse. Eine kaskadierte Architektur - bei der ein günstiges Modell den ersten großflächigen Scan durchführt und teurere Modelle nur zur Verifizierung verdächtiger Funde eingesetzt werden - spart in DevSecOps-Pipelines enorme Summen.
Ähnlich wie bei der schrittweisen Integration von DeepSeek-V4-Flash zeigt sich auch hier, dass immer mehr westliche Unternehmen auf chinesische KI-Modelle setzen, um die Betriebskosten ihrer internen Agenten-Systeme zu drängenden Fragen wie Schwachstellenscans zu senken.
| Benchmark / Metrik | DeepSeek V4 Pro (0813) | Claude Fable 5 | Einordnung & Auswirkung |
|---|---|---|---|
| CyberGym Overall Score | 83,3 / 100 | 83,1 / 100 | Leicht höherer Gesamtwert bei automatisierten Cyber-Tests |
| Vulnerability Recall Rate | 87,5 % | 84,2 % | Findet prozentual mehr Schwachstellen im Quellcode |
| Precision (Genauigkeit) | 65,6 % | 78,2 % | Erzeugt mehr False Positives / Nachprüfung erforderlich |
| Terminal-Bench 2.1 | 87,9 / 100 | 88,0 / 100 | Nahezu identische Leistung bei Terminal-Befehlen |
| Preis pro 1M Output-Tokens | 1,10 $ | ca. 62,50 $ | DeepSeek ist rund 57-mal günstiger bei den Token-Kosten |
DeepSeek Harness: Open-Source-Framework für Agenten-Evals
Zeitgleich mit den Benchmark-Ergebnissen hat das Entwicklerteam das Geheimnis hinter den spekulierten API-Endpunkten gelüftet: Statt eines separaten Modell-Launches veröffentlicht das chinesische KI-Lab das Open-Source-Repository DeepSeek Harness auf GitHub. Das Framework bildet die technische Ausführungsschicht (Harness) für die Orchestrierung agentischer Workflows, Long-Context Tool-Calling und automatisierte Benchmark-Tests.
Über eine offizielle Ankündigung auf X stellte DeepSeek das Werkzeug vor, das Entwicklern standardisierte Testumgebungen für Multi-Agenten-Systeme liefert. Damit zielt das Unternehmen direkt auf die Infrastruktur-Ebene ab, um die Integration von V4 Pro und V4 Flash in bestehende Entwicklerwerkzeuge weiter zu beschleunigen.
Nach den jüngsten Ankündigungen wie OpenAI Daybreak Cyber Defense erhöht dieser Doppelpass aus extrem günstigen Modellkosten und einem quelloffenen Agenten-Harness den Zugzwang auf US-Entwicklerlabore spürbar. Unternehmen erhalten damit eine schlüsselfertige Basis, um hochkomplexe Audits und Refactorings mit minimalem Budget durchzuführen.
🎯 Was das für die Praxis bedeutet
1. DevSecOps-Kosten senken: Nutzen Sie hochleistungsfähige, aber günstige MoE-Modelle wie DeepSeek V4 Pro als ersten Filter in der automatisierte Code-Analyse, um die Token-Rechnung für Ihre Security-Scans um bis zu 95 Prozent zu reduzieren.
2. DeepSeek Harness als Testbed nutzen: Greifen Sie auf das quelloffene Repository deepseek-harness auf GitHub zurück, um eigene Agenten-Pipelines, Tool-Execution und Benchmark-Tests standardisiert aufzubauen.
3. Zweistufige Verifizierung etablieren: Wegen der höheren Fehlalarmquote (Präzision bei 65,6 Prozent) sollten gefundene Verdachtsfälle vor einer Alarmierung durch statische Linter oder ein höherrangiges Verifikationsmodell validiert werden.
4. Kaskadierte Auswertung orchestrieren: Kombinieren Sie das quelloffene Harness-Framework mit kosteneffizienten Modellen, um Vorprüfungen vor der Weitergabe an teurere Spezialmodelle zu automatisieren.
