DeepSeek verzeichnet 372.761.591 monatliche Besuche mit +4,3 % Wachstum gegenüber dem Vormonat und einem Preismodell „Freemium“. General Reasoning verzeichnet 9.441 monatliche Besuche mit +68,5 % Wachstum und einem Preismodell „Kostenlos“.
Hocheffiziente Open-Weight- und gehostete Reasoning-KI auf Basis von DeepSeek-V4 und R1 zu extrem niedrigen Token-Kosten.
Forschungslabor für Modelle, die über lange Horizonte schlussfolgern und koordinieren
| Dimension / Kennzahl | | |
|---|---|---|
| Offizielle Domain | deepseek.com | gr.inc |
| Preismodell | Freemium | Kostenlos |
| Monatliche Besuche | 372,76 Mio. (372.761.591) | 9441 (9.441) |
| MoM-Traffic-Delta | +15,36 Mio. (+4,3 %) | +3838 (+68,5 %) |
| Primärmarkt und Anteil | 🇨🇳 China (50,5 %) | 🌐 Global (—) |
| Direkte Besuche / Monat | 291,59 Mio. | 3745 |
| Nutzerbewertung | 4,8 | 4,2 |
| Unterstützte Plattformen | Website | Website |
Hocheffiziente Open-Weight- und gehostete Reasoning-KI auf Basis von DeepSeek-V4 und R1 zu extrem niedrigen Token-Kosten.
Nutzt eine sparse Mixture-of-Experts-Architektur (49B aktive Parameter von 1,6T bei V4-Pro), um bis zu 1 Million Token mit minimaler Latenz und minimalem Speicheraufwand zu verarbeiten.
Von DeepSeek-R1 vorangetrieben und in die Denkmodi von V3.2 und V4 integriert; zeigt die schrittweise Selbstverifikation für komplexe Mathematik, Logik und Code-Debugging.
Senkt die Input-Token-Kosten bei Cache-Treffern auf 0,003 $/1M bei Flash und 0,022 $/1M bei V4-Pro, mit 50 % niedrigeren Preisen in Off-Peak-UTC-Zeiten.
Bietet kostenlosen Zugang unter chat.deepseek.com sowie auf iOS/Android mit Dokument-Uploads, Reasoning-Modus und Websuche, ohne die Kernmodelle hinter eine Bezahlschranke zu stellen.
Forschungslabor für Modelle, die über lange Horizonte schlussfolgern und koordinieren
Trainiert Modelle, die als Team kommunizieren und koordinieren, mit kollektivem statt individuellem Belohnungssignal.
Erforscht kooperatives KI-Verhalten und sicheres Skalieren durch Multi-Agenten-Experimente und Environment Design.
Veröffentlicht Modellreihen und Forschungsartefakte, damit die Community darauf aufbauen kann.
Benchmarks, die messen, ob Modelle kohärent bleiben, wenn sich Situationen über lange Horizonte ändern.
Bietet stärkere multimodale Argumentation und Agenten-Tools, hat aber nicht die extrem günstigen API-Preise von DeepSeek.
Bietet stärkere multimodale Argumentation und Agenten-Tools, hat aber nicht die extrem günstigen API-Preise von DeepSeek.
Bietet ein riesiges Kontextfenster und eine tiefe Integration in das Google-Ökosystem, wirkt aber für reine Argumentationsaufgaben weniger spezialisiert.
Bietet ein riesiges Kontextfenster und eine tiefe Integration in das Google-Ökosystem, wirkt aber für reine Argumentationsaufgaben weniger spezialisiert.
Liefert überlegene Langform-Coding-Artefakte und nuanciertes Schreiben, hat aber keine spezialisierten Open-Weight-Raisonniermodelle von DeepSeek.
Liefert überlegene Langform-Coding-Artefakte und nuanciertes Schreiben, hat aber keine spezialisierten Open-Weight-Raisonniermodelle von DeepSeek.
SpezialisiertEnterprise-Entwicklerplattform und API zum Deployment von GPT-6 Astra, Sol, Luna und multimodalen Echtzeitagenten.
SpezialisiertEnterprise-Entwicklerplattform und API zum Deployment von GPT-6 Astra, Sol, Luna und multimodalen Echtzeitagenten.
Bietet Echtzeit-Integration von X-Social-Data, ist aber für dedizierte Entwickler-Coding-Workflows weniger kosteneffektiv.
Bietet Echtzeit-Integration von X-Social-Data, ist aber für dedizierte Entwickler-Coding-Workflows weniger kosteneffektiv.
SpezialisiertEchtzeit-KI-Antwortmaschine und Recherche-Workspace, die Live-Web-Zitate mit Frontier-Reasoning-Modellen kombiniert.
SpezialisiertEchtzeit-KI-Antwortmaschine und Recherche-Workspace, die Live-Web-Zitate mit Frontier-Reasoning-Modellen kombiniert.
Kostenlos / Open SourceQwen 4 (Alibaba Qwen4): Multimodale Modellfamilie der 4. Generation mit Qwen4-Max, Qwen4-Plus, Qwen4-Flash, Qwen4-27B und Qwen 3.8-Flash-Next-Architektur
Kostenlos / Open SourceQwen 4 (Alibaba Qwen4): Multimodale Modellfamilie der 4. Generation mit Qwen4-Max, Qwen4-Plus, Qwen4-Flash, Qwen4-27B und Qwen 3.8-Flash-Next-Architektur
SpezialisiertDer KI-Coding-Agent für anspruchsvolle Software
SpezialisiertDer KI-Coding-Agent für anspruchsvolle Software
SpezialisiertGlänzt bei ultralangen Dokumentenanalysen und Recherchen, hat aber nicht denselben Support der Open-Weight-Entwickler-Community.
SpezialisiertGlänzt bei ultralangen Dokumentenanalysen und Recherchen, hat aber nicht denselben Support der Open-Weight-Entwickler-Community.
Kostenlos / Open SourceEnables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
Kostenlos / Open SourceEnables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
Kostenlos / Open SourceQuelloffene KI-Modelle für Bild, Video und 3D entdecken, herunterladen und damit erzeugen.
Kostenlos / Open SourceQuelloffene KI-Modelle für Bild, Video und 3D entdecken, herunterladen und damit erzeugen.
SpezialisiertTypeSafe AI is an AI lab building machine-native intelligence infrastructure, and Jev is its first System One Model — a model designed to make decisions inside software rather than reply to humans. Instead of returning strings, Jev accepts structured questions and returns typed decisions with calibrated confidence scores, so applications can act autonomously when confidence is high and escalate for human review when it is not. TypeSafe reports roughly 193x faster and 444x cheaper performance on System One workloads compared with general-purpose LLMs.
SpezialisiertTypeSafe AI is an AI lab building machine-native intelligence infrastructure, and Jev is its first System One Model — a model designed to make decisions inside software rather than reply to humans. Instead of returning strings, Jev accepts structured questions and returns typed decisions with calibrated confidence scores, so applications can act autonomously when confidence is high and escalate for human review when it is not. TypeSafe reports roughly 193x faster and 444x cheaper performance on System One workloads compared with general-purpose LLMs.
