# DeepSeek-Modelle jetzt auf Amazon SageMaker JumpStart

> AWS nimmt drei Open-Weight-Sprachmodelle von DeepSeek in SageMaker auf – mit langem Kontextfenster und kostengünstigen Optionen für Entwickler.

Oossa · 2026-11-12 · https://oossa.com/de/deepseek-models-now-on-amazon-sagemaker-jumpstart

Amazon Web Services hat bekannt gegeben, dass drei Sprachmodelle von DeepSeek ab sofort in SageMaker JumpStart verfügbar sind. Die Modelle – DeepSeek‑V4‑Pro, DeepSeek‑V4‑Flash und DeepSeek‑V4.1‑Flash – sind Open-Weight-Modelle. Das heißt, ihr Code und ihre Gewichte sind unter einer MIT-Lizenz frei verfügbar. Kunden können sie mit wenigen Klicks in der AWS-Konsole oder über das SageMaker Python SDK zu ihren AWS-Konten hinzufügen. Die Ankündigung erfolgte am 12. November 2026.

DeepSeek‑V4‑Pro ist das größte der drei Modelle. Es verfügt über 1,6 Billionen Parameter in einer Mixture-of-Experts-Architektur (MoE), von denen pro Token jedoch nur 49 Milliarden aktiv sind. Außerdem unterstützt es ein Kontextfenster von 1 Million Tokens, sodass es sehr lange Dokumente lesen und analysieren kann. Damit eignet es sich für Aufgaben wie mehrstufiges Problemlösen, die Erstellung ausführlicher Berichte oder Anwendungen, die eine möglichst hohe Sprachleistung erfordern.

DeepSeek‑V4‑Flash ist eine kleinere und günstigere Alternative. Mit insgesamt 284 Milliarden Parametern, von denen pro Token 13 Milliarden aktiv sind, bietet es dasselbe Kontextfenster von 1 Million Tokens, benötigt aber deutlich weniger Rechenleistung. AWS empfiehlt es für latenzempfindliche Dienste im Produktiveinsatz, bei denen die Kosten eine Rolle spielen – etwa Chatbots oder Echtzeit-Zusammenfassungen.

Das neueste Modell, DeepSeek‑V4.1‑Flash, bietet multimodale Unterstützung und eine neuartige Causal-Encoder-Decoder-Architektur. Sein Backbone umfasst 552 Milliarden Parameter; bei der anfänglichen Vorverarbeitung (Prefill) werden jedoch nur 8 Milliarden und bei der Texterzeugung 16 Milliarden genutzt. Das Modell kann bis zu 384 k Tokens ausgeben und verwendet Compressed Sparse Attention 2 (CSA2) sowie FP4-KV-Caching, um den Speicherbedarf auf etwa ein Viertel des Werts von V4‑Flash zu senken. Diese Verfahren sind auf agentische Anwendungen ausgelegt, die Text und Bilder kombinieren – etwa Programmierassistenten, die auch Screenshots auswerten.

## Warum kommen diese Modelle jetzt hinzu?

AWS erweitert sein Angebot an Basismodellen, damit Entwickler mehr Auswahl zwischen maximaler Leistung und Effizienz haben. Mit einem Modell der Spitzenklasse (V4‑Pro) und zwei kostengünstigeren Varianten (V4‑Flash und V4.1‑Flash) können Kunden die passende Balance für ihr Budget und ihre Latenzanforderungen wählen, ohne das AWS-Ökosystem zu verlassen. Dank der Open-Weight-Lizenz können auch kleinere Teams die Modelle feinabstimmen oder in proprietäre Prozesse integrieren.

## Die Fakten

- DeepSeek‑V4‑Pro verfügt über 1,6 Billionen Parameter und aktiviert pro Token 49 Milliarden.
- DeepSeek‑V4‑Flash verfügt über 284 Milliarden Parameter und aktiviert pro Token 13 Milliarden.
- Das Backbone von DeepSeek‑V4.1‑Flash umfasst 552 Milliarden Parameter; beim Prefill werden 8 Milliarden und bei der Decodierung 16 Milliarden aktiviert.
- Alle drei Modelle unterstützen ein Kontextfenster von 1 Million Tokens; V4.1‑Flash kann bis zu 384 k Tokens ausgeben.
- Die Modelle stehen unter der MIT-Lizenz und sind seit dem 12.11.2026 über SageMaker JumpStart verfügbar.

## Warum es wichtig ist

Entwickler können nun große Sprachmodelle auf AWS nutzen, ohne eine eigene Infrastruktur aufzubauen, und je nach Kosten- oder Geschwindigkeitsanforderungen die passende Variante wählen. Dank der Open-Weight-Lizenz können auch kleinere Unternehmen die Modelle für spezielle Anwendungen anpassen. Für den Einsatz benötigen sie allerdings weiterhin AWS-Guthaben oder ein kostenpflichtiges Konto.

## Quellen und Referenzen

1. [DeepSeek-V4-Pro, DeepSeek-V4-Flash, and DeepSeek-V4.1-Flash models now available on Amazon SageMaker JumpStart](https://aws.amazon.com/about-aws/whats-new/2026/01/deepseek-v4-pro-v4-flash-v4.1-flash-on-sagemaker-jumpstart/) – AWS, 2026-11-11

Zuletzt aktualisiert: 2026-11-12