Direktvergleich

DeepSeek-V4-Pro vs. DeepSeek-V4-Flash

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 61
verschiedene Benchmarks: 2
jüngster Abruf: 26.08.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von DeepSeek-V4-Pro und DeepSeek-V4-Flash
Merkmal	DeepSeek-V4-Pro	DeepSeek-V4-Flash
Anbieter	DeepSeek	DeepSeek
Erschienen	24. Apr. 2026	24. Apr. 2026
Verfügbarkeit	Preview	Preview
Modelltyp	Open Weights	Open Weights
Parameter	1,6 Billionen, 49 Mrd. aktiv	284 Mrd., 13 Mrd. aktiv
Architektur	Mixture of Experts	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von DeepSeek-V4-Pro und DeepSeek-V4-Flash
Preisart	DeepSeek-V4-Pro	DeepSeek-V4-Flash
API-Eingabe	0,43 $	0,14 $
API-Ausgabe	0,87 $	0,28 $
Cache lesen	0, $	0, $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	30.07.2026 Quelle	30.07.2026 Quelle

DeepSeek-V4-ProDeepSeek-V4-Flash

API-EingabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Pro0,435 $

DeepSeek-V4-Flash0,14 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Pro0,87 $

DeepSeek-V4-Flash0,28 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

DeepSeek-V4-Pro0,004 $

DeepSeek-V4-Flash0,003 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von DeepSeek-V4-Pro und DeepSeek-V4-Flash
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
DeepSeek-V4-Pro	DeepSeek	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 0,435 $	Günstigster erfasster Preis: 0,87 $	Quelle30.07.2026
	Alibaba	Über OpenRouteralibaba	1,122 $	3,366 $	Quelle25.08.2026
	BaseTen	Über OpenRouterbaseten/fp4	1,32 $	3,96 $	Quelle25.08.2026
	Cloudflare	Über OpenRoutercloudflare	1,32 $	3,96 $	Quelle25.08.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	1,3 $	2,6 $	Quelle25.08.2026
	DeepSeek	Über OpenRouterdeepseek	0,66 $	1,98 $	Quelle25.08.2026
	DigitalOcean	Über OpenRouterdigitalocean	1,32 $	3,96 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks	1,32 $	3,96 $	Quelle25.08.2026
	GMICloud	Über OpenRoutergmicloud/fp8	1,122 $	3,366 $	Quelle25.08.2026
	Novita	Über OpenRouternovita/fp8	1,32 $	3,96 $	Quelle25.08.2026
	Parasail	Über OpenRouterparasail/fp8	1,32 $	3,96 $	Quelle25.08.2026
	Phala	Über OpenRouterphala	1,45 $	4,36 $	Quelle25.08.2026
	Sail Research	Über OpenRoutersail-research/fp4	1,32 $	3,96 $	Quelle25.08.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	1,32 $	3,96 $	Quelle25.08.2026
	StreamLake	Über OpenRouterstreamlake	1,32 $	3,96 $	Quelle25.08.2026
	Together	Über OpenRoutertogether	1,32 $	3,96 $	Quelle25.08.2026
DeepSeek-V4-Flash	DeepSeek	Direkt beim EntwicklerStandard-API	0,14 $	0,28 $	Quelle30.07.2026
	AkashML	Über OpenRouterakashml/fp8	0,14 $	0,28 $	Quelle25.08.2026
	Alibaba	Über OpenRouteralibaba	0,352 $	1,056 $	Quelle25.08.2026
	Ambient	Über OpenRouterambient/fp4	0,08 $	0,18 $	Quelle25.08.2026
	AtlasCloud	Über OpenRouteratlas-cloud/fp4	0,44 $	1,32 $	Quelle25.08.2026
	Baidu	Über OpenRouterbaidu/fp8	0,14 $	0,28 $	Quelle25.08.2026
	BaseTen	Über OpenRouterbaseten/fp8	0,13 $	0,26 $	Quelle25.08.2026
	Cloudflare	Über OpenRoutercloudflare	0,44 $	1,32 $	Quelle25.08.2026
	CoreWeave	Über OpenRoutercoreweave/fp8	0,13 $	0,28 $	Quelle25.08.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,08 $	0,18 $	Quelle25.08.2026
	DeepSeek	Über OpenRouterdeepseek	0,22 $	0,66 $	Quelle25.08.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,08 $	0,252 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks	0,22 $	0,66 $	Quelle25.08.2026
	GMICloud	Über OpenRoutergmicloud/fp4	0,063 $	0,126 $	Quelle25.08.2026
	Inceptron	Über OpenRouterinceptron/fp4	0,13 $	0,28 $	Quelle25.08.2026
	Io Net	Über OpenRouterio-net/fp8	0,219 $	0,49 $	Quelle25.08.2026
	Mancer 2	Über OpenRoutermancer/fp8	0,15 $	0,45 $	Quelle25.08.2026
	Morph	Über OpenRoutermorph/bf16	0,079 $	0,278 $	Quelle25.08.2026
	Novita	Über OpenRouternovita/fp8	0,44 $	1,32 $	Quelle25.08.2026
	OpenInference	Über OpenRouteropen-inference/fp4	Günstigster erfasster Preis: 0,035 $	0,1 $	Quelle25.08.2026
	Parasail	Über OpenRouterparasail/fp8	0,14 $	0,28 $	Quelle25.08.2026
	Phala	Über OpenRouterphala	0,2 $	0,4 $	Quelle25.08.2026
	Reka	Über OpenRouterreka/fp4	0,22 $	0,66 $	Quelle25.08.2026
	Relace	Über OpenRouterrelace/fp4	0,04 $	Günstigster erfasster Preis: 0,08 $	Quelle25.08.2026
	SiliconFlow	Über OpenRoutersiliconflow/fp8	0,14 $	0,28 $	Quelle25.08.2026
	StreamLake	Über OpenRouterstreamlake/fp8	0,1936 $	0,5808 $	Quelle25.08.2026
	Together	Über OpenRoutertogether	0,14 $	0,28 $	Quelle25.08.2026
	Venice	Über OpenRoutervenice	0,175 $	0,35 $	Quelle25.08.2026
	Wafer	Über OpenRouterwafer/fast	0,28 $	0,56 $	Quelle25.08.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

DeepSeek-V4-Pro

DeepSeek-V4-Flash

Coding: 100 / 99,1 (1 Benchmarkfamilie)

Reasoning: 100 / 98,8 (1 Benchmarkfamilie)

Mathematik: 100 / 98,2 (1 Benchmarkfamilie)

Wissen: 100 / 98,6 (1 Benchmarkfamilie)

Finanzen: 100 / 98,7 (1 Benchmarkfamilie)

Recht: 100 / 98,7 (1 Benchmarkfamilie)

Cybersecurity: 98,1 / 96 (1 Benchmarkfamilie)

Gesundheit: 100 / 98,7 (1 Benchmarkfamilie)

61 passende Messreihen aus 2 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 9 vergleichbaren Kategorien.

DeepSeek-V4-ProDeepSeek-V4-Flash

CyberBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro68,644 %

DeepSeek-V4-Flash66,716 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.457,7

DeepSeek-V4-Flash1.435,524

CyberBenchPatch. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro79,661 %

DeepSeek-V4-Flash72,414 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.455,038

DeepSeek-V4-Flash1.438,259

CyberBenchPoC. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro57,627 %

DeepSeek-V4-Flash61,017 %

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.460,843

DeepSeek-V4-Flash1.437,377

LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.448,356

DeepSeek-V4-Flash1.435,239

LMArena Text, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.495,376

DeepSeek-V4-Flash1.474,636

LMArena Text, Style ControlChinese. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.499,875

DeepSeek-V4-Flash1.481,76

LMArena Text, Style ControlCoding. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.501,604

DeepSeek-V4-Flash1.482,591

LMArena Text, Style ControlCoding. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.488,275

DeepSeek-V4-Flash1.479,354

LMArena Text, Style ControlCreative writing. Mehr ist besser. Kein dokumentierter Setup-Unterschied

DeepSeek-V4-Pro1.444,726

DeepSeek-V4-Flash1.408,019

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche DeepSeek-V4-Pro und DeepSeek-V4-Flash mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Benchmarkwerte von DeepSeek-V4-Pro und DeepSeek-V4-Flash
Benchmark und Aufgabe	DeepSeek-V4-Pro	DeepSeek-V4-Flash	Quelle
CyberBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner68,644 %	66,716 %	Vals AI Quellendetails Datenstand: 03.08.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 54.263 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 49.001 anonymen Paarvergleichen.	Gewinner1.457,7 95-%-Konfidenzintervall: ±4,017Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.435,524 95-%-Konfidenzintervall: ±4,153Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
CyberBenchPatch Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner79,661 %	72,414 %	Vals AI Quellendetails Datenstand: 03.08.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 51.642 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 48.679 anonymen Paarvergleichen.	Gewinner1.455,038 95-%-Konfidenzintervall: ±4,085Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.438,259 95-%-Konfidenzintervall: ±4,218Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
CyberBenchPoC Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	57,627 %	Gewinner61,017 %	Vals AI Quellendetails Datenstand: 03.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.743 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 9.915 anonymen Paarvergleichen.	Gewinner1.460,843 95-%-Konfidenzintervall: ±6,925Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.437,377 95-%-Konfidenzintervall: ±7,141Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 10.412 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.057 anonymen Paarvergleichen.	Kein klarer Vorsprung1.448,356 95-%-Konfidenzintervall: ±7,004Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.435,239 95-%-Konfidenzintervall: ±7,16Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 2.857 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.529 anonymen Paarvergleichen.	Kein klarer Vorsprung1.495,376 95-%-Konfidenzintervall: ±12,11Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.474,636 95-%-Konfidenzintervall: ±12,715Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 2.760 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 2.504 anonymen Paarvergleichen.	Kein klarer Vorsprung1.499,875 95-%-Konfidenzintervall: ±12,373Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.481,76 95-%-Konfidenzintervall: ±12,702Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 16.202 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.374 anonymen Paarvergleichen.	Gewinner1.501,604 95-%-Konfidenzintervall: ±6,087Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.482,591 95-%-Konfidenzintervall: ±6,385Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 15.128 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 14.320 anonymen Paarvergleichen.	Kein klarer Vorsprung1.488,275 95-%-Konfidenzintervall: ±6,238Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.479,354 95-%-Konfidenzintervall: ±6,423Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 9.015 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.948 anonymen Paarvergleichen.	Gewinner1.444,726 95-%-Konfidenzintervall: ±7,519Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.408,019 95-%-Konfidenzintervall: ±7,77Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 8.654 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.992 anonymen Paarvergleichen.	Gewinner1.440,08 95-%-Konfidenzintervall: ±7,604Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.409,215 95-%-Konfidenzintervall: ±7,802Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 23.965 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.970 anonymen Paarvergleichen.	Gewinner1.467,54 95-%-Konfidenzintervall: ±5,224Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.445,237 95-%-Konfidenzintervall: ±5,376Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 22.736 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.745 anonymen Paarvergleichen.	Gewinner1.465,705 95-%-Konfidenzintervall: ±5,276Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.449,979 95-%-Konfidenzintervall: ±5,418Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 11.885 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.428 anonymen Paarvergleichen.	Gewinner1.434,172 95-%-Konfidenzintervall: ±6,815Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.405,468 95-%-Konfidenzintervall: ±7,138Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 11.430 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 10.633 anonymen Paarvergleichen.	Gewinner1.429,886 95-%-Konfidenzintervall: ±6,898Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.406,075 95-%-Konfidenzintervall: ±7,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 41.107 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.009 anonymen Paarvergleichen.	Gewinner1.461,299 95-%-Konfidenzintervall: ±5,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.430,911 95-%-Konfidenzintervall: ±5,425Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlExcluding ties Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 39.223 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 37.019 anonymen Paarvergleichen.	Gewinner1.456,964 95-%-Konfidenzintervall: ±5,271Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.435,438 95-%-Konfidenzintervall: ±5,471Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlExpert prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 5.447 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.925 anonymen Paarvergleichen.	Gewinner1.482,141 95-%-Konfidenzintervall: ±8,836Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,281 95-%-Konfidenzintervall: ±9,155Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlExpert prompts Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 5.079 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 4.914 anonymen Paarvergleichen.	Kein klarer Vorsprung1.475,437 95-%-Konfidenzintervall: ±8,986Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.467,751 95-%-Konfidenzintervall: ±9,229Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlFrench Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 2.109 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.906 anonymen Paarvergleichen.	Gewinner1.483,368 95-%-Konfidenzintervall: ±15,313Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.444,081 95-%-Konfidenzintervall: ±15,745Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlFrench Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 1.982 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 1.867 anonymen Paarvergleichen.	Kein klarer Vorsprung1.470,361 95-%-Konfidenzintervall: ±15,414Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,299 95-%-Konfidenzintervall: ±15,946Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlGerman Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 964 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 835 anonymen Paarvergleichen.	Gewinner1.467,762 95-%-Konfidenzintervall: ±20,084Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.423,579 95-%-Konfidenzintervall: ±21,512Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlGerman Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 888 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 878 anonymen Paarvergleichen.	Kein klarer Vorsprung1.457,77 95-%-Konfidenzintervall: ±20,761Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.434,11 95-%-Konfidenzintervall: ±21,114Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlHard prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 36.142 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.624 anonymen Paarvergleichen.	Gewinner1.480,326 95-%-Konfidenzintervall: ±4,704Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.459,012 95-%-Konfidenzintervall: ±4,887Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlHard prompts Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 34.595 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 32.476 anonymen Paarvergleichen.	Gewinner1.473,959 95-%-Konfidenzintervall: ±4,764Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,203 95-%-Konfidenzintervall: ±4,946Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlHard prompts, English Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 16.850 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.364 anonymen Paarvergleichen.	Gewinner1.484,379 95-%-Konfidenzintervall: ±5,987Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.463,915 95-%-Konfidenzintervall: ±6,171Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlHard prompts, English Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 15.941 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 15.133 anonymen Paarvergleichen.	Gewinner1.481,888 95-%-Konfidenzintervall: ±6,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.464,862 95-%-Konfidenzintervall: ±6,249Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlInstruction following Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 18.700 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.792 anonymen Paarvergleichen.	Gewinner1.453,347 95-%-Konfidenzintervall: ±5,739Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.427,924 95-%-Konfidenzintervall: ±5,965Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlInstruction following Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 17.759 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 16.800 anonymen Paarvergleichen.	Gewinner1.449,032 95-%-Konfidenzintervall: ±5,829Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.434,055 95-%-Konfidenzintervall: ±6,038Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlJapanese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 689 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 631 anonymen Paarvergleichen.	Gewinner1.461,549 95-%-Konfidenzintervall: ±24,781Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.396,076 95-%-Konfidenzintervall: ±25,697Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlJapanese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 635 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 597 anonymen Paarvergleichen.	Kein klarer Vorsprung1.427,788 95-%-Konfidenzintervall: ±25,259Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.419,885 95-%-Konfidenzintervall: ±26,347Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlKorean Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 1.080 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 872 anonymen Paarvergleichen.	Kein klarer Vorsprung1.417,139 95-%-Konfidenzintervall: ±19,425Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.393,099 95-%-Konfidenzintervall: ±21,429Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlKorean Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 966 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 916 anonymen Paarvergleichen.	Gewinner1.431,69 95-%-Konfidenzintervall: ±20,252Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.375,815 95-%-Konfidenzintervall: ±21,49Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlLegal and government Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 4.244 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.894 anonymen Paarvergleichen.	Gewinner1.473,741 95-%-Konfidenzintervall: ±9,874Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.449,229 95-%-Konfidenzintervall: ±10,198Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlLegal and government Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 4.070 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 3.878 anonymen Paarvergleichen.	Kein klarer Vorsprung1.472,138 95-%-Konfidenzintervall: ±10,029Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,405 95-%-Konfidenzintervall: ±10,257Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlLife, physical and social science Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 8.611 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.789 anonymen Paarvergleichen.	Gewinner1.480,933 95-%-Konfidenzintervall: ±7,35Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,819 95-%-Konfidenzintervall: ±7,624Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlLife, physical and social science Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro-high-preview, Reasoning: high, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash-high-preview, Reasoning: high, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 8.171 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 7.975 anonymen Paarvergleichen.	Gewinner1.478,847 95-%-Konfidenzintervall: ±7,442Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.460,991 95-%-Konfidenzintervall: ±7,604Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
LMArena Text, Style ControlLonger queries Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserDeepSeek-V4-Pro: Snapshot: deepseek-v4-pro, Harness: Arena text, style control DeepSeek-V4-Flash: Snapshot: deepseek-v4-flash, Harness: Arena text, style controlDeepSeek-V4-Pro: Stilbereinigte Arena-Bewertung aus 23.980 anonymen Paarvergleichen.DeepSeek-V4-Flash: Stilbereinigte Arena-Bewertung aus 21.575 anonymen Paarvergleichen.	Gewinner1.472,553 95-%-Konfidenzintervall: ±5,513Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.448,286 95-%-Konfidenzintervall: ±5,743Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026