> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/modelle/deepseek-v4.1-flash.md).

# DeepSeek-V4.1-Flash: Anleitung zum lokalen Ausführen

Führe DeepSeek-V4.1-Flash-1017 lokal mit Unsloth GGUFs und Engram-n-Gramm-Auslagerung aus.

**DeepSeek-V4.1-Flash-1017** ist das neue Update zu V4.1-Flash und macht es zum **stärksten** offenen Modell bisher für Coding, agentische Aufgaben und mehr. Mit 1 Mio. Kontext ist sein **552B** Backbone + **196B Engram** Parameter unterstützen SSD-Auslagerung, um den Bedarf an RAM/VRAM zu reduzieren. Dieser Leitfaden zeigt, wie man DeepSeek-V4.1 lokal mit [Unsloth Dynamic](/docs/de/grundlagen/dynamic-3.0-ggufs.md) GGUFs.

Unsloth + llama.cpp ermöglicht etwa**3x schnellere** DeepSeek-V4.1-Inferenz als andere CPU/VRAM/n-gramm-fokussierte Repos. Unsere **250.4 GB** 1-Bit `UD-IQ1_M` Quantisierung erreicht **88.2% Top-1-Übereinstimmung** gegenüber dem ursprünglichen DeepSeek und läuft lokal auf Setups mit 128GB+ RAM. `UD-Q8_K_XL` (verlustfrei) ist **508.4 GB**, während `UD-Q4_K_XL` (nahezu verlustfrei) ist **500.7 GB**. GGUF: [**DeepSeek-V4.1-Flash-1017-GGUF**](https://huggingface.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF)

<a href="/pages/4659a80bbca9c72a7c73a6b0393beeeb3c6e110f#run-deepseek-v4.1-flash-1017-tutorials" class="button primary">DeepSeek-V4.1-Tutorials ausführen</a><a href="/docs/de/modelle/deepseek-v4.1-flash.md#quantization-analysis" class="button secondary">Quantisierungsanalyse</a>

### ⚙️ Nutzungsleitfaden

**DeepSeek-V4.1-Flash-1017** verknüpft MoE mit **bedingtes Gedächtnis von Engram**: n-Gramme von bis zu vier Tokens greifen pro Token auf ein paar Tabellenzeilen zu, sodass die Tabelle nicht im GPU-Speicher verbleiben muss. Am besten verwendet man Unsloth für die Inferenz, da es bis zu **3x schnellere** DeepSeek-V4.1-Inferenz als andere CPU/VRAM/n-gramm-fokussierte Repos durch Optimierungen auf Basis von llama.cpp ermöglicht.

1-Bit `UD-IQ1_S` auf 128-GB-RAM-Setups wie einem MacBook, DGX Spark oder RTX Spark funktionieren, während 3-Bit `UD-IQ3_XXS` auf 256-GB-RAM-Setups wie einem Mac Studio funktionieren wird.

Wie die PLE- / n-Gramm-Layer in unserem [Qwen3.8-Flash-Next](/docs/de/modelle/qwen3.8-next.md) Leitfaden kann Engrams 110.6–202.8-GB-Tabelle per mmap auf der SSD bleiben. Zeilen werden bei Bedarf in den OS-Cache geladen, wodurch RAM/VRAM gespart wird, während der vollständige Speicherplatzbedarf erhalten bleibt.

#### **Anforderungen für DeepSeek-V4.1-Flash-1017:**

**Tabelle: Hardwareanforderungen** (RAM + VRAM oder einheitlicher Speicher; Engram auf SSD).

| 1-Bit      | 2-Bit      | 3-Bit      | 4-Bit  | 8-Bit  |
| ---------- | ---------- | ---------- | ------ | ------ |
| 128–145 GB | 176–205 GB | 256–290 GB | 305 GB | 315 GB |

Schätzungen erlauben ungefähr 5–10 GB zusätzlich zu den Nicht-Engramm-Gewichten. Laufzeit und Kontext können mehr erfordern.

**n-gramm-Speicher:** Nachschlageformate und Gewichtungsgrößen erscheinen unten. Rest-GB ist der absolut minimale RAM/VRAM-Bedarf.

| Quant        | n-Gramm-Format / GB | Rest-GB |
| ------------ | ------------------- | ------- |
| UD-IQ1\_S    | IQ4\_NL / 110.6     | 122.4   |
| UD-IQ1\_M    | IQ4\_NL / 110.6     | 139.8   |
| UD-IQ2\_XXS  | Q5\_K / 135.2       | 165.3   |
| UD-Q2\_K\_XL | Q5\_K / 135.2       | 199.6   |
| UD-IQ3\_XXS  | Q6\_K / 161.3       | 233.5   |
| UD-IQ3\_S    | Q6\_K / 161.3       | 262.3   |
| UD-Q3\_K\_XL | MXFP8 / 202.8       | 282.3   |
| UD-Q4\_K\_XL | MXFP8 / 202.8       | 297.9   |
| UD-Q8\_K\_XL | MXFP8 / 202.8       | 305.6   |

### Empfohlene Einstellungen

DeepSeek empfiehlt temperature = 1.0, top-p = 1.0 und das Deaktivieren von top-k und min-p:

| Parameter                | Einstellung        |
| ------------------------ | ------------------ |
| `temperature`            | `1.0`              |
| `top_p`                  | `1.0`              |
| Maximales Kontextfenster | `1,048,576` Tokens |

DeepSeek empfiehlt, **mindestens 256K Ausgabetokens zu erlauben** für seine lange Generierungseinstellung.

### 📊 Quantisierungsanalyse

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FZbUjhpI7wJTjf3pM1uwu%2Fsize_vs_top1(1).png?alt=media&amp;token=4e133008-8026-4e93-baa7-d7f2e2b81ecc" alt=""><figcaption></figcaption></figure>

Die Ergebnisse werden mit DeepSeeks offizieller Referenz auf wiki1100 und long17k verglichen. Niedrigeres KL bedeutet nähere Wahrscheinlichkeiten für das nächste Token; höheres Top-1 bedeutet mehr übereinstimmende Vorhersagen.

DeepSeek mischt **MXFP4**, FP8 und BF16. Q4 und Q8 behalten **MXFP4** Experten und dieselbe Engram-Tabelle bei; ihre Bezeichnungen beschreiben nicht die Präzision jedes einzelnen Tensors. Q4 speichert viele Nicht-Experten-Gewichte in Q8\_0; Q8 verwendet BF16.

Wir zeigen auch, wenn wir die Engram-Präzision von IQ4\_NL auf Q5\_K auf Q6\_K und MXFP8 ändern, und bieten **eigenständige Engramme an, mit denen Sie nach Belieben mischen können.**

| Quant        | Gesamtgröße | wiki1100 KL / Top-1 | long17k KL / Top-1 |
| ------------ | ----------- | ------------------- | ------------------ |
| UD-IQ1\_S    | 233.0 GB    | 0.457 / 82.8%       | 0.364 / 85.1%      |
| UD-IQ1\_M    | 250.4 GB    | 0.314 / 87.1%       | 0.241 / 88.2%      |
| UD-IQ2\_XXS  | 300.5 GB    | 0.203 / 90.5%       | 0.142 / 91.2%      |
| UD-Q2\_K\_XL | 334.8 GB    | 0.138 / 91.5%       | 0.0879 / 93.3%     |
| UD-IQ3\_XXS  | 394.7 GB    | 0.0625 / 94.6%      | 0.043 / 95.1%      |
| UD-IQ3\_S    | 423.6 GB    | 0.0316 / 96.0%      | 0.0195 / 96.8%     |
| UD-Q3\_K\_XL | 485.1 GB    | 0.0204 / 96.5%      | 0.0114 / 97.4%     |
| UD-Q4\_K\_XL | 500.7 GB    | 9.00e-03 / 98.2%    | 4.46e-03 / 98.5%   |
| UD-Q8\_K\_XL | 508.4 GB    | 4.76e-03 / 98.5%    | 2.81e-03 / 98.7%   |

**Eine Quantisierung wählen:** IQ1\_S spart gegenüber Q8 etwa 54 % Speicherplatz. IQ1\_M fügt 17.4 GB hinzu und verbessert die Übereinstimmung bei Top-1 auf wiki1100 um 4.3 Punkte und auf long17k um 3.1. IQ3-Varianten erreichen 94.6–96.8 % Übereinstimmung.

#### **Denkaufwand**

Das Denken ist standardmäßig aktiviert, mit `reasoning_effort=75` („hoch“). Sie können eine ganze Zahl von **1 bis 100**festlegen. Höhere Werte fordern das Modell auf, gründlicher zu denken; sie sind kein Token-Limit. Die enthaltene Vorlage akzeptiert auch `niedrig` = 50, `mittel` = 62, `hoch` = 75 und `max` = 100.

Fügen Sie zum Beispiel eine dieser Optionen zu Ihrem Startbefehl hinzu:

```bash
# Standard-Denkaufwand
--chat-template-kwargs '{"reasoning_effort":75}'

# Maximaler Denkaufwand
--chat-template-kwargs '{"reasoning_effort":100}'

# Denken deaktivieren
--chat-template-kwargs '{"enable_thinking":false}'
```

## Ausführen **DeepSeek-V4.1-Flash-1017** Tutorials:

Für dieses Tutorial verwenden wir `UD-Q2_K_XL`. Unsloth wählt automatisch die nahezu optimale DeepSeek-V4.1-Auslagerung, ngram usw. Konfigurationen aus und sorgt so dafür, dass Ihr Setup die bestmögliche Geschwindigkeit erhält.

### 🦥 Unsloth-Leitfaden

[Unsloth Desktop](https://unsloth.ai/docs/desktop) ist unsere Open-Source-UI für lokale KI auf macOS, Windows und Linux. Sie können GGUFs suchen und herunterladen, CPU- und GPU-Auslagerung konfigurieren, Inferenz-Einstellungen anpassen und Tools aus einer App heraus verbinden.

{% stepper %}
{% step %}

#### Unsloth installieren

Der einfachste Einstieg ist das Herunterladen der [Unsloth-Desktop-App](/docs/de/desktop.md). Funktioniert auf [macOS](/docs/de/loslegen/install/mac.md), [Windows](/docs/de/loslegen/install/windows-installation.md), und [Linux](/docs/de/loslegen/install/linux.md).

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)

Oder, wenn Sie lieber manuell installieren möchten:

{% tabs %}
{% tab title="Native-Installation" %}
**MacOS, Linux, WSL:**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

**Windows:**

```powershell
irm https://unsloth.ai/install.ps1 | iex
```

{% endtab %}

{% tab title="Docker" %}
Das [Unsloth-Docker-Image](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` ist auf Docker verfügbar. [Anleitung lesen.](https://unsloth.ai/docs/get-started/install/docker)
{% endtab %}

{% tab title="Homebrew" %}
Unsloth Desktop installieren:

{% code collapsedlinecount="10" %}

```bash
brew install --cask unsloth
```

{% endcode %}

Unsloth Desktop aktualisieren:

```bash
brew upgrade --cask unsloth
```

{% endtab %}

{% tab title="WinGet" %}
Unsloth Desktop installieren:

```powershell
winget install --id UnslothAI.Unsloth -e
```

Unsloth Desktop aktualisieren:

```powershell
winget upgrade --id UnslothAI.Unsloth -e
```

{% endtab %}
{% endtabs %}
{% endstep %}

{% step %}

#### DeepSeek-V4.1-Flash-1017 suchen und herunterladen

Gehen Sie zu [Unsloth Chat](/docs/de/neu/studio/chat.md) oder Model Hub, suchen Sie nach **DeepSeek-V4.1-Flash-1017** und wählen Sie [unsloth/DeepSeek-V4.1-Flash-1017-GGUF](https://huggingface.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF). Laden Sie die gewünschte Quantisierung anhand der oben genannten Größen und Speicheranforderungen herunter.
{% endstep %}

{% step %}

#### DeepSeek-V4.1-Flash-1017 ausführen

Denken ist standardmäßig aktiviert mit `75`, Sie können es in unserem Umschalter ändern. Unsloth wählt automatisch die nahezu optimale DeepSeek-V4.1-Auslagerung, ngram usw. Konfigurationen aus und sorgt so dafür, dass Ihr Setup die bestmögliche Geschwindigkeit erhält.

Für weitere Informationen können Sie unseren [Unsloth-Inferenzleitfaden](/docs/de/neu/studio/chat.md).

Mit UD-IQ1\_S umfasst der 233.0-GB-Download eine 110.6-GB-Engram-n-Gramm-Tabelle und 122.4 GB andere Gewichte. Verwenden Sie das Engram-On-Demand-Laden, um die Nachschlagetabelle auf der SSD zu halten, mit zusätzlichem RAM/VRAM für zwischengespeicherte Zeilen, Kontext und Laufzeitpuffer. Folgen Sie dem obigen Nutzungsleitfaden für die Speicheranforderungen.
{% endstep %}

{% step %}

#### DeepSeek-V4.1-Flash-1017 mit Unsloth-API bereitstellen

Sie können `unsloth run` -Befehl verwenden und DeepSeek-V4.1-Flash-1017 über eine API bereitstellen mit `llama-server` -Laufzeitflags, einschließlich Kontextgröße, GPU-Schichten, Threading, Sampling, Netzwerk und Tool-Konfiguration. Weitere Informationen finden Sie in unseren [API-Dokumenten](/docs/de/grundlagen/api.md) oder [unsloth start](/docs/de/integrationen/unsloth-start.md).

{% code overflow="wrap" %}

```bash
unsloth run --model unsloth/DeepSeek-V4.1-Flash-1017-GGUF:UD-Q2_K_XL \\
    --temp 1.0 \\
    --top-p 1.0 \\
    --min-p 0.0 \\
    --chat-template-kwargs '{"reasoning_effort":75}'
```

{% endcode %}

Verwenden Sie eine Laufzeit mit Unterstützung für DeepSeek-V4.1-1017 und Engram-On-Demand-Laden. Wenden Sie die SSD-Auslagerungs- und Speichereinstellungen aus dem Nutzungsleitfaden an, wenn Sie die n-Gramm-Tabelle auf der Festplatte behalten.
{% endstep %}

{% step %}

#### Unsloth ist jetzt bereit

Sie können DeepSeek-V4.1-Flash-1017 über Unsloth Desktop mit Ihren Tools verbinden. Unsloth unterstützt außerdem die folgenden Workflows:

* **Tools verbinden:** [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md), [Websuche](/docs/de/neu/studio/chat.md#advanced-web-search), [MCP](/docs/de/grundlagen/mcp.md) und mehr
* **Modelle trainieren:** Andere unterstützte Text-, Diffusions- und [Embedding-Modelle](/docs/de/grundlagen/embedding-finetuning.md), und mehr feinabstimmen
* **Medien generieren:** Erstellen und trainieren [Bilder](/docs/de/grundlagen/diffusion-image.md), Video, [TTS](/docs/de/grundlagen/text-to-speech-tts-fine-tuning.md) lokal

<div align="center"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FYShiiub5gs5pCQLX6d4U%2FScreenshot%202026-08-15%20at%2012.18.24%E2%80%AFAM.png?alt=media&amp;token=d6996797-a144-4113-b4c3-155cca6c39a0" alt="Unsloth Desktop Agents settings interface example" width="563"><figcaption><p>Unsloth Desktops Agenten-Einstellungen (Beispiel der Oberfläche). Wählen Sie DeepSeek-V4.1-Flash-1017 und Ihre heruntergeladene Quantisierung, wenn Sie ein Tool verbinden.</p></figcaption></figure></div>
{% endstep %}
{% endstepper %}

### 🦙 DeepSeek-V4.1-Flash in llama.cpp ausführen

{% stepper %}
{% step %}
Wir müssen hier unseren speziellen llama.cpp-PR verwenden [hier](https://github.com/ggml-org/llama.cpp/pull/30817). Sie können auch den Build-Anweisungen unten folgen. Ändern Sie `-DGGML_CUDA=ON` zu `-DGGML_CUDA=OFF` wenn Sie keine GPU haben oder nur CPU-Inferenz möchten. **Für Apple Mac / Metal-Geräte**, setzen Sie `-DGGML_CUDA=OFF` und fahren Sie dann wie gewohnt fort – Metal-Unterstützung ist standardmäßig aktiviert.

```bash
apt-get update
apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev git -y
git clone https://github.com/ggml-org/llama.cpp
git -C llama.cpp fetch origin pull/30817/head:deepseek41
git -C llama.cpp checkout deepseek41
cmake llama.cpp -B llama.cpp/build \\
    -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON
cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-mtmd-cli llama-server llama-gguf-split
cp llama.cpp/build/bin/llama-* llama.cpp
```

{% endstep %}

{% step %}
Um das Modell auszuführen, können Sie Folgendes tun:

```bash
pip install -U "huggingface_hub[cli]"
hf download unsloth/DeepSeek-V4.1-Flash-1017-GGUF \\
    --local-dir unsloth/DeepSeek-V4.1-Flash-1017-GGUF \\
    --include "*UD-Q2_K_XL*"
```

Behalten Sie alle sieben Shards im selben Ordner und verweisen Sie `--model` auf den ersten Shard. llama.cpp lädt die verbleibenden Shards automatisch.
{% endstep %}

{% step %}
Dann führen Sie es so aus:

```bash
./llama.cpp/llama-cli \\
    --model unsloth/DeepSeek-V4.1-Flash-1017-GGUF/UD-Q2_K_XL/DeepSeek-V4.1-Flash-1017-UD-Q2_K_XL-00001-of-00007.gguf \\
    --temp 1.0 \\
    --top-p 1.0 \\
    --top-k 0 \\
    --min-p 0.0 \\
    --chat-template-kwargs '{"reasoning_effort":75}' \\
    --load-mode mmap \\
    --lazy-mode on \\
    --override-tensor "per_layer_token_embd.weight=CPU"
```

Dieses Beispiel lädt die Engram-n-Gramm-Tabelle bei Bedarf von der SSD. Behalten Sie `--load-mode mmap` und `--lazy-mode on` für SSD-Auslagerung aktiviert.
{% endstep %}
{% endstepper %}

### ⚡**DSpark** - Spekulatives Decoding

DeepSeek-V4.1 enthält **DSpark**, eine Architektur für spekulatives Decoding, die mehrere Tokens vorschlägt, bevor das Hauptmodell sie überprüft. Sie ist getrennt von der Engram-n-Gramm-Nachschlagetabelle: **Engram liefert erlerntes Gedächtnis; DSpark beschleunigt das Decoding**. Die ähnlich benannte n-Gramm-spekulative-Decoding-Option ist ebenfalls eine andere Funktion.

Für DSpark koppeln Sie das Hauptmodell mit einem passenden **V4.1-1017-Drafter** und einer Laufzeit mit DSpark-Unterstützung. Halten Sie die Versionen von Drafter und Haupt-Checkpoint übereinstimmend und reservieren Sie zusätzlichen Speicher für den Drafter. Die CLI- und Server-Beispiele in diesem Leitfaden verwenden normales Decoding.

**DSpark ermöglicht es, dass die Inferenz für DeepSeek-V4.1-Flash-GGUF beim Decoding etwa 1.3 bis 1.5x schneller ist!**

Wir bieten ein Q8\_0-DSpark-Modul mit 8 GB und ein vollständiges BF16 mit 8.5 GB an.

### :checkered\_flag:Das Engramm mischen und anpassen

Sie können die Engramm-Präzision für DeepSeek-V4.1 auch auf jede gewünschte Weise ändern.

| Engramm-Präzision | Größe (GB) |
| ----------------- | ---------- |
| MXFP8 (original)  | 202.8 GB   |
| Q6\_K             | 161.3 GB   |
| Q5\_K             | 135.2 GB   |
| IQ4\_NL           | 110.6 GB   |

Zum Beispiel können Sie nach dem Herunterladen der dynamischen 1-Bit-Quantisierung IQ1\_S, die standardmäßig das IQ4\_NL-Engramm verwendet, auf das MXFP8-Engramm umschalten, indem Sie nur das MXFP8-Engramm unter <https://huggingface.co/unsloth/DeepSeek-V4.1-Flash-1017-GGUF/tree/main/engram> genannt `DeepSeek-V4.1-Flash-1017-engram-MXFP8.gguf_file` Gehen Sie dazu wie folgt vor:

```bash
# 1. holen Sie die Tabelle + das Skript
hf download unsloth/DeepSeek-V4.1-Flash-1017-GGUF \\
  --include "engram/*MXFP8*" "engram/set_split.py" --local-dir .

# 2. kennzeichnen Sie es als Shard 5 von 5 (den Tabellenslot von UD-IQ1_S)
python engram/set_split.py engram/DeepSeek-V4.1-Flash-1017-engram-MXFP8.gguf_file 5 5

# 3. legen Sie die alte Tabelle beiseite und benennen Sie dann die neue in den Namen des Tabellenshards um
mv UD-IQ1_S/DeepSeek-V4.1-Flash-1017-UD-IQ1_S-00005-of-00005.gguf UD-IQ1_S/engram-IQ4_NL.bak
mv engram/DeepSeek-V4.1-Flash-1017-engram-MXFP8.gguf_file \\
   UD-IQ1_S/DeepSeek-V4.1-Flash-1017-UD-IQ1_S-00005-of-00005.gguf

# 4. wie gewohnt ausführen
llama-server -m UD-IQ1_S/DeepSeek-V4.1-Flash-1017-UD-IQ1_S-00001-of-00005.gguf
```

## 📊 Benchmarks

### **GGUF KLD- und Top-1%-Benchmarks**

Unsere Quantisierungen erreichen 82.8–98.5 % Übereinstimmung bei Top-1 gegenüber der offiziellen F32-Referenz auf wiki1100 und 85.1–98.7 % auf long17k. UD-Q4\_K\_XL spart gegenüber UD-Q8\_K\_XL 7.7 GB, mit einer Übereinstimmungsdifferenz von 0.3 Prozentpunkten auf wiki1100 und 0.2 auf long17k. Q8 hat außerdem auf beiden Datensätzen eine geringere KL-Divergenz.

**Wir ändern auch die Präzision der Engram-Tabelle von IQ4\_NL zu Q5\_K, Q6\_K und MXFP8 und zeigen, wie sich das KLD auswirkt**

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FdIFvyiUQafZ2upn6VdhJ%2Fsize_vs_kld(1).png?alt=media&amp;token=e5d14eab-9143-4d0a-b1a6-f5427d995808" alt=""><figcaption></figcaption></figure>

### **Offizielle Benchmarks**

DeepSeek berichtet die folgenden Ergebnisse für **V4.1-Flash-1017** im Vergleich mit der vorherigen V4.1-Flash-Veröffentlichung. Dies sind offizielle Modellresultate, keine Messungen der GGUFs in diesem Leitfaden. Quelle: [DeepSeeks 1017-Modelkarte](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017).

| Benchmark                  | V4.1-Flash-1017 | V4.1-Flash   |
| -------------------------- | --------------- | ------------ |
| HLE ohne Tools             | 42.6 (44.0†)    | 36.8 (39.1†) |
| Terminal-Bench 4.0         | 42.3            | 31.2         |
| DeepSWE v1.1               | 77.0            | 74.2         |
| ProgramBench               | 29.1            | 20.3         |
| NL2Repo-Bench              | 68.2            | 65.4         |
| Automation-Bench v1.0.6    | 60.5            | 54.8         |
| Agents’ Last Exam          | 35.4            | 31.8         |
| Apex Bench v1.1            | 72.1            | 64.6         |
| Chartography (mit Tools)   | 83.0            | 78.9         |
| BabyVision (mit Tools)     | 92.5            | 89.6         |
| ZeroBench-main (mit Tools) | 51.0            | 49.0         |

† Nur-Text-Teilmenge von HLE. DeepSeek verwendet das Claude-Code-Harness für Terminal-Bench 4.0 und Mini-SWE-V2 für DeepSWE v1.1. Die Punktzahlen hängen vom Bewertungssetup, dem Denkaufwand und dem Kontextbudget ab.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/de/modelle/deepseek-v4.1-flash.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.