DeepSeek V4.1-Flash, Claude Fable 5.1, GPT-6 Astra und GPT-Live-1 zeigen, wie unterschiedlich sich neue Modelle für Künstliche Intelligenz (KI) entwickeln. Für dich zählt dabei weniger, welches System eine Rangliste anführt, sondern ob es lange Unterlagen verarbeitet, brauchbaren Code schreibt, einen nüchternen Stil trifft oder flüssige Sprachdialoge ermöglicht. Die Meldungen vom September 2026 liefern dafür neue Anhaltspunkte, aber noch keinen universellen Sieger.
Was verändert DeepSeek V4.1-Flash?
DeepSeek V4.1-Flash setzt vor allem bei den Betriebskosten langer Aufgaben an. Das frei verfügbare Modell kann laut Anbieter einen Kontext von bis zu einer Million Token verarbeiten; Token sind kleine Texteinheiten, in die ein Modell Eingaben zerlegt. Das ist besonders für KI-Agenten relevant, also Systeme, die eine Aufgabe selbstständig über mehrere Arbeitsschritte bearbeiten und dabei frühere Informationen im Gedächtnis behalten müssen.
Der zentrale Fortschritt betrifft den sogenannten Key-Value-Cache (KV-Cache), einen Zwischenspeicher für bereits verarbeitete Inhalte. Nach Angaben von DeepSeek benötigt dieser im schnellen Grafikspeicher nur noch etwa ein Viertel des Platzes des Vorgängers DeepSeek V4-Flash. Der ausgelagerte Anteil auf Solid-State-Drives (SSD), also schnellen Massenspeichern, oder im Arbeitsspeicher des Rechners soll auf rund ein Achtel schrumpfen. Gegenüber DeepSeek V1 sei die globale Cache-Grösse pro Token sogar um den Faktor 437 gesunken; diese Herstellerangaben sind noch nicht unabhängig geprüft.
Auch die Eingabe soll weniger Rechenleistung beanspruchen. Beim Einlesen aktiviert das Modell laut dem Bericht über DeepSeek V4.1-Flash 8 Milliarden Parameter pro Token, bei der Textausgabe 16 Milliarden. Parameter sind während des Trainings gelernte Werte, die das Verhalten eines Modells bestimmen. DeepSeek spricht deshalb von einem nahezu halbierten Rechenaufwand für die Verarbeitung eingehender Daten.
Eine zusätzliche Zusammenfassung von MarkTechPost nennt 552 Milliarden grundlegende Parameter, 196 Milliarden zusätzliche Engram-Parameter und ebenfalls das Kontextfenster von einer Million Token. Sie ordnet wiederholtes Einlesen und wachsende Zwischenspeicher als Engpass für langfristig arbeitende Agenten ein. Da hierfür nur eine Kurzfassung vorliegt, lässt sich die behauptete Effizienz daraus nicht umfassend überprüfen.
Für die Praxis könnte ein solches Modell beispielsweise einen umfangreichen Vertragsbestand oder eine lange Sammlung interner Berichte über mehrere Arbeitsschritte auswerten, ohne den bisherigen Kontext ständig neu einzulesen. Bei Programmieraufgaben soll V4.1-Flash ähnliche Ergebnisse wie geschlossene Spitzenmodelle von OpenAI und Anthropic erreichen. Komplexe wissenschaftliche Anforderungen und Bildanalysen gehören laut Leitmeldung dagegen weiterhin zu seinen Schwächen.
Wie unterscheiden sich Schreibstil und Fachleistung?
Claude Fable 5.1 zeigt, dass eine neue Modellgeneration nicht nur durch grössere Messwerte auffallen kann. Arena.ai untersuchte Zehntausende Antworten aus einem Textvergleich und fand gegenüber Fable 5 deutlich weniger zustimmende Einstiege, Lob und typische KI-Floskeln. Wörter wie „honestly“ oder „frankly“ kamen pro 1000 Wörter 45 Prozent seltener vor, zustimmende Eröffnungen wie „yes“ oder „exactly“ gingen um 58 Prozent zurück und Gedankenstriche um 32 Prozent.
Die Antworten wurden zugleich ausführlicher: Der Median stieg von 319 auf 414 Wörter und damit um 30 Prozent, blieb jedoch 21 Prozent unter der Länge von Opus 5. Semikolons nahmen um 63 Prozent zu, während abstrakte Nomen und lange Wörter seltener wurden. Die Analyse des veränderten Claude-Stils misst damit erkennbare sprachliche Gewohnheiten, sagt aber nicht automatisch, ob einzelne Antworten sachlich richtig sind.
Für deinen Arbeitsalltag ist das dennoch relevant. Wenn du eine Kundeninformation, eine interne Zusammenfassung oder einen ersten Artikelentwurf überarbeiten lässt, kann weniger pauschales Lob den Text nüchterner machen. Längere Antworten sind hingegen nicht immer ein Vorteil: Eine präzise E-Mail kann unter zusätzlicher Ausführlichkeit ebenso leiden wie unter dem inzwischen vertrauten KI-Vorrat an „absolut“ und „genau“.
GPT-6 Astra setzt einen anderen Akzent. Das Modell erreichte im ErdosBench für offene Mathematikprobleme zunächst Rang eins, bevor Fable 5.1 laut einem späteren Update vorbeizog. Astra erzielte 3,23 Punkte, löste 106 von 226 Problemen, davon 43 vollständig, und widerlegte 27 weitere. Gegenüber dem Modell Sol mit 78 gelösten Problemen bescheinigte der Benchmark-Entwickler Astra stärkeres wissenschaftliches Schreiben und weniger überzogene Behauptungen, ordnete den Fortschritt bei verschiedenen Forschungsfähigkeiten aber als vergleichsweise solide fünf bis zehn Prozent ein.
Die Rangfolge widerspricht deshalb bereits innerhalb derselben Meldung einer einfachen Siegererzählung. Zudem soll OpenAI Mathematik bei Astra bewusst nicht priorisiert haben, weil andere Forschungsrichtungen Vorrang hatten. Ein Spitzenplatz kann also von Testauswahl, Zeitpunkt und Unternehmensprioritäten abhängen und ist keine allgemeine Qualitätsgarantie für deine Tabellenkalkulation, deinen Bericht oder deinen Code.
Wer profitiert von GPT-Live-1?
GPT-Live-1 richtet sich an Anwendungen, in denen Menschen mit einer KI sprechen. Das Modell arbeitet im Full-Duplex-Verfahren, kann also gleichzeitig zuhören und sprechen. Statt Spracherkennung, Sprachmodell und Sprachausgabe nacheinander zu verbinden, vereint es diese Schritte in einem Modell. Das soll Verzögerungen reduzieren und Unterbrechungen natürlicher auffangen.
OpenAI stellt GPT-Live-1 über eine Programmierschnittstelle (API) für Entwickler bereit; eine API verbindet ein Modell mit einer Anwendung. Es wird laut Meldung bereits in ChatGPT eingesetzt und lässt sich je nach Aufgabe mit verschiedenen Hintergrundmodellen kombinieren. Damit können Anbieter Rechenleistung, Geschwindigkeit und Kosten unterschiedlich gewichten.
In OpenAIs eigenen, noch nicht unabhängig geprüften Benchmarks erreichte GPT-Live-1 bei Full-Duplex-Tests 80,1 Prozent gegenüber 45,4 Prozent für GPT-Realtime-2.1. Die Reaktionszeit sank von 1,4 auf 0,8 Sekunden, die Genauigkeit beim Aufruf externer Werkzeuge stieg von 60 auf 87 Prozent. In einem Sprachtest für Bankaufgaben erreichte das Modell 32 Prozent gegenüber 12,4 Prozent beim Vorgänger.
Ein konkretes Beispiel liefert Yelp: Das Unternehmen setzt das Modell für telefonische Reservierungen ein und berichtet laut seinem Technikchef von einer besseren Anrufbearbeitung. Für dich könnte dieselbe Technik in einem Buchungsdienst bedeuten, dass du eine Korrektur einwerfen kannst, während das System noch spricht, statt auf das Ende einer Ansage zu warten. Laut dem Bericht zu GPT-Live-1 stehen zwölf neue Stimmen in verschiedenen Akzenten, Dialekten und Sprachen zur Verfügung; welche davon für die Schweiz und ihre Landessprachen geeignet sind, bleibt offen.
Mit 0,05 US-Dollar pro Minute ist GPT-Live-1 laut Quelle nicht günstig. Der Betrag betrifft die technische Nutzung durch Anbieter und ist nicht automatisch ein Endkundenpreis. Ob und zu welchen Bedingungen einzelne Dienste in der Schweiz verfügbar sein werden, geht aus den Quellen ebenfalls nicht hervor.
Pro und Kontra der neuen Modelle
Pro:
- Längere Arbeitskontexte – DeepSeek V4.1-Flash soll sehr umfangreiche Eingaben mit deutlich geringerem Speicherbedarf verarbeiten.
- Nüchternerer Schreibstil – Claude Fable 5.1 verwendet laut Analyse weniger Schmeichelei, Absicherungen und typische KI-Floskeln.
- Stärkere Fachleistung – GPT-6 Astra und Fable 5.1 zeigen bei offenen Mathematikproblemen messbare Fortschritte, auch wenn die Rangfolge wechselte.
- Flüssigere Gespräche – GPT-Live-1 kann zuhören und sprechen, ohne den Dialog strikt in abwechselnde Blöcke aufzuteilen.
Kontra:
- Begrenzte Vergleichbarkeit – Speicherwerte, Stilanalysen, Mathematiktests und Sprachmessungen bewerten völlig unterschiedliche Fähigkeiten.
- Herstellerabhängige Angaben – Viele Leistungswerte stammen von den Anbietern und wurden in den vorliegenden Quellen nicht unabhängig bestätigt.
- Offene Datenfragen – Leistungsfähige Fachmodelle werfen Fragen nach Herkunft, Einwilligung und Anerkennung der verwendeten Inhalte auf.
- Unklare Gesamtkosten – Nur für GPT-Live-1 wird ein Preis genannt; für konkrete Dienste und Nutzungsszenarien fehlen vergleichbare Angaben.
Gerade bei wissenschaftlicher Leistung reicht ein hoher Messwert nicht als Vertrauensbeweis. Mathematiker Andreas Thom fragte OpenAI, ob frühere ChatGPT-Interaktionen mit ihm und seinen Kollegen in Trainingsdaten eingeflossen oder für spätere Ergebnisse zugänglich gewesen seien. Seine Anfrage folgte auf Kritik an der Anerkennung von Arbeiten zu nicht-sofischen Gruppen, also bestimmten unendlichen mathematischen Strukturen.
OpenAI ergänzte seine Darstellung nach öffentlicher Kritik, doch Thom empfand die Antwort zur Datennutzung als unzureichend. Auch ein weiterer Mathematiker hatte gefragt, ob die Nutzung von Codex zu späteren Modellergebnissen beigetragen haben könnte. Der Bericht über die offenen Trainingsdatenfragen belegt keinen Missbrauch, zeigt aber einen ungelösten Konflikt zwischen fachlicher Leistungsfähigkeit und Transparenz.
Was heisst das für deine Praxis?
Als Einsteiger solltest du mit einer klar begrenzten, überprüfbaren Aufgabe beginnen. Lass ein Modell beispielsweise eine lange interne Unterlage zusammenfassen oder zwei Fassungen einer Kundeninformation erstellen: eine knapp, eine ausführlich. Prüfe danach Namen, Zahlen, Schlussfolgerungen und ausgelassene Einschränkungen, statt den flüssigeren Stil mit höherer Zuverlässigkeit zu verwechseln.
Für Code eignet sich ein kleines, bereits verstandenes Projekt besser als eine kritische Anwendung. DeepSeek V4.1-Flash ist aufgrund seiner gemeldeten Programmierleistung und freien Verfügbarkeit interessant, doch seine Schwächen bei komplexen wissenschaftlichen Aufgaben und Bildanalyse bleiben relevant. Entscheidend ist, ob du das Ergebnis testen kannst; ein überzeugend formulierter Fehler bleibt ein Fehler.
Als fortgeschrittener Anwender kannst du Modelle nach Arbeitsschritt kombinieren. Ein Modell mit langem Kontext kann Unterlagen oder ein grösseres Codeprojekt durchsuchen, Claude Fable 5.1 kann einen Entwurf sprachlich nüchterner ausarbeiten und ein Sprachmodell kann eine Reservierungs- oder Supportinteraktion führen. Dabei solltest du Zeitbedarf, Prüfaufwand und den für GPT-Live-1 genannten Minutenpreis gemeinsam betrachten, nicht nur die Qualität einer Vorführung.
Für die Schweiz fehlen in den Quellen belastbare Angaben zu regionaler Verfügbarkeit, Datenschutzbedingungen und Unterstützung einzelner Landessprachen. Das ist besonders bei internen Unternehmensunterlagen, Bildungsdaten und aufgezeichneten Gesprächen eine zentrale Lücke. Die angekündigten Stimmen in mehreren Sprachen erlauben noch keine Aussage darüber, wie gut Schweizer Hochdeutsch, Französisch, Italienisch oder Dialekte funktionieren.
Die neuen Modelle spezialisieren sich nicht auf dieselbe Art von Fortschritt: DeepSeek optimiert lange und speicherintensive Abläufe, Claude verändert den Schreibstil, Astra verschiebt Fachbenchmarks und GPT-Live-1 macht Sprachdialoge unmittelbarer. Das erleichtert eine aufgabenbezogene Auswahl, macht pauschale Ranglisten aber weniger nützlich. Offen bleiben vor allem die unabhängige Bestätigung der Leistungswerte, die Herkunft von Trainingsdaten und die tatsächlichen Kosten im produktiven Einsatz.
Quellen
- Neues Deepseek-Modell V4.1-Flash senkt Speicherbedarf für KI-Agenten – THE DECODER, 2026-09-10
- DeepSeek AI Released DeepSeek-V4.1-Flash with 1M Context, FP4 KV Cache, and Cross-Layer Attention Reuse – MarkTechPost, 2026-09-10
- Analyse zeigt: Claude Fable 5.1 schreibt weniger schmeichelhaft und verzichtet auf typische KI-Floskeln – THE DECODER, 2026-09-10
- GPT-6 Astra lässt Mathematiker durchpusten, weil OpenAI es so will – THE DECODER, 2026-09-10
- Mathematicians want proof OpenAI didn’t use their work – The Verge, 2026-09-10
- GPT-Live-1: OpenAIs Full-Duplex-Sprachmodell ist jetzt für Entwickler verfügbar – THE DECODER, 2026-09-10
Bild: Jessica Lewis 🦋 thepaintedsquare via Pexels