DeepSeek V4 vs. Hy3: Welches große offene Modell sollten Sie nutzen?
DeepSeek V4 ist MIT-lizenziert mit 1M-Token-Kontext in den Größen 1.6T und 284B; Hy3 ist ein einzelnes Apache-2.0-Modell mit 295B und 256K. Vergleichen Sie Größe, Kontext und Lizenz.
Fazit. Beides sind große offene Mixture-of-Experts-Modelle für Agenten- und Coding-Aufgaben, unterscheiden sich aber in Größe, Kontext und Lizenzbedingungen. DeepSeek V4 ist MIT-lizenziert, hat einen 1M-Token-Kontext und kommt als 1.6T Pro mit 49B aktiven Parametern und als 284B Flash mit 13B aktiven; V4-Flash-0731 ist etwa 167 GB groß. Hy3 ist ein einzelnes 295B-Modell mit 21B aktiven Parametern, 256K Kontext, Apache-2.0-Bedingungen ohne Territorialgrenzen und braucht etwa 598 GB in BF16 oder 300 GB in FP8. Beide sind rein textbasiert, und die Benchmark-Tabellen der beiden Entwickler sind deren eigene.
Spezifikationen
| Spezifikationen | DeepSeek V4 | Hy3 |
|---|---|---|
| Entwickler | DeepSeek | Tencent |
| Erscheinungsdatum | 24. April 2026 | 6. Juli 2026 |
| Parameter insgesamt | 1.6T (V4-Pro-0813) | 295B (Hy3 (BF16)) |
| Aktive Parameter | 49B | 21B |
| Architektur | Mixture of Experts (MoE) | Mixture of Experts (MoE) |
| Kontextfenster | 1M Token | 256K Token |
| Eingabe | Text | Text |
| Lizenz | MIT (Permissiv) | Apache 2.0 (Permissiv) |
| Speicher für die kleinste Variante (4 Bit) | 176 GB (V4-Flash (preview)) | 204 GB (Hy3 (BF16)) |
Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.
Wählen Sie DeepSeek V4, wenn
- Sie brauchen bis zu 1M Tokens Kontext in einer Sitzung.
- Sie wollen einen größeren Schritt nach oben mit dem 1.6T Pro, oder einen günstigeren nach unten mit dem 284B Flash und seinen 13B aktiven Parametern.
- Sie wollen die schlichte MIT-Lizenz.
- Sie haben einen Multi-GPU-Server oder eine Maschine mit sehr großem Unified Memory, denn selbst der Flash ist etwa 167 GB groß.
Wählen Sie Hy3, wenn
- 256K Tokens reichen, und Sie wollen ein einzelnes 295B-Modell mit 21B aktiven Parametern.
- Sie wollen Apache-2.0-Bedingungen ohne Territorialgrenzen.
- Sie planen Fine-Tuning oder Reinforcement-Learning-Experimente, denn Tencent veröffentlicht die Post-Training-Anleitungen.
- Sie können sicherstellen, dass Sie die finale Version laden und nicht die April-Vorschau, die eine territorial begrenzte Lizenz hatte.