DeepSeek V4 vs. Kimi K2.6: Open-Source-KI und Schweizer Datenschutz

Innerhalb von nur vier Tagen haben zwei chinesische KI-Labore die Open-Source-Welt aufgewühlt: Moonshot AI veröffentlichte am 20. April 2026 Kimi K2.6, DeepSeek folgte am 24. April 2026 mit DeepSeek V4. Beide Modelle sind vollständig quelloffen, lokal betreibbar und erreichen Leistungswerte, die bis vor kurzem ausschliesslich geschlossenen Frontier-Modellen vorbehalten waren. Für Schweizer Unternehmen, die unter dem revidierten Datenschutzgesetz (revDSG) operieren, eröffnet diese Entwicklung eine neue strategische Option: KI-Leistung auf Weltklasseniveau – ohne Datenweitergabe an ausländische Cloud-Anbieter.

Herkunft und Positionierung

DeepSeek V4 kommt von DeepSeek, einem chinesischen Forschungslabor, das seit seinem R1-Modell Anfang 2025 die Open-Source-KI-Szene aufmischt. Die neue V4-Generation erscheint in zwei Varianten: V4-Pro mit 1,6 Billionen Gesamtparametern (49 Milliarden aktiv) und V4-Flash mit 284 Milliarden Parametern (13 Milliarden aktiv). Beide sind unter der MIT-Lizenz veröffentlicht – der freiesten Open-Source-Lizenz überhaupt – und sofort über Hugging Face verfügbar. DeepSeek positioniert V4-Pro als "Performance rivaling the world's top closed-source models" und V4-Flash als schnelle, kosteneffiziente Alternative für einfachere Aufgaben.

Kimi K2.6 stammt von Moonshot AI, einem von Alibaba unterstützten chinesischen Startup. Das Modell verfügt über 1 Billion Parameter in einer Mixture-of-Experts-Architektur und ist unter der Modified MIT License veröffentlicht. Kimi K2.6 ist das erste Modell der Kimi-Reihe, das nativ multimodal ist – es verarbeitet Text, Bilder und Videos gleichzeitig, ohne dass diese Fähigkeiten nachträglich hinzugefügt wurden. Moonshot positioniert das Modell explizit als "the world's leading open-source model" für Long-Horizon Coding und Agent Swarm-Aufgaben.

Technische Spezifikationen im Vergleich

Beide Modelle nutzen die Mixture-of-Experts-Architektur (MoE), bei der nur ein Bruchteil der Parameter pro Token aktiviert wird – was die Inferenz trotz enormer Gesamtgrösse effizient macht. Die Unterschiede liegen im Detail.

DeepSeek V4-Pro setzt auf eine neuartige Token-wise Compression kombiniert mit DSA (DeepSeek Sparse Attention), die es ermöglicht, das 1-Millionen-Token-Kontextfenster mit drastisch reduziertem Speicher- und Rechenaufwand zu betreiben. Kimi K2.6 hingegen glänzt mit seiner Agent Swarm-Architektur: Das Modell kann bis zu 300 parallele Sub-Agenten koordinieren, die unabhängig voneinander Teilaufgaben bearbeiten und ihre Ergebnisse zusammenführen.

Benchmarks: Wer führt wo?

Auf den gemeinsamen Benchmarks liefern sich beide Modelle ein enges Rennen, wobei jedes in seinem Spezialgebiet führt.

Das Muster ist klar: DeepSeek V4-Pro dominiert bei Coding-Wettbewerben, Long-Context-Aufgaben und allgemeinem Reasoning (HLE). Kimi K2.6 führt bei visuellen Aufgaben, Mathematik-Olympiaden und wissenschaftlichem Reasoning (GPQA). Auf dem Artificial Analysis Intelligence Index belegt Kimi K2.6 Platz 4 unter allen Modellen (open und closed), DeepSeek V4-Pro folgt dicht dahinter.

Kosten: API und lokaler Betrieb

Beide Modelle sind sowohl über APIs als auch lokal nutzbar – ein entscheidender Vorteil gegenüber geschlossenen Modellen wie GPT-5.5 oder Claude Opus 4.7.

Kimi K2.6 ist beim Input-Preis rund 45% günstiger als DeepSeek V4-Pro ($0,95 vs. $1,74 pro Million Token). Beim Output-Preis liegt DeepSeek V4-Pro leicht vorne ($3,48 vs. $4,00). Für Anwendungen mit vielen kurzen Prompts und langen Antworten – etwa Coding-Assistenten – ist Kimi K2.6 tendenziell günstiger. Für Anwendungen mit langen System-Prompts und kurzen Antworten – etwa RAG-Systeme – ist DeepSeek V4-Pro attraktiver.

Die Latenz ist ein kritischer Unterschied: DeepSeek V4-Pro liefert den ersten Token nach 2,91 Sekunden, Kimi K2.6 nach 90,61 Sekunden. Für interaktive Anwendungen ist DeepSeek V4-Pro klar im Vorteil. Für Batch-Verarbeitung und autonome Agenten, die keine sofortige Antwort benötigen, spielt dieser Unterschied eine untergeordnete Rolle.

Open-Source und lokale Nutzbarkeit: Der Schweizer Datenschutz-Vorteil

Hier liegt der entscheidende strategische Vorteil beider Modelle gegenüber ihren geschlossenen Konkurrenten: Sie können vollständig lokal betrieben werden – ohne dass auch nur ein einziges Byte Ihrer Daten das eigene Rechenzentrum verlässt.

Das revidierte Schweizer Datenschutzgesetz (revDSG), das seit dem 1. September 2023 in Kraft ist, stellt klare Anforderungen an die Verarbeitung von Personendaten. Romano Roth, Chief of Cybernetic Transformation & Partner bei Zühlke, bringt es auf den Punkt: "Gerade in der Schweiz, wo das revidierte Datenschutzgesetz (revDSG) und Regulierungsbehörden wie die Finma strenge Vorgaben setzen, ist Datensouveränität ein zentrales Argument für den lokalen Betrieb."

Konkrete Datenschutz-Vorteile lokal betriebener Open-Source-Modelle

Wer DeepSeek V4 oder Kimi K2.6 lokal betreibt, profitiert von einer Reihe von Vorteilen, die mit geschlossenen Cloud-Modellen schlicht nicht erreichbar sind:

Keine Drittland-Transfers nach revDSG Art. 16: Das revDSG verlangt für Datentransfers in Länder ohne angemessenes Datenschutzniveau (wie die USA oder China) entweder Standardvertragsklauseln oder explizite Einwilligungen. Bei lokaler Verarbeitung entfällt diese Anforderung vollständig.

Vollständige Datensouveränität: Sensible Geschäftsdaten, Kundendaten, Patientendaten oder Mandantengeheimnisse verlassen das eigene Netzwerk nicht. Das Kinderspital Zürich betreibt seine KI-Plattform aus genau diesem Grund bewusst On-Premises: Patientendaten dürfen das Haus nicht verlassen.

Audit-Fähigkeit: Open-Source-Modelle sind vollständig inspizierbar. Modell-Gewichte, Trainingsverfahren und Inferenz-Code sind öffentlich zugänglich – ein entscheidender Vorteil für FINMA-regulierte Finanzdienstleister, die Nachweise über ihre KI-Systeme erbringen müssen.

Keine AGB-Änderungen: Bei Cloud-Diensten können Anbieter ihre Nutzungsbedingungen jederzeit ändern. Wer das Modell lokal betreibt, ist von solchen Änderungen unabhängig.

Kein Vendor Lock-in: Beide Modelle sind mit dem OpenAI-API-Format kompatibel und laufen über Ollama, LM Studio oder direkt via Hugging Face. Ein Wechsel zwischen Modellen ist ohne Codeänderungen möglich.

Praktische Umsetzung mit Ollama

Beide Modelle sind über Ollama verfügbar und können mit einem einzigen Befehl lokal gestartet werden:

# DeepSeek V4-Flash (kleinere Variante, für Consumer-Hardware)
ollama run deepseek-v4-flash

# Kimi K2.6
ollama run kimi-k2.6

# DeepSeek V4-Flash (kleinere Variante, für Consumer-Hardware)
ollama run deepseek-v4-flash

# Kimi K2.6
ollama run kimi-k2.6

Für den produktiven Einsatz empfiehlt Zühlke-Partner Romano Roth einen risikobasierten Ansatz: "Sensible Daten lokal verarbeiten, für unkritische Aufgaben Cloud-Dienste nutzen." Dieser hybride Ansatz erlaubt es, die Kosteneffizienz von Cloud-APIs für unkritische Aufgaben zu nutzen, während sensitive Verarbeitungen im eigenen Rechenzentrum bleiben.

Für wen eignet sich welches Modell?

Fazit: Die Open-Source-Revolution ist angekommen

DeepSeek V4 und Kimi K2.6 markieren einen Wendepunkt: Open-Source-KI hat die Leistungslücke zu geschlossenen Frontier-Modellen weitgehend geschlossen – und bietet dabei Vorteile, die geschlossene Modelle strukturell nicht bieten können. Für Schweizer Unternehmen ist die Kombination aus Weltklasse-Leistung, MIT-Lizenz und lokaler Betreibbarkeit besonders attraktiv.

Die Wahl zwischen beiden Modellen hängt vom konkreten Anwendungsfall ab: Wer schnelle, interaktive Antworten und grosse Kontextfenster benötigt, greift zu DeepSeek V4-Pro. Wer multimodale Eingaben, lange autonome Runs und parallele Agent-Swarms braucht, ist mit Kimi K2.6 besser bedient. Für Datenschutz-sensible Umgebungen – Finanzdienstleister, Gesundheitswesen, Behörden – sind beide Modelle gleichwertige Kandidaten, solange sie lokal betrieben werden.

Romano Roth von Zühlke fasst die strategische Lage treffend zusammen: "Technisch ist es heute realistischer denn je. Open-Source-Modelle lassen sich mit Plattformen wie Ollama oder Nvidia NIM sicher hinter der eigenen Firewall betreiben." Die Frage ist nicht mehr ob, sondern wann Schweizer Unternehmen diese Möglichkeit systematisch nutzen.

Quellen: DeepSeek V4 Preview Release | Kimi K2.6 Tech Blog | LLM Stats – Kimi K2.6 | LLM Stats – DeepSeek V4-Pro-Max | IT-Markt.ch – Zühlke über lokale KI-Infrastruktur | Artificial Analysis – Kimi K2.6