Bestes lokales Reasoning-Modell 2026: DeepSeek-R1 im Ranking

Ein Reasoning-Modell ist ein LLM, das darauf trainiert ist, vor seiner endgültigen Antwort eine explizite Gedankenkette (Chain-of-Thought) zu erzeugen, was es bei Mathe, Logik und mehrstufigen Problemen weit stärker macht als ein Standard-Chat-Modell gleicher Größe. DeepSeek-R1-Distills sind Reasoning-Modelle: Sie „denken laut" innerhalb der Antwort, prüfen und überarbeiten Schritte, bevor sie sich auf eine Antwort festlegen.

Der Kompromiss sind Latenz und Wortfülle. Ein Reasoning-Modell verbraucht zusätzliche Tokens, um das Problem durchzuarbeiten, sodass eine einzelne Antwort mehrere Sekunden und Hunderte Tokens sichtbares Reasoning dauern kann. Für einen mathematischen Beweis oder ein Logikrätsel ist genau das gewünscht; für eine schnelle Faktenabfrage ist es verschwendete Zeit.

Die Unterscheidung, über die Menschen stolpern: DeepSeek-V3 war ein Chat-Modell, DeepSeek-R1 das Reasoning-Modell. Sie teilen sich eine Architektur-Abstammung, waren aber für unterschiedliche Aufgaben abgestimmt, und beide gehören inzwischen zur Vorgängergeneration – DeepSeek-V4 bietet Thinking- und Non-Thinking-Modus in einer Modellfamilie. Für schrittweises Problemlösen auf eigener Hardware bleiben die R1-Distills der praktische Weg. Wir erklären genau, was die Distillation behält und verliert, in DeepSeek-R1 vs. die Distills.

Update: Die aktuelle Generation von DeepSeek ist DeepSeek-V4 (Flash und Pro), veröffentlicht als Open Weights unter MIT-Lizenz (Preview: 24. April 2026). Die DeepSeek-API liefert jetzt V4: Die Aliase deepseek-chat (V3-Generation) und deepseek-reasoner (R1-Generation) wurden als nach dem 24. Juli 2026 vollständig abgeschaltet angekündigt. Die R1-Distills sind eigenständige Open-Weight-Releases, waren nicht Teil dieser Ankündigung und laufen weiterhin lokal. V4 selbst ist kein Modell für Consumer-GPUs: V4-Pro hat 1,6T Parameter insgesamt (49B aktiv), das ursprüngliche V4-Flash 284B (13B aktiv). Selbst bei 4-Bit-Präzision (Parameterzahl × 0,5 Byte) benötigen allein die Gewichte grob 140 GB (Flash) bis 800 GB (Pro); die Modellkarten von DeepSeek nennen keine GPU-Anforderung. Für Reasoning auf einer einzelnen Consumer-GPU bleiben die Distills die praktische Wahl.

Für eine tiefergehende Einführung in den Betrieb dieser Modelle beginnen Sie mit dem Hardware-Leitfaden für lokale LLMs und LLM-Quantisierung erklärt, die die VRAM-Rechnung abdecken, auf die sich dieser Leitfaden stützt.

DeepSeek hat sechs offizielle Distills von R1 veröffentlicht, jeder durch Feinabstimmung eines bestehenden offenen Basismodells auf Reasoning-Spuren des vollständigen 671B-R1 erstellt. Vier nutzen eine Qwen2.5-Basis (1.5B, 7B, 14B, 32B) und zwei eine Llama-3-Basis (8B, 70B). Die VRAM-Angaben unten gelten für die Ollama-Standardquantisierung Q4_K_M.

DeepSeek-R1-0528-Qwen3-8B gehört zu den stärksten kleinen Reasoning-Modellen, die Sie auf einer 8-GB-GPU ausführen können, distilliert vom aktualisierten R1-0528 auf eine Qwen3-8B-Basis. Laut DeepSeeks veröffentlichtem Benchmark lag es zum Release bei AIME 2024 unter den offenen 8B-Modellen vorn und erreichte in diesem Benchmark rund 10 Prozentpunkte mehr als das Basis-Qwen3-8B – ein bedeutsamer Sprung für Mathe und Logik in dieser Größe.

Wählen Sie es gegenüber den ursprünglichen 7B- und 8B-Distills, wenn Sie die beste Genauigkeit für ein kleines Modell wollen und Ihre Hardware bei 8 GB endet. Es passt in dieselbe RTX-3060-12GB-Stufe und läuft bei Q4_K_M in rund 5 GB. Für die meisten Laptop- und Einstiegs-GPU-Nutzer, denen Reasoning-Qualität wichtiger ist als reine Geschwindigkeit, ist dies das Modell für den Einstieg.

Wählen Sie die höchste Stufe, die Ihr VRAM unterstützt. Mehr Parameter bedeuten besseres Reasoning, aber nur, wenn das Modell passt, ohne in den System-RAM auszulagern (was die Geschwindigkeit einbrechen lässt). Nutzen Sie dieses Ranking, um einen Distill an die GPU anzupassen, die Sie besitzen oder kaufen möchten.

Dies sind Reasoning-Benchmarks – AIME 2024 (Wettbewerbsmathematik), MATH-500 (gemischte Mathematik) und GPQA Diamond (Wissenschaftsfragen auf Hochschulniveau). Sie messen schrittweises Problemlösen, nicht Coding. Das zentrale Ergebnis: Der 32B-Distill schlägt OpenAI o1-mini in mehreren davon, und der 7B-Distill erreicht 55.5% bei AIME 2024, wie von DeepSeek veröffentlicht. Hinweis: OpenAI hat o1-mini Ende 2025 aus der API zurückgezogen, daher sind die o1-mini-Vergleiche hier der ursprünglich veröffentlichte Benchmark-Referenzpunkt für diese Distills, kein aktueller direkter Vergleich mit einem derzeit verfügbaren OpenAI-Modell. Für eine lokale Deployment-Entscheidung zählen die eigenen AIME-2024- und MATH-500-Werte der Distills oben.

Vermeiden Sie ein Reasoning-Modell, wenn die Aufgabe keine Reasoning-Aufgabe ist – sie sind langsamer, wortreicher und bei einfacher Abfrage oder Chat nicht genauer. Nutzen Sie stattdessen ein Standard-Chat-Modell wie Llama 3.3.

Setzen Sie die Temperatur auf 0.6 (der Bereich 0.5–0.7 ist sicher) und verwenden Sie keinen System-Prompt – packen Sie jede Anweisung in den User-Prompt. Das entspricht den veröffentlichten Nutzungsempfehlungen von DeepSeek für die R1-Reihe, die eine Temperatur von 0.5–0.7 und keinen System-Prompt empfehlen, um endlose Wiederholungen und inkohärente Ausgaben zu vermeiden.

In der Praxis: Lassen Sie das System-Prompt-Feld in Ollama/LM Studio leer, stellen Sie Ihre Anweisungen der User-Nachricht voran und halten Sie die Temperatur bei 0.6. Wenn Sie sehen, dass das Modell in eine Schleife gerät oder mitten im Reasoning abdriftet, löst diese Einstellung das Problem häufig.

Jeder Distill installiert und läuft mit einem einzigen Ollama-Befehl (alle standardmäßig Q4_K_M). Installieren Sie zuerst Ollama, falls noch nicht geschehen – siehe So installieren Sie Ollama. Wählen Sie dann den Befehl für Ihre Stufe:

Die Entscheidung hängt von Ihrem VRAM ab und davon, ob Sie Genauigkeit oder Geschwindigkeit priorisieren. Hier ist die einzeilige Antwort für jeden Fall.