TLDR: DeepSeek-V4-Pro-0813 ist die GA-(General-Availability-)Version des 1,6T-Parameter-MoE-Flaggschiffs von DeepSeek (49B aktiv). Sie liefert erhebliche agentische Fortschritte gegenüber der Vorschau von April 2026, unterstützt ein 1M-Token-Kontextfenster, bis zu 384K Ausgabetoken, drei Denkaufwandsstufen (low/high/max), native OpenAI Responses API, Tool-Aufrufe, JSON-Modus sowie sowohl OpenAI- als auch Anthropic-kompatible Endpunkte.
Die offiziellen Preise beginnen bei $0.435 / $0.87 pro 1M Eingabe-/Ausgabetoken (Cache-Miss), mit Spitzen-/Nebenzeiten-Tarifen ab dem 16. August 2026. Der einfachste und oft kostengünstigste Zugriff erfolgt über das einheitliche, OpenAI-kompatible Gateway von CometAPI zu rabattierten Tarifen.
Wichtigste Punkte
- DeepSeek-V4-Pro-0813 ist die produktionsreife GA-Version, veröffentlicht um den 12.–13. August 2026; die Modell-ID bleibt
deepseek-v4-pro. - Signifikante Steigerungen bei Agent-Benchmarks: DeepSWE 62.7, Terminal Bench 2.1 87.9, NL2Repo 61.5, Cybergym 83.3, HLE (mit Tools) 60.0.
- Drei Denkmodi/-aufwandsstufen: Non-Thinking + niedriger/hoher/maximaler Denkaufwand.
- Voller Funktionsumfang: 1M Kontext, 384K maximale Ausgabe, Tool Calls, JSON-Ausgabe, Responses API, Anthropic-Format, Streaming, strukturierte Ausgaben.
- Spitzen-/Nebenzeiten-Preise starten am 16. August 2026 (UTC); planen Sie Workloads entsprechend.
- OpenAI-SDK ist drop-in-kompatibel, wodurch die Migration trivial wird.
Dieser umfassende Leitfaden deckt alles ab, was Entwickler brauchen: Änderungen im Release 0813, offizielle Spezifikationen und Preise, Denkmodi, Streaming und strukturierte Ausgaben sowie eine Schritt-für-Schritt-Anleitung zur Nutzung des Modells über CometAPI (für viele Produktions- und Multi-Model-Workflows empfohlen). Alle Informationen stammen aus offizieller DeepSeek-Dokumentation und zeitnaher Berichterstattung vom 13. August 2026.
Was ist DeepSeek V4 Pro 0813?
DeepSeek-V4-Pro-0813 ist der Produktions-Snapshot der allgemeinen Verfügbarkeit von DeepSeek V4 Pro, veröffentlicht im August 2026.
DeepSeek kündigte am 13. August an, dass die offizielle V4-Pro-Version gleichzeitig über App, Website und API verfügbar wurde. Die Ankündigung vom 13. August ergänzt zudem die native Kompatibilität mit der OpenAI Responses API und drei praktische Denkstufen: Non-Thinking, High-Effort Thinking und Max-Effort Thinking. Wichtig für Entwickler: DeepSeek erklärt, dass sich der API-Modellname nicht ändert. Entwickler verwenden weiterhin:
deepseek-v4-pro
Die Bezeichnung 0813 identifiziert den Produktions-Snapshot, ist aber kein Modellbezeichner, den Entwickler zwingend in ihrer API-Anfrage angeben müssen.
Das Modell ist primär für fortgeschrittenes Reasoning, Software-Engineering, Langkontext-Analysen und agentische Workloads positioniert. Unabhängige Bewertungen von Artificial Analysis berichten derzeit einen Intelligence-Index von 53, verglichen mit einem Median von 27 unter ausgewählten vergleichbaren Open-Weight-Modellen. Außerdem werden ca. 77.6 Tokens/Sekunde Ausgabegeschwindigkeit und eine 1.71-Sekunden Time-to-First-Token auf Basis von API-Tests gemessen.
Welche Änderungen wurden an der API in V4 Pro 0813 vorgenommen?
Der Kern-Modellbezeichner und die Basis-URLs bleiben gleich, sodass bestehende Integrationen ohne Codeänderungen weiter funktionieren. Die wesentlichen Upgrades betreffen Fähigkeiten, Post-Training-Qualität und unterstützende Funktionen.
Zentrale Fähigkeitsverbesserungen
Gemäß der offiziellen DeepSeek-V4-Pro-GA-Ankündigung und dem Changelog:
- Große agentische Upgrades mit besonders starken Zugewinnen bei produktionsnahen Workloads.
- Benchmark-Werte für den 0813-Build umfassen:
- HLE (ohne / mit Tools): 42.7 / 60.0
- Terminal Bench 2.1: 87.9
- NL2Repo: 61.5
- Cybergym: 83.3
- DeepSWE: 62.7
- Toolathlon-Verified: 74.1
- Agents’ Last Exam: 25.7
- AutomationBench (Public): 31.8
- DSBench-FullStack: 71.1
- DSBench-Hard: 67.2
Diese stellen erhebliche Zugewinne gegenüber der Vorschau vom April 2026 dar (z. B. stieg DeepSWE deutlich). Das Modell bleibt eine Mixture-of-Experts-Architektur mit insgesamt 1,6 Billionen Parametern und etwa 49 Milliarden aktivierten Parametern pro Token.
Neue und verbesserte API-Funktionen
- Native Unterstützung für die OpenAI Responses API, optimiert für Codex mit One-Click-Konfigurationsskripten.
- Flexiblere Steuerung des Denkaufwands: low / high / max (zuvor eingeschränktere Zuordnung in Pro).
- Fortgesetzter Dualmodus (Denken standardmäßig aktiviert; Non-Thinking verfügbar).
- Volle Kompatibilität mit OpenAI Chat Completions und Anthropic Messages Formaten.
- JSON-Ausgabe, Tool Calls, Chat Prefix Completion (Beta) und FIM Completion (Beta, nur Non-Thinking).
- Kontextlänge bleibt 1M Token; maximale Ausgabe 384K Token.
- Parallelitätslimit für Pro: 500 (Flash: 2.500).
Ankündigung zur Preisaktualisierung
Aktuelle Preise (Stand 13. August 2026) pro 1M Token:
| Modell | Eingabe (Cache Hit) | Eingabe (Cache Miss) | Ausgabe |
|---|---|---|---|
| deepseek-v4-flash | $0.0028 | $0.14 | $0.28 |
| deepseek-v4-pro | $0.003625 | $0.435 | $0.87 |
Ab 16:00 UTC am 16. August 2026 gilt die Abrechnung mit Spitzen-/Nebenzeiten (Nebenzeiten = halbierter Spitzenpreis). Spitzenzeiten: 01:00–04:00 und 06:00–10:00 UTC. Neue Tarife:
| Modell | Zeitraum | Eingabe (Cache Hit) | Eingabe (Cache Miss) | Ausgabe |
|---|---|---|---|---|
| deepseek-v4-pro | Nebenzeit | $0.022 | $0.66 | $1.98 |
| deepseek-v4-pro | Spitze | $0.044 | $1.32 | $3.96 |
DeepSeek hat außerdem weitere allgemeine Preiserhöhungen in Aussicht gestellt; beachten Sie die offizielle Preisseite.
Die DeepSeek-Dokumentation zu Rate-Limits legt die Standard-Konkurrenz für V4 Pro auf 500 Anfragen pro Konto fest. Eine Verbindung zählt ab der Übermittlung bis zum Abschluss der Antwort, und überschüssige Anfragen erhalten HTTP-429-Antworten. DeepSeek akzeptiert a für Scheduling-Isolation; es muss match und nicht länger als 512 Zeichen sein. Es sollte keine persönlichen Informationen enthalten.
Native Unterstützung für die Responses API
Eine der klarsten API-Änderungen ist die native Unterstützung für das OpenAI-Responses-API-Format.
DeepSeek sagt, die Responses API sei unter anderem für Coding-Agent-Workflows wie Codex konzipiert. Der offizielle Endpunkt lautet:
https://api.deepseek.com
und kann mit dem OpenAI-Python-SDK angesprochen werden.
Beispiel:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_DEEPSEEK_API_KEY",
base_url="https://api.deepseek.com"
)
response = client.responses.create(
model="deepseek-v4-pro",
instructions="You are an expert software engineer.",
input="Explain how database connection pooling works."
)
print(response.output_text)
Die Dokumentation von DeepSeek unterstützt auch Streaming für Responses-API-Anfragen, mit semantischen Server-Sent-Events anstelle der älteren data: [DONE]-Konvention.
Flexiblere Denksteuerung
V4 Pro macht Reasoning konfigurierbar, anstatt Entwickler zu einem separaten Reasoning-Modell zu zwingen.
Die Dokumentation von DeepSeek beschreibt den Denk-Schalter wie folgt:
{
"thinking": {
"type": "enabled"
}
}
und den Denkaufwand als:
high
max
Die Standardkonfiguration fürs Denken ist aktiviert, mit high für reguläre Anfragen. Bestimmte komplexe Agent-Workloads können automatisch max verwenden.
Damit ergeben sich für Anwendungsentwickler drei praktische Modi:
- Non-Thinking
- Thinking — High
- Thinking — Max
Diese Unterscheidung ist äußerst nützlich beim Design von KI-Anwendungen, da nicht jede Anfrage maximalen Denkaufwand verdient.
Ein wichtiges Implementierungsdetail: Im Thinking-Modus beeinflussen Parameter wie
temperatureundtop_pdie Ausgabe des Modells nicht. DeepSeek dokumentiert dieses Verhalten ausdrücklich.
Nutzung der DeepSeek V4 Pro 0813 API mit CometAPI
CometAPI ist nützlich, wenn Sie DeepSeek V4 Pro integrieren möchten, ohne für jeden KI-Anbieter separate API-Integrationen pflegen zu müssen.
CometAPI bewirbt derzeit eine einheitliche API für 500+ KI-Modelle, mit gemeinsamer API-Schicht und einheitlicher Abrechnung. Die Preisdokumentation besagt, dass offizielle Modellpreise in der Regel mit 20% Rabatt gegenüber dem offiziellen Tarif des Anbieters angeboten werden.
Hier ist ein praktischer CometAPI-Integrations-Workflow.
Schritt 1: CometAPI-Konto erstellen
Erstellen oder melden Sie sich zunächst bei Ihrem CometAPI-Konto an.
Öffnen Sie die CometAPI-Website und greifen Sie auf die API-Konsole zu.
Die DeepSeek-V4-Pro-Dokumentation von CometAPI weist Nutzer an, ein API-Token aus der CometAPI-Konsole zu beziehen.
Schritt 2: Erstellen Sie Ihren CometAPI-API-Schlüssel
Öffnen Sie nach dem Anmelden den Bereich für Token/API-Schlüssel Ihres Kontos und generieren Sie einen API-Schlüssel.
Speichern Sie ihn als Umgebungsvariable, anstatt ihn im Quellcode zu hinterlegen.
Linux/macOS:
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
Windows PowerShell:
$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Committen Sie niemals einen API-Schlüssel in GitHub, Frontend-JavaScript, Mobil-Apps oder öffentlich zugängliche Konfigurationsdateien.
Schritt 3: OpenAI-Python-SDK installieren
Da CometAPI eine OpenAI-kompatible Schnittstelle bereitstellt, können Sie den vertrauten OpenAI-Python-Client verwenden.
pip install openai
Das macht die Migration besonders unkompliziert für Entwickler, die das OpenAI-API-Format bereits kennen.
Schritt 4: CometAPI-Basis-URL konfigurieren
Erstellen Sie den Client wie folgt:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1"
)
Das veröffentlichte V4-Pro-Beispiel von CometAPI verwendet diese Basis-URL und die Modell-ID deepseek-v4-pro.
Schritt 5: Senden Sie Ihre erste DeepSeek-V4-Pro-Anfrage
Senden Sie nun eine Basisanfrage:
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[
{
"role": "system",
"content": "You are an expert technical writer."
},
{
"role": "user",
"content": "Explain the advantages of a 1-million-token context window."
}
]
)
print(response.choices[0].message.content)
Die kritischen Parameter sind:
base_url = https://api.cometapi.com/v1
model = deepseek-v4-pro
endpoint = /chat/completions
Drei Denkmodi erklärt
DeepSeek V4 Pro unterstützt:
- Non-Thinking-Modus — Schnellste Antworten, keine explizite Chain-of-Thought. Ideal für einfache Q&A oder High-Throughput-Szenarien.
- Thinking-Modus mit niedrigem/hohem Aufwand — Das Modell erzeugt reasoning_content vor der finalen Antwort. High ist die praktische Standardeinstellung für die meisten Agent- und Coding-Aufgaben.
- Maximaler Aufwand — Treibt die Reasoning-Fähigkeit des Modells am weitesten; empfohlen für komplexe mehrstufige Probleme. Kann mehr Token und Latenz verursachen.
Im OpenAI-kompatiblen Format steuern Sie dies mit dem thinking-Objekt und dem reasoning_effort-Parameter. Die Chain-of-Thought erscheint in message.reasoning_content. Wenn keine Tools verwendet werden, kann vorheriges Reasoning oft aus dem nachfolgenden Kontext weggelassen werden; wenn Tools verwendet werden, muss das vollständige Reasoning zurückgegeben werden.
Zwischen Denkaufwänden und Non-Thinking-Modus wechseln
- Non-Thinking:
"thinking": {"type": "disabled"}(oder entsprechender Anthropic-Stilreasoning.effort: "none"). - Thinking mit Aufwand:
"reasoning_effort": "low" | "high" | "max"plus"thinking": {"type": "enabled"}.
Standard ist aktiviertes Denken mit hohem Aufwand. Verwenden Sie low für einfache Anfragen, high für typische Agent-Arbeit und max für die schwierigsten Reasoning- oder mehrstufigen Coding-Aufgaben.
Streaming-Antworten und strukturierte Ausgaben
Streaming wird einfach durch Setzen von "stream": true aktiviert. Sowohl Inhalt als auch (falls zutreffend) Reasoning-Token können gestreamt werden. Das ist entscheidend für interaktive Agenten und nutzerorientierte Anwendungen.
Strukturierte/JSON-Ausgaben sind erstklassig: Verwenden Sie response_format={"type": "json_object"} oder die fortgeschrittene Schemaunterstützung über die Responses API und Tool-Definitionen. In Kombination mit Tool Calls ermöglicht dies zuverlässige Agent-Loops, die maschinenlesbare Aktionen ausgeben.
Der Responses-API-Endpunkt (/responses) bietet eine modernere, OpenAI-ausgerichtete Oberfläche, die insbesondere für Codex-ähnliche Workflows nützlich ist und nun nativ für V4 Pro unterstützt wird.
Strukturierte Ausgaben/JSON-Modus verwenden
DeepSeek unterstützt JSON-Ausgabe. Fordern Sie diese über response_format an:
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[
{"role": "system", "content": "Return valid JSON only."},
{"role": "user", "content": "Extract the key entities from this text: ..."}
],
response_format={"type": "json_object"},
extra_body={"thinking": {"type": "enabled"}, "reasoning_effort": "high"}
)
Für strengere Schema-Kontrolle kombinieren Sie dies mit Tool Calls oder der Responses API, sofern unterstützt.
Tool Calls (Function Calling) implementieren
Definieren Sie Tools im OpenAI-Format. Im Thinking-Modus müssen Sie reasoning_content in den folgenden Runden korrekt zurückgeben, wenn Tools involviert sind.
Wenn später mit dem Tool interagiert wird, müssen Entwickler das entsprechende reasoning_content beibehalten, wenn das Mindset-Tool aufgerufen wird. Unsachgemäße Handhabung kann zu einem 400-Fehler führen.
Python
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get current weather for a city",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string", "description": "City name"}
},
"required": ["location"]
}
}
}
]
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=[{"role": "user", "content": "What's the weather in Hangzhou?"}],
tools=tools,
extra_body={"thinking": {"type": "enabled"}, "reasoning_effort": "high"}
)
# Handle tool_calls, execute, append results, and continue the conversation
Siehe die offiziellen Anleitungen zu Tool Calls und Thinking-Modus für das genaue Multi-Turn-Muster, das bei Verwendung von Tools erforderlich ist.
Best Practices für die Nutzung der DeepSeek V4 Pro 0813 API
Denkaufwand an die Aufgabe anpassen
Verwenden Sie keinen Max-Denkaufwand für eine Aufgabe, die nur Klassifikation erfordert.
Eine einfache Routing-Policy funktioniert gut:
Simple → Non-thinking
Moderate → High
Complex → Max
Dies kann sowohl Latenz als auch Kosten reduzieren.
Lange Antworten streamen
Wenn Ihre Anwendung mehrere Sekunden für die Antwortgenerierung benötigt, verwenden Sie:
stream=True
Nutzer nehmen inkrementelle Ausgabe in der Regel als deutlich schneller wahr, als auf eine vollständige Antwort zu warten.
Strukturierte Ausgabe validieren
Der JSON-Modus verbessert die Zuverlässigkeit, aber Ihre Anwendung sollte das zurückgegebene JSON weiterhin validieren.
Verwenden Sie:
import json
data = json.loads(response_text)
und validieren Sie anschließend erforderliche Felder, bevor Sie in Ihre Datenbank schreiben oder eine externe Aktion auslösen.
Token-Verbrauch überwachen
Prüfen Sie immer:
response.usage
sofern verfügbar.
Im Maßstab von V4 Pro ist die Token-Abrechnung keine optionale Analytics-Funktion, sondern ein zentrales Kostenkontrollinstrument.
Stabile und dynamische Prompts trennen
Halten Sie für Langkontext-Anwendungen wiederkehrende Instruktionen und Dokumente stabil, um die Cache-Wiederverwendung zu maximieren.
Fallback-Modell bereithalten
Eine praxisnahe Produktionsarchitektur kann wie folgt routen:
Simple request
↓
V4 Flash
Complex request
↓
V4 Pro
Very difficult request
↓
V4 Pro Max reasoning
Die genaue Routing-Policy sollte anhand eigener Benchmarks festgelegt werden.
Häufige DeepSeek V4 Pro API-Fehler
Fehler: Model not found
Stellen Sie sicher, dass Sie verwenden:
deepseek-v4-pro
und nicht versehentlich einen Snapshot-Modellnamen erfinden.
DeepSeek gibt an, dass der API-Modellname für das Produktionsrelease 0813 unverändert bleibt.
Fehler: Ungültige Thinking-Parameter
Für OpenAI-kompatible Anfragen verwenden Sie:
"thinking": {
"type": "enabled"
}
im entsprechenden Request-Body und verwenden Sie:
reasoning_effort=high
oder:
reasoning_effort=max
Die offiziellen API-Dokumente von DeepSeek definieren diese Parameter.
Fehler: JSON-Ausgabe ist fehlerhaft
Verwenden Sie:
"response_format": {
"type": "json_object"
}
und weisen Sie das Modell im Prompt ausdrücklich an, JSON zu erzeugen. DeepSeek warnt, dass der JSON-Modus von einer Anweisung zur Generierung von JSON begleitet werden sollte.
Fehler bei Multi-Turn-Tool-Calls
Wenn Sie den Thinking-Modus mit Tool Calls verwenden, bewahren Sie das erforderliche reasoning_content in nachfolgenden Requests auf.
Dies ist leicht zu übersehen und kann eine 400-Antwort erzeugen.
DeepSeek V4 Pro 0813 API: Empfohlene Architektur
Für eine Produktionsanwendung sieht eine solide Startarchitektur so aus:
┌─────────────────────┐
│ Your App │
└──────────┬──────────┘
│
▼
┌─────────────────────┐
│ Routing Layer │
└──────────┬──────────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
Non-thinking High Max
│ │ │
└──────────────┼──────────────┘
▼
┌─────────────────────┐
│ CometAPI │
│ deepseek-v4-pro │
└──────────┬──────────┘
│
┌─────────────┼─────────────┐
▼ ▼ ▼
Streaming Tools JSON Output
│ │ │
└─────────────┼─────────────┘
▼
┌─────────────────────┐
│ Validation / Logs │
└─────────────────────┘
Dies trennt die Modellauswahl von der Anwendungslogik.
Wenn ein anderes Modell für einen bestimmten Workload wirtschaftlicher ist oder besser performt, kann sich die Routing-Schicht ändern, ohne dass die gesamte Anwendung neu geschrieben werden muss.
Fazit und Empfehlungen
DeepSeek-V4-Pro-0813 markiert die Reifung der V4-Pro-Reihe zu einem produktionsreifen Flaggschiff mit deutlich stärkerer agentischer Performance, während die großzügigen 1M-Kontextfenster und die attraktiven wirtschaftlichen Eckdaten der Serie erhalten bleiben. Entwickler können dank der OpenAI- und Anthropic-Kompatibilität mit praktisch null Migrationskosten sofort loslegen.
Für die meisten Teams empfehlen wir:
- Prototyping und Multi-Model-Experimente über CometAPI.
- Verlagerung von volumenstarken oder latenzsensitiven DeepSeek-only-Workloads auf den offiziellen Endpunkt, sobald die Tarife für Spitzen-/Nebenzeiten und weitere Anpassungen stabil sind.
- Standardmäßig Thinking-Modus mit reasoning_effort="high" für Agenten- und Coding-Aufgaben; reservieren Sie max für die schwierigsten Probleme.
- Implementieren Sie stets korrektes Round-Tripping von reasoning_content bei Tool Calls und nutzen Sie Streaming + strukturierte Ausgaben für robuste Anwendungen.
Mit dem 0813-Release hat DeepSeek ein äußerst leistungsfähiges, kosteneffizientes Open-Weight-Klassenmodell geliefert, das für ernsthafte agentische und Langkontext-Workloads konkurrenzfähig ist. Integrieren Sie es über CometAPI oder die offizielle API und legen Sie los. DeepSeek V4 Pro auf CometAPI erkunden.
Häufig gestellte Fragen
Ist DeepSeek V4 Pro 0813 dasselbe wie deepseek-v4-pro?
Ja. Die offizielle Veröffentlichung von DeepSeek besagt, dass der API-Modellname unverändert bleibt, während die Produktionsversion auf V4 Pro 0813 aktualisiert wird.
Unterstützt DeepSeek V4 Pro ein 1M-Token-Kontextfenster?
Ja. Die aktuelle Modell-/Preis-Dokumentation von DeepSeek listet eine 1M-Token-Kontextlänge und 384K maximale Ausgabe.
Welche drei Denkmodi bietet DeepSeek V4 Pro?
Für das praktische Anwendungsdesign sind es:
- Non-Thinking
- Thinking mit hohem Aufwand
- Thinking mit maximalem Aufwand
Die API verwendet den Thinking-Schalter plus reasoning_effort. DeepSeeks aktuelle API stellt high und max bereit, während Kompatibilitätswerte wie low und medium auf high abgebildet werden.
Kann ich DeepSeek V4 Pro-Antworten streamen?
Ja. Streaming wird über die Chat Completions API unterstützt, und Thinking-Mode-Streams können reasoning_content-Deltas vor dem normalen Antwortinhalt enthalten.
Kann ich DeepSeek V4 Pro mit CometAPI verwenden?
Ja. CometAPI dokumentiert derzeit das Modell deepseek-v4-pro über den OpenAI-kompatiblen Endpunkt /v1/chat/completions.
Soll ich DeepSeek V4 Pro oder V4 Flash verwenden?
Verwenden Sie V4 Flash, wenn Durchsatz, Latenz und Kosten dominieren. Verwenden Sie V4 Pro für schwieriges Reasoning, Coding, Langkontext-Analysen und agentische Workflows.
Eine hybride Routing-Strategie ist in der Regel besser, als Pro für alles einzusetzen.
Ändern sich die DeepSeek V4 Pro API-Preise?
Ja. DeepSeek hat Spitzen-/Nebenzeiten-Preise ab dem 17. August 2026 angekündigt. Die offizielle Dokumentation listet V4 Pro mit $0.66/M Cache-Miss-Eingabe und $1.98/M Ausgabe während der Nebenzeiten gegenüber $1.32/M Eingabe und $3.96/M Ausgabe während der Spitzenzeiten nach dem neuen Schema.