Eine Zeile im Änderungsprotokoll leistet die ganze Arbeit

Ein Team, das am Donnerstag deepseek-v4-flash aufrief und es am Freitag erneut aufrief, erhielt Antworten von zwei verschiedenen Modellen. Am Code änderte sich nichts, an der Konfiguration änderte sich nichts, und es wurde kein Fehler ausgelöst. DeepSeek veröffentlichte am 31. Juli die offizielle Fassung seiner V4-Flash-API unter dem Build-Namen DeepSeek-V4-Flash-0731, und die Dokumentation benennt bewundernswert deutlich, was das für Aufrufende bedeutet: Das Modell wurde aktualisiert, die Aufrufmethode bleibt unverändert, und der schlichte Name erreicht die neueste Version.

Verheimlicht wurde das nicht. Das Änderungsprotokoll ist öffentlich, die Benchmark-Tabelle ist veröffentlicht, und der Build trägt ein Datum im Namen. Das Problem liegt nicht in der Offenlegung. Das Problem ist, dass die Offenlegung dort liegt, wo Ihre Laufzeitumgebung nicht liest. Jedes Signal, an dem ein Produktivsystem einen Modellwechsel bemerken würde, blieb über den Tausch hinweg konstant: die Modellzeichenfolge in der Anfrage, die Architektur, die Parameterzahl von 284 Milliarden insgesamt und 13 Milliarden aktivierten, das Kontextfenster und der Preis.

DeepSeek sagt ausdrücklich, dass es sich um eine Änderung im Nachtraining handelt und nicht um ein neues Modell. Gleiche Architektur, gleiche Größe, erneut nachtrainiert. Diese Einordnung ist zutreffend und zugleich der Grund, warum man die Änderung leicht unterschätzt. Ein erneutes Nachtraining klingt nach Feinschliff. Hervorgebracht hat es hier einen anderen Satz von Fähigkeiten hinter einer unveränderten Kennung.

Bewegt haben sich die Zahlen, die vom Handeln sprechen

Liest man die Benchmark-Tabelle nach Kategorien statt nach Zeilen, zeigt sich ein Muster. Auf Terminal Bench 2.1 erreicht der neue Build 82,7 gegenüber 61,8 in der Vorschau. Auf NL2Repo erreicht er 54,2 gegenüber 39,4. Auf Toolathlon-Verified kommt er von 49,7 auf 70,3. Auf DeepSWE steigt er von 7,3 auf 54,4, also um mehr als das Siebenfache. Auf Cybergym bewegt er sich von 38,7 auf 76,7, was einer knappen Verdopplung entspricht.

Jede dieser Messungen erfasst die Fähigkeit des Modells, etwas zu tun, statt etwas zu sagen: Terminalbefehle ausführen, über ein Repository hinweg arbeiten, Werkzeuge verketten, eine Schwachstelle finden und ausnutzen. Die API unterstützt nun außerdem das Responses-Format nativ und wurde für Codex angepasst, was eine Aussage darüber ist, worauf DeepSeek das Modell gerichtet sehen will. Das ist ein Build, der darauf abgestimmt ist, Hände zu bekommen.

Warum das zählt: Fähigkeit und Schadensradius liegen auf derselben Achse, sobald ein Modell Werkzeugzugriff hat. Die meisten Organisationen haben anhand des Beobachteten entschieden, worauf ein Modell zugreifen darf, und ein großer Teil dieser Beobachtung fand gegen einen Build statt, der 7,3 in einem Software-Engineering-Agentenbenchmark erzielte. Die auf dieser Grundlage erteilte Berechtigung ist nicht erloschen, als die Grundlage es tat. Erlaubt Ihre Richtlinie diesem Modell Shell-Zugriff, Schreibzugriff auf Repositories oder irgendetwas Netzseitiges, dann war die Begründung dafür an einem Modell geeicht, das nicht mehr antwortet.

Die günstige Stufe übertrifft nun die teure

In derselben Tabelle verbirgt sich eine zweite Folge. V4-Pro-Preview, das größere und teurere Modell der Familie, erreicht auf Terminal Bench 2.1 einen Wert von 72,1. Der neue Flash-Build erreicht 82,7. Die günstige Stufe schlägt damit die Premiumstufe der eigenen Familie in mindestens einem Agentenbenchmark, und zwar über Nacht, unter einem Namen, der sich nicht geändert hat.

Die Routing-Logik ist in den meisten Systemen statisch und wurde einmal geschrieben: schwere agentische Arbeit an das leistungsfähige Modell, günstige oder mengenstarke Arbeit an das schnelle. Diese Regel kodierte eine Rangfolge der Fähigkeiten, die zum Zeitpunkt des Schreibens galt. Auf jeder Achse gilt sie nicht mehr, was bedeutet, dass manche Teams nun die Premiumstufe für Arbeit bezahlen, die die günstige Stufe besser erledigt, und das ohne jedes Signal, dass die Rangfolge gekippt ist.

Zur Einordnung im Feld statt in der Familie: Der neue Build liegt in diesem Benchmark bei 82,7, gegenüber 81,0 für GLM-5.2 von Z.AI und 85,0 für Claude Opus 4.8. Die brauchbare Erkenntnis ist nicht die Rangfolge, die sich wieder verschieben wird. Sie besteht darin, dass sich ein Abstand dieser Größe allein durch Nachtraining geschlossen hat, bei unveränderten Hardwareanforderungen, in einer einzigen Veröffentlichung.

Wie Versionskontrolle aussieht, wenn man nicht festschreiben kann

Nehmen Sie zunächst die Beschränkung an. Anbieter, die datierte Momentaufnahmen als Kennungen anbieten, lassen Sie einen Build festschreiben und bewusst migrieren. Die dokumentierte API-Oberfläche von DeepSeek bietet die schlichten Namen, wobei der datierte Build als Modellversion vermerkt ist und nicht als etwas, das Sie aufrufen können. Die Disziplin muss also auf Ihrer Seite der Grenze sitzen, denn es gibt weder einen vertraglichen noch einen technischen Hebel, der das Modell stillhält.

Praktisch bedeutet das dreierlei. Halten Sie eine kleine Sammlung eigener Aufgaben vor, zwanzig oder dreißig Fälle, die abbilden, was Sie das Modell tatsächlich fragen, mit aufgezeichneten Ausgaben und gespeichertem Datum. Führen Sie sie planmäßig aus und nicht auf Gerüchte hin, denn ein Plan fängt einen stillen Tausch ab, ein Gerücht nicht. Und protokollieren Sie den vom Anbieter gemeldeten Build-Namen neben jedem Produktivaufruf, der Ihnen wichtig ist, damit Sie bei einer Verhaltensänderung einen Modellwechsel von einer Prompt-Änderung unterscheiden können.

Stellen Sie danach die Berechtigungsfrage erneut, nicht nur die Qualitätsfrage. Qualitätsrückschritte sind sichtbar und ärgerlich. Ein Fähigkeitszuwachs ist unsichtbar und angenehm, und er ist derjenige, der still erweitert, was ein kompromittierter oder verwirrter Agent erreichen kann. Die offizielle Fassung von V4-Pro steht bevor, und DeepSeek hat das angekündigt. Die Evaluierung, die Sie diese Woche ansetzen, ist diejenige, die dann bereitsteht.

Weiterlesen: Am 24. Juli antwortet deepseek-chat nicht mehr  |  Opus 5 kostet halb so viel wie Fable 5