Le modèle a changé, pas le nom de l'API

Une ligne du journal des modifications fait tout le travail

Une équipe qui a appelé deepseek-v4-flash jeudi puis de nouveau vendredi a reçu des réponses de deux modèles différents. Rien n'a changé dans leur code, rien n'a changé dans leur configuration, et aucune erreur n'a été levée. DeepSeek a publié le 31 juillet la version officielle de son API V4-Flash sous le nom de version DeepSeek-V4-Flash-0731, et la documentation est admirablement directe sur ce que cela signifie pour l'appelant : le modèle a été mis à jour, la méthode d'appel reste inchangée, et le nom simple atteint la dernière version.

Cela n'a pas été dissimulé. Le journal des modifications est public, le tableau des résultats est publié, et la version porte une date dans son nom. Le problème n'est pas la publication. Le problème est que cette publication se trouve là où votre environnement d'exécution ne lit pas. Tous les signaux qu'un système en production utiliserait pour remarquer que son modèle a changé sont restés constants pendant l'échange : la chaîne de modèle dans la requête, l'architecture, le nombre de paramètres de 284 milliards au total et 13 milliards activés, la fenêtre de contexte et le prix.

DeepSeek dit explicitement qu'il s'agit d'un changement de post-entraînement et non d'un nouveau modèle. Même architecture, même taille, re-post-entraîné. Ce cadrage est exact et c'est aussi la raison pour laquelle le changement se sous-estime facilement. Un nouveau post-entraînement sonne comme une finition. Ce qu'il a produit ici, c'est un ensemble de capacités différent derrière un identifiant inchangé.

Les chiffres qui ont bougé parlent d'agir

En lisant le tableau par catégories plutôt que par lignes, un motif apparaît. Sur Terminal Bench 2.1 la nouvelle version obtient 82,7 contre 61,8 pour l'aperçu. Sur NL2Repo elle obtient 54,2 contre 39,4. Sur Toolathlon-Verified elle atteint 70,3 depuis 49,7. Sur DeepSWE elle passe de 7,3 à 54,4, soit plus de sept fois. Sur Cybergym elle passe de 38,7 à 76,7, tout près du double.

Chacune de ces mesures saisit la capacité du modèle à faire quelque chose plutôt qu'à dire quelque chose : exécuter des commandes en terminal, travailler sur un dépôt, enchaîner des outils, trouver et exploiter une faiblesse. L'API prend en outre en charge nativement le format Responses et a été adaptée pour Codex, ce qui est une déclaration sur la direction dans laquelle DeepSeek attend qu'on pointe le modèle. C'est une version réglée pour recevoir des mains.

Pourquoi cela compte : capacité et rayon d'impact sont le même axe dès qu'un modèle dispose d'un accès aux outils. La plupart des organisations ont décidé de ce qu'un modèle peut atteindre en observant ce qu'il savait faire, et une grande part de cette observation s'est faite face à une version qui obtenait 7,3 à un test d'agent d'ingénierie logicielle. L'autorisation accordée sur cette preuve n'a pas expiré quand la preuve a expiré. Si votre politique accorde à ce modèle un accès au shell, une écriture sur les dépôts ou quoi que ce soit d'exposé au réseau, le raisonnement qui la fonde a été étalonné sur un modèle qui ne répond plus.

Le palier bon marché dépasse désormais le palier cher

Une seconde conséquence se cache dans le même tableau. V4-Pro-Preview, le modèle plus grand et plus cher de la famille, obtient 72,1 sur Terminal Bench 2.1. La nouvelle version Flash obtient 82,7. Le palier bon marché dépasse désormais le palier premium de sa propre famille sur au moins un test d'agent, et il l'a fait du jour au lendemain, sous un nom qui n'a pas changé.

La logique d'aiguillage est statique dans la plupart des architectures et a été écrite une seule fois : le travail agentique difficile au modèle capable, le travail bon marché ou à fort volume au modèle rapide. Cette règle encodait un ordre de capacités valable au moment de son écriture. Il ne tient plus sur tous les axes, ce qui signifie que certaines équipes paient aujourd'hui le palier premium pour un travail que le palier bon marché fait mieux, sans aucun signal indiquant que l'ordre s'est inversé.

Pour situer le résultat dans le champ plutôt que dans la famille, la nouvelle version se place à 82,7 sur ce test contre 81,0 pour GLM-5.2 de Z.AI et 85,0 pour Claude Opus 4.8. L'enseignement utile n'est pas le classement, qui bougera encore. C'est qu'un écart de cette taille s'est refermé par le seul post-entraînement, à exigences matérielles inchangées, en une seule publication.

À quoi ressemble la gestion de version quand on ne peut pas figer

Commencez par accepter la contrainte. Les fournisseurs qui exposent des identifiants d'instantané datés vous laissent figer une version et migrer délibérément. La surface d'API documentée de DeepSeek propose les noms simples, la version datée étant consignée comme version du modèle et non comme quelque chose que vous pouvez appeler. La discipline doit donc se tenir de votre côté de la frontière, car aucun levier contractuel ou technique ne maintient le modèle immobile.

Concrètement, cela veut dire trois choses. Conservez un petit jeu de tâches à vous, vingt ou trente cas représentant ce que vous demandez réellement au modèle, avec des sorties enregistrées et une date conservée. Exécutez-le selon un calendrier et non sur une rumeur, car un calendrier attrape un échange silencieux et une rumeur non. Et journalisez le nom de version que déclare votre fournisseur à côté de chaque appel de production qui compte, afin que, lorsque le comportement se déplace, vous puissiez distinguer un changement de modèle d'un changement d'invite.

Reposez ensuite la question de l'autorisation, pas seulement celle de la qualité. Les régressions de qualité sont visibles et agaçantes. Une hausse de capacité est invisible et agréable, et c'est elle qui élargit en silence ce qu'un agent compromis ou désorienté peut atteindre. La version officielle de V4-Pro arrive, et DeepSeek l'a annoncé. L'évaluation que vous planifiez cette semaine est celle qui attendra le jour où elle sortira.

À lire ensuite: Le 24 juillet, deepseek-chat cesse de répondre  |  Opus 5 coûte moitié moins que Fable 5