Il modello è cambiato, il nome API no

Una riga nel registro delle modifiche fa tutto il lavoro

Un team che ha chiamato deepseek-v4-flash giovedì e lo ha richiamato venerdì ha ricevuto risposte da due modelli diversi. Nel codice non è cambiato nulla, nella configurazione non è cambiato nulla e non è stato sollevato alcun errore. Il 31 luglio DeepSeek ha pubblicato il rilascio ufficiale della sua API V4-Flash con il nome di build DeepSeek-V4-Flash-0731, e la documentazione è ammirevolmente diretta su che cosa ciò significhi per chi chiama: il modello è stato aggiornato, il metodo di chiamata resta invariato e il nome semplice raggiunge l'ultima versione.

Non è stato nascosto. Il registro delle modifiche è pubblico, la tabella dei benchmark è pubblicata e la build porta una data nel nome. Il problema non è la divulgazione. Il problema è che la divulgazione sta dove il vostro ambiente di esecuzione non legge. Ogni segnale che un sistema in produzione userebbe per accorgersi che il suo modello è cambiato è rimasto costante durante lo scambio: la stringa del modello nella richiesta, l'architettura, il conteggio dei parametri di 284 miliardi totali e 13 miliardi attivati, la finestra di contesto e il prezzo.

DeepSeek dichiara esplicitamente che si tratta di una modifica del post-addestramento e non di un nuovo modello. Stessa architettura, stessa dimensione, ri-post-addestrata. Quell'inquadramento è corretto ed è anche il motivo per cui è facile sottovalutare il cambiamento. Un nuovo post-addestramento suona come una rifinitura. Qui ha prodotto un diverso insieme di capacità dietro un identificatore invariato.

I numeri che si sono mossi parlano di agire

Leggendo la tabella per categorie anziché per righe emerge uno schema. Su Terminal Bench 2.1 la nuova build ottiene 82,7 contro 61,8 dell'anteprima. Su NL2Repo ottiene 54,2 contro 39,4. Su Toolathlon-Verified arriva a 70,3 da 49,7. Su DeepSWE passa da 7,3 a 54,4, ossia oltre sette volte. Su Cybergym si sposta da 38,7 a 76,7, molto vicino al doppio.

Ciascuna di quelle misure coglie la capacità del modello di fare qualcosa anziché di dire qualcosa: eseguire comandi da terminale, lavorare su un repository, concatenare strumenti, trovare e sfruttare una debolezza. L'API supporta inoltre nativamente il formato Responses ed è stata adattata per Codex, il che è una dichiarazione su dove DeepSeek si aspetta che il modello venga puntato. È una build messa a punto per ricevere delle mani.

Perché conta: capacità e raggio del danno stanno sullo stesso asse non appena un modello ha accesso agli strumenti. La maggior parte delle organizzazioni ha deciso a che cosa un modello può arrivare guardando che cosa sapeva fare, e gran parte di quell'osservazione è avvenuta contro una build che segnava 7,3 in un benchmark da agente di ingegneria del software. Il permesso concesso su quella prova non è scaduto quando è scaduta la prova. Se la vostra policy consente a questo modello l'accesso alla shell, la scrittura sui repository o qualsiasi cosa esposta in rete, il ragionamento dietro quella policy era tarato su un modello che non risponde più.

Il livello economico ora batte quello costoso

Nella stessa tabella si nasconde una seconda conseguenza. V4-Pro-Preview, il modello più grande e più costoso della famiglia, ottiene 72,1 su Terminal Bench 2.1. La nuova build Flash ottiene 82,7. Il livello economico batte ora il livello premium della propria famiglia in almeno un benchmark da agente, e lo ha fatto da un giorno all'altro, sotto un nome che non è cambiato.

La logica di instradamento nella maggior parte delle architetture è statica ed è stata scritta una volta sola: il lavoro agentico difficile al modello capace, il lavoro economico o ad alto volume a quello veloce. Quella regola codificava un ordine di capacità valido quando è stata scritta. Non vale più su ogni asse, il che significa che alcuni team stanno pagando il livello premium per un lavoro che il livello economico svolge meglio, e senza alcun segnale che l'ordine si sia rovesciato.

Per collocarlo nel campo e non nella famiglia, la nuova build si attesta a 82,7 su quel benchmark contro 81,0 di GLM-5.2 di Z.AI e 85,0 di Claude Opus 4.8. La conclusione utile non è la classifica, che si muoverà ancora. È che un divario di questa ampiezza si è chiuso con il solo post-addestramento, a requisiti hardware invariati, in un unico rilascio.

Che cos'è il controllo di versione quando non si può fissare

Cominciate accettando il vincolo. I fornitori che espongono identificatori di istantanea datati vi permettono di fissare una build e di migrare in modo deliberato. La superficie API documentata di DeepSeek offre i nomi semplici, con la build datata registrata come versione del modello e non come qualcosa che potete chiamare. La disciplina deve quindi stare dalla vostra parte del confine, perché non c'è leva contrattuale o tecnica che tenga fermo il modello.

In pratica significa tre cose. Tenete una piccola raccolta di attività vostre, venti o trenta casi che rappresentino ciò che davvero chiedete al modello, con output registrati e data salvata. Eseguitela su base programmata e non su una voce di corridoio, perché un calendario intercetta uno scambio silenzioso e una voce no. E registrate il nome della build dichiarato dal fornitore accanto a ogni chiamata di produzione a cui tenete, così che quando il comportamento si sposta possiate distinguere un cambio di modello da un cambio di prompt.

Poi riproponete la domanda sull'autorizzazione, non solo quella sulla qualità. Le regressioni di qualità sono visibili e fastidiose. Un aumento di capacità è invisibile e piacevole, ed è quello che allarga in silenzio ciò che un agente compromesso o confuso può raggiungere. Il rilascio ufficiale di V4-Pro sta arrivando, e DeepSeek lo ha annunciato. La valutazione che programmate questa settimana è quella che sarà pronta quando arriverà.

Da leggere ora: Il 24 luglio deepseek-chat smette di rispondere  |  Opus 5 costa la metà di Fable 5