Eén regel in het wijzigingslogboek doet al het werk

Een team dat op donderdag deepseek-v4-flash aanriep en het op vrijdag opnieuw aanriep, kreeg antwoorden van twee verschillende modellen. Er veranderde niets in hun code, er veranderde niets in hun configuratie, en er werd geen fout opgeworpen. DeepSeek publiceerde op 31 juli de officiële uitgave van zijn V4-Flash-API onder de buildnaam DeepSeek-V4-Flash-0731, en de documentatie is bewonderenswaardig direct over wat dat betekent voor wie aanroept: het model is bijgewerkt, de aanroepmethode blijft ongewijzigd, en de kale naam bereikt de nieuwste versie.

Dit werd niet verzwegen. Het wijzigingslogboek is openbaar, de benchmarktabel is gepubliceerd en de build draagt een datum in de naam. Het probleem is niet de openbaarmaking. Het probleem is dat de openbaarmaking staat waar uw uitvoeringsomgeving niet leest. Elk signaal dat een productiesysteem zou gebruiken om te merken dat zijn model is veranderd, bleef bij de wissel constant: de modelnaam in het verzoek, de architectuur, het aantal parameters van 284 miljard totaal en 13 miljard geactiveerd, het contextvenster en de prijs.

DeepSeek zegt uitdrukkelijk dat het om een wijziging in de natraining gaat en niet om een nieuw model. Zelfde architectuur, zelfde omvang, opnieuw nagetraind. Die kadering klopt en is tegelijk de reden waarom de verandering makkelijk wordt onderschat. Opnieuw natrainen klinkt als afwerking. Wat het hier opleverde was een andere verzameling capaciteiten achter een ongewijzigde aanduiding.

De cijfers die bewogen gaan over handelen

Leest u de benchmarktabel per categorie in plaats van per regel, dan verschijnt een patroon. Op Terminal Bench 2.1 scoort de nieuwe build 82,7 tegen 61,8 voor de preview. Op NL2Repo scoort hij 54,2 tegen 39,4. Op Toolathlon-Verified komt hij van 49,7 op 70,3. Op DeepSWE gaat hij van 7,3 naar 54,4, oftewel meer dan zevenmaal. Op Cybergym verschuift hij van 38,7 naar 76,7, dicht bij een verdubbeling.

Elk van die metingen vat het vermogen van het model om iets te doen in plaats van iets te zeggen: terminalopdrachten uitvoeren, door een repository heen werken, gereedschappen aaneenschakelen, een zwakte vinden en misbruiken. De API ondersteunt bovendien het Responses-formaat nu van nature en is aangepast voor Codex, wat een uitspraak is over waarheen DeepSeek verwacht dat het model wordt gericht. Dit is een build die is afgestemd om handen te krijgen.

Waarom dit telt: capaciteit en schadebereik liggen op dezelfde as zodra een model gereedschapstoegang heeft. De meeste organisaties bepaalden waar een model bij mag door te kijken wat het kon, en een groot deel van dat kijken gebeurde tegen een build die 7,3 scoorde op een agentbenchmark voor software-engineering. De toestemming die op dat bewijs is verleend, verviel niet toen het bewijs verviel. Staat uw beleid dit model shelltoegang toe, schrijftoegang op repositories of iets wat aan het netwerk hangt, dan is de redenering achter dat beleid geijkt op een model dat niet meer antwoordt.

De goedkope laag verslaat nu de dure

In dezelfde tabel schuilt een tweede gevolg. V4-Pro-Preview, het grotere en duurdere model in de familie, scoort 72,1 op Terminal Bench 2.1. De nieuwe Flash-build scoort 82,7. De goedkope laag verslaat nu de premiumlaag van de eigen familie op ten minste één agentbenchmark, en deed dat van de ene dag op de andere, onder een naam die niet veranderde.

De routeringslogica is in de meeste omgevingen statisch en werd één keer geschreven: zwaar agentisch werk naar het capabele model, goedkoop of grootschalig werk naar het snelle. Die regel legde een volgorde van capaciteiten vast die klopte toen zij werd geschreven. Op elke as klopt zij niet meer, wat betekent dat sommige teams nu de premiumlaag betalen voor werk dat de goedkope laag beter doet, zonder enig signaal dat de volgorde is omgeslagen.

Ter plaatsing in het veld in plaats van in de familie: de nieuwe build staat op 82,7 op die benchmark tegenover 81,0 voor GLM-5.2 van Z.AI en 85,0 voor Claude Opus 4.8. De bruikbare les is niet de rangschikking, die opnieuw zal schuiven. Het is dat een verschil van deze omvang zich sloot door natraining alleen, bij ongewijzigde hardware-eisen, in één uitgave.

Hoe versiebeheer eruitziet als vastzetten niet kan

Begin met de beperking te aanvaarden. Aanbieders die gedateerde momentopname-aanduidingen aanbieden, laten u een build vastzetten en bewust migreren. Het gedocumenteerde API-oppervlak van DeepSeek biedt de kale namen, waarbij de gedateerde build is vastgelegd als modelversie en niet als iets wat u kunt aanroepen. De discipline moet dus aan uw kant van de grens zitten, want er is geen contractuele of technische hefboom die het model stil houdt.

In de praktijk betekent dat drie dingen. Houd een kleine verzameling eigen taken aan, twintig of dertig gevallen die weergeven wat u het model werkelijk vraagt, met vastgelegde uitvoer en een bewaarde datum. Voer die volgens een schema uit en niet op een gerucht, want een schema vangt een stille wissel en een gerucht niet. En noteer de buildnaam die uw aanbieder meldt naast elke productieaanroep die u belangrijk vindt, zodat u bij een verschuiving in gedrag een modelwissel van een promptwijziging kunt onderscheiden.

Stel daarna opnieuw de toestemmingsvraag, niet alleen de kwaliteitsvraag. Kwaliteitsverlies is zichtbaar en hinderlijk. Een toename van capaciteit is onzichtbaar en aangenaam, en juist die verruimt stil wat een gecompromitteerde of verwarde agent kan bereiken. De officiële uitgave van V4-Pro komt eraan, en DeepSeek heeft dat gezegd. De evaluatie die u deze week inplant, is de evaluatie die klaarstaat wanneer die uitkomt.

Lees hierna: Op 24 juli antwoordt deepseek-chat niet meer  |  Opus 5 kost de helft van Fable 5