Jedna linia w dzienniku zmian wykonuje całą pracę

Zespół, który wywołał deepseek-v4-flash w czwartek i wywołał go ponownie w piątek, otrzymał odpowiedzi od dwóch różnych modeli. Nic nie zmieniło się w ich kodzie, nic nie zmieniło się w konfiguracji i nie zgłoszono żadnego błędu. DeepSeek opublikował 31 lipca oficjalne wydanie swojego API V4-Flash pod nazwą kompilacji DeepSeek-V4-Flash-0731, a dokumentacja jest godnie bezpośrednia co do znaczenia tego faktu dla wywołujących: model został zaktualizowany, metoda wywołania pozostaje bez zmian, a sama nazwa sięga najnowszej wersji.

Nie zostało to ukryte. Dziennik zmian jest publiczny, tabela wyników jest opublikowana, a kompilacja nosi datę w nazwie. Problemem nie jest ujawnienie. Problemem jest to, że ujawnienie znajduje się tam, gdzie twoje środowisko uruchomieniowe nie czyta. Każdy sygnał, po którym system produkcyjny zauważyłby zmianę modelu, pozostał w trakcie podmiany stały: ciąg modelu w żądaniu, architektura, liczba parametrów wynosząca 284 miliardy łącznie i 13 miliardów aktywowanych, okno kontekstu oraz cena.

DeepSeek mówi wprost, że chodzi o zmianę w dotrenowaniu, a nie o nowy model. Ta sama architektura, ta sama wielkość, ponownie dotrenowany. To ujęcie jest trafne i jest zarazem powodem, dla którego łatwo tę zmianę zbagatelizować. Ponowne dotrenowanie brzmi jak dopracowanie. To, co wytworzyło tutaj, to inny zestaw zdolności za niezmienionym identyfikatorem.

Liczby, które się przesunęły, mówią o działaniu

Gdy czytać tabelę według kategorii, a nie według wierszy, pojawia się wzorzec. W Terminal Bench 2.1 nowa kompilacja uzyskuje 82,7 wobec 61,8 dla wersji zapoznawczej. W NL2Repo uzyskuje 54,2 wobec 39,4. W Toolathlon-Verified dochodzi do 70,3 z 49,7. W DeepSWE przechodzi z 7,3 na 54,4, czyli ponad siedmiokrotnie. W Cybergym przesuwa się z 38,7 na 76,7, bardzo blisko podwojenia.

Każdy z tych pomiarów ujmuje zdolność modelu do zrobienia czegoś, a nie do powiedzenia czegoś: uruchamiania poleceń terminala, pracy w obrębie repozytorium, łączenia narzędzi, znajdowania i wykorzystywania słabości. API obsługuje ponadto natywnie format Responses i zostało dostosowane do Codeksa, co jest deklaracją co do tego, gdzie DeepSeek spodziewa się skierowania modelu. To kompilacja nastrojona na otrzymanie rąk.

Dlaczego to ważne: zdolność i zasięg szkód leżą na tej samej osi, gdy tylko model ma dostęp do narzędzi. Większość organizacji rozstrzygnęła, czego model może dotykać, obserwując, co potrafi, a znaczna część tej obserwacji odbyła się wobec kompilacji, która osiągała 7,3 w teście agentowym inżynierii oprogramowania. Zgoda udzielona na tej podstawie nie wygasła wtedy, gdy wygasła podstawa. Jeśli twoja polityka dopuszcza ten model do powłoki, do zapisu w repozytoriach lub do czegokolwiek wystawionego na sieć, rozumowanie stojące za tą polityką kalibrowano na modelu, który już nie odpowiada.

Tani poziom bije teraz drogi

W tej samej tabeli kryje się druga konsekwencja. V4-Pro-Preview, większy i droższy model rodziny, uzyskuje 72,1 w Terminal Bench 2.1. Nowa kompilacja Flash uzyskuje 82,7. Tani poziom bije teraz poziom najwyższy własnej rodziny w co najmniej jednym teście agentowym, i zrobił to z dnia na dzień, pod nazwą, która się nie zmieniła.

Logika kierowania ruchu jest w większości rozwiązań statyczna i została napisana raz: trudna praca agentowa do modelu zdolnego, tania lub masowa do szybkiego. Ta reguła zakodowała porządek zdolności obowiązujący w chwili jej napisania. Na każdej osi już nie obowiązuje, co oznacza, że część zespołów płaci teraz za poziom najwyższy za pracę, którą tani poziom wykonuje lepiej, i robi to bez żadnego sygnału, że porządek się odwrócił.

Dla umiejscowienia w polu, a nie w rodzinie: nowa kompilacja plasuje się na 82,7 w tym teście wobec 81,0 dla GLM-5.2 od Z.AI i 85,0 dla Claude Opus 4.8. Użyteczny wniosek to nie ranking, który jeszcze się przesunie. To fakt, że dystans tej wielkości domknięto samym dotrenowaniem, przy niezmienionych wymaganiach sprzętowych, w jednym wydaniu.

Jak wygląda kontrola wersji, gdy nie można przypiąć

Zacznij od przyjęcia ograniczenia. Dostawcy udostępniający datowane identyfikatory migawek pozwalają przypiąć kompilację i migrować świadomie. Udokumentowana powierzchnia API DeepSeek oferuje same nazwy, przy czym datowana kompilacja jest odnotowana jako wersja modelu, a nie jako coś, co można wywołać. Dyscyplina musi więc siedzieć po twojej stronie granicy, bo nie istnieje żadna dźwignia umowna ani techniczna, która utrzyma model w bezruchu.

W praktyce oznacza to trzy rzeczy. Utrzymuj mały zestaw własnych zadań, dwadzieścia lub trzydzieści przypadków oddających to, o co naprawdę pytasz model, z zapisanymi wynikami i zachowaną datą. Uruchamiaj go zgodnie z harmonogramem, a nie na plotkę, bo harmonogram wychwyci cichą podmianę, a plotka nie. I zapisuj nazwę kompilacji podawaną przez dostawcę obok każdego wywołania produkcyjnego, na którym ci zależy, żeby przy zmianie zachowania odróżnić zmianę modelu od zmiany polecenia.

Następnie postaw ponownie pytanie o autoryzację, a nie tylko o jakość. Regresje jakości są widoczne i uciążliwe. Wzrost zdolności jest niewidoczny i przyjemny, i to on po cichu poszerza to, do czego może sięgnąć przejęty lub zdezorientowany agent. Oficjalne wydanie V4-Pro nadchodzi, a DeepSeek to zapowiedział. Ocena, którą zaplanujesz w tym tygodniu, będzie tą, która czeka gotowa, gdy ono nadejdzie.

Czytaj dalej: 24 lipca deepseek-chat przestaje odpowiadać  |  Opus 5 kosztuje połowę ceny Fable 5