Uma linha do registo de alterações faz todo o trabalho

Uma equipa que chamou deepseek-v4-flash na quinta-feira e voltou a chamá-lo na sexta recebeu respostas de dois modelos diferentes. Nada mudou no seu código, nada mudou na sua configuração e não foi lançado qualquer erro. A DeepSeek publicou a 31 de julho a versão oficial da sua API V4-Flash sob o nome de compilação DeepSeek-V4-Flash-0731, e a documentação é admiravelmente direta sobre o que isso significa para quem chama: o modelo foi atualizado, o método de chamada mantém-se inalterado e o nome simples alcança a versão mais recente.

Não foi ocultado. O registo de alterações é público, a tabela de resultados está publicada e a compilação leva uma data no nome. O problema não é a divulgação. O problema é que a divulgação está onde o seu ambiente de execução não lê. Todos os sinais que um sistema em produção usaria para reparar que o seu modelo mudou mantiveram-se constantes durante a troca: a cadeia do modelo no pedido, a arquitetura, a contagem de parâmetros de 284 mil milhões no total e 13 mil milhões ativados, a janela de contexto e o preço.

A DeepSeek diz explicitamente que se trata de uma alteração de pós-treino e não de um modelo novo. Mesma arquitetura, mesmo tamanho, novamente pós-treinado. Esse enquadramento é exato e é também a razão pela qual é fácil subestimar a mudança. Um novo pós-treino soa a acabamento. O que produziu aqui foi um conjunto diferente de capacidades por trás de um identificador inalterado.

Os números que se moveram falam de agir

Lendo a tabela por categorias em vez de por linhas, surge um padrão. No Terminal Bench 2.1 a nova compilação obtém 82,7 contra 61,8 da pré-visualização. No NL2Repo obtém 54,2 contra 39,4. No Toolathlon-Verified chega a 70,3 a partir de 49,7. No DeepSWE passa de 7,3 para 54,4, ou seja mais de sete vezes. No Cybergym move-se de 38,7 para 76,7, muito perto do dobro.

Cada uma dessas medidas capta a capacidade do modelo para fazer algo e não para dizer algo: executar comandos de consola, trabalhar sobre um repositório, encadear ferramentas, encontrar e explorar uma fraqueza. A API passa ainda a suportar nativamente o formato Responses e foi adaptada para o Codex, o que é uma declaração sobre para onde a DeepSeek espera que o modelo seja apontado. Esta é uma compilação afinada para receber mãos.

Porque importa: capacidade e raio de dano estão no mesmo eixo assim que um modelo tem acesso a ferramentas. A maioria das organizações decidiu ao que um modelo pode chegar observando o que ele conseguia fazer, e grande parte dessa observação decorreu contra uma compilação que pontuava 7,3 num teste de agente de engenharia de software. A permissão concedida com essa prova não caducou quando a prova caducou. Se a sua política permite a este modelo acesso à consola, escrita em repositórios ou qualquer coisa exposta à rede, o raciocínio por trás dessa política foi calibrado num modelo que já não responde.

O nível barato ultrapassa agora o caro

Na mesma tabela esconde-se uma segunda consequência. O V4-Pro-Preview, o modelo maior e mais caro da família, obtém 72,1 no Terminal Bench 2.1. A nova compilação Flash obtém 82,7. O nível barato bate agora o nível superior da própria família em pelo menos um teste de agente, e fê-lo de um dia para o outro, sob um nome que não mudou.

A lógica de encaminhamento é estática na maioria das arquiteturas e foi escrita uma só vez: o trabalho agente difícil para o modelo capaz, o trabalho barato ou de grande volume para o rápido. Essa regra codificava uma ordem de capacidades que se verificava quando foi escrita. Já não se verifica em todos os eixos, o que significa que algumas equipas estão agora a pagar o nível superior por trabalho que o nível barato faz melhor, e a fazê-lo sem qualquer sinal de que a ordem se inverteu.

Para situar no campo e não na família, a nova compilação fica em 82,7 nesse teste contra 81,0 do GLM-5.2 da Z.AI e 85,0 do Claude Opus 4.8. A conclusão útil não é a classificação, que voltará a mover-se. É que uma distância desta dimensão se fechou apenas por pós-treino, com requisitos de equipamento inalterados, numa única publicação.

O que é o controlo de versões quando não se pode fixar

Comece por aceitar a limitação. Os fornecedores que expõem identificadores de instantâneo datados permitem-lhe fixar uma compilação e migrar de forma deliberada. A superfície de API documentada da DeepSeek oferece os nomes simples, com a compilação datada registada como versão do modelo e não como algo que possa invocar. A disciplina tem, portanto, de ficar do seu lado da fronteira, porque não há alavanca contratual nem técnica que mantenha o modelo parado.

Na prática, isso significa três coisas. Mantenha um pequeno conjunto de tarefas suas, vinte ou trinta casos que representem o que realmente pede ao modelo, com saídas registadas e data guardada. Execute-o de forma programada e não por boatos, porque um calendário apanha uma troca silenciosa e um boato não. E registe o nome de compilação que o fornecedor declara ao lado de cada chamada de produção que lhe interesse, para que, quando o comportamento se desloca, consiga distinguir uma mudança de modelo de uma mudança de instrução.

Depois volte a colocar a questão da autorização, e não apenas a da qualidade. As regressões de qualidade são visíveis e incomodativas. Um aumento de capacidade é invisível e agradável, e é esse que alarga em silêncio aquilo que um agente comprometido ou confuso consegue alcançar. A versão oficial do V4-Pro está a caminho, e a DeepSeek disse-o. A avaliação que programar esta semana é a que estará à espera quando ela chegar.

Leia a seguir: A 24 de julho, deepseek-chat deixa de responder  |  Opus 5 custa metade do Fable 5