En rad i ändringsloggen gör hela jobbet

Ett team som anropade deepseek-v4-flash på torsdagen och anropade den igen på fredagen fick svar från två olika modeller. Inget ändrades i deras kod, inget ändrades i deras konfiguration, och inget fel utlöstes. DeepSeek publicerade den 31 juli den officiella utgåvan av sitt V4-Flash-API under byggnamnet DeepSeek-V4-Flash-0731, och dokumentationen är beundransvärt rak om vad det innebär för den som anropar: modellen har uppdaterats, anropsmetoden är oförändrad, och det enkla namnet når den senaste versionen.

Detta doldes inte. Ändringsloggen är offentlig, mättabellen är publicerad och bygget bär ett datum i namnet. Problemet är inte offentliggörandet. Problemet är att offentliggörandet ligger där din körmiljö inte läser. Varje signal som ett produktionssystem skulle använda för att märka att dess modell har bytts förblev konstant över bytet: modellsträngen i förfrågan, arkitekturen, parameterantalet på 284 miljarder totalt och 13 miljarder aktiverade, kontextfönstret och priset.

DeepSeek säger uttryckligen att det rör sig om en förändring i eftertränningen och inte om en ny modell. Samma arkitektur, samma storlek, eftertränad på nytt. Den inramningen är korrekt och är samtidigt skälet till att förändringen är lätt att underskatta. En förnyad eftertränning låter som finslipning. Vad den frambringade här var en annan uppsättning förmågor bakom en oförändrad beteckning.

Siffrorna som rörde sig handlar om att handla

Läser man mättabellen efter kategori i stället för efter rad framträder ett mönster. På Terminal Bench 2.1 når det nya bygget 82,7 mot 61,8 för förhandsversionen. På NL2Repo når det 54,2 mot 39,4. På Toolathlon-Verified kommer det till 70,3 från 49,7. På DeepSWE går det från 7,3 till 54,4, alltså mer än sju gånger. På Cybergym flyttar det sig från 38,7 till 76,7, mycket nära det dubbla.

Var och en av de mätningarna fångar modellens förmåga att göra något snarare än att säga något: köra terminalkommandon, arbeta tvärs över ett kodlager, kedja verktyg, hitta och utnyttja en svaghet. API:et stöder dessutom nu Responses-formatet inbyggt och har anpassats för Codex, vilket är ett besked om vart DeepSeek förväntar sig att modellen ska riktas. Det här är ett bygge avstämt för att få händer.

Varför det spelar roll: förmåga och skadeområde ligger på samma axel så snart en modell har verktygsåtkomst. De flesta organisationer avgjorde vad en modell får röra genom att se vad den kunde, och en stor del av den iakttagelsen gjordes mot ett bygge som fick 7,3 i en agentmätning för mjukvaruutveckling. Tillståndet som gavs på den grunden upphörde inte när grunden gjorde det. Tillåter din policy den här modellen shellåtkomst, skrivåtkomst till kodlager eller något nätverksvänt, kalibrerades resonemanget bakom policyn på en modell som inte längre svarar.

Den billiga nivån slår nu den dyra

I samma tabell göms en andra följd. V4-Pro-Preview, den större och dyrare modellen i familjen, når 72,1 på Terminal Bench 2.1. Det nya Flash-bygget når 82,7. Den billiga nivån slår nu sin egen familjs toppnivå i minst en agentmätning, och det skedde över en natt, under ett namn som inte ändrades.

Dirigeringslogiken är statisk i de flesta uppsättningar och skrevs en gång: tungt agentarbete till den kapabla modellen, billigt eller storskaligt arbete till den snabba. Den regeln kodade en ordning av förmågor som höll när den skrevs. Den håller inte längre på varje axel, vilket betyder att en del team nu betalar toppnivån för arbete som den billiga nivån gör bättre, och gör det utan någon signal om att ordningen har kastats om.

Som placering i fältet snarare än i familjen ligger det nya bygget på 82,7 i den mätningen mot 81,0 för Z.AI:s GLM-5.2 och 85,0 för Claude Opus 4.8. Den användbara lärdomen är inte rangordningen, som kommer att röra sig igen. Den är att ett avstånd av den här storleken slöts enbart genom eftertränning, vid oförändrade hårdvarukrav, i en enda utgåva.

Hur versionshantering ser ut när man inte kan låsa

Börja med att godta begränsningen. Leverantörer som exponerar daterade ögonblicksbeteckningar låter dig låsa ett bygge och migrera medvetet. DeepSeeks dokumenterade API-yta erbjuder de enkla namnen, där det daterade bygget är noterat som modellversion och inte som något du kan anropa. Disciplinen måste därför sitta på din sida av gränsen, för det finns varken en avtalsmässig eller en teknisk hävstång som håller modellen stilla.

I praktiken innebär det tre saker. Håll en liten samling egna uppgifter, tjugo eller trettio fall som återger vad du faktiskt ber modellen om, med registrerade utdata och ett sparat datum. Kör den schemalagt och inte på rykten, för ett schema fångar ett tyst byte medan ett rykte inte gör det. Och logga det byggnamn din leverantör uppger bredvid varje produktionsanrop du bryr dig om, så att du vid ett beteendeskifte kan skilja ett modellbyte från en promptändring.

Ställ därefter tillståndsfrågan på nytt, inte bara kvalitetsfrågan. Kvalitetsförsämringar är synliga och irriterande. En ökning av förmåga är osynlig och behaglig, och det är den som tyst vidgar vad en komprometterad eller förvirrad agent kan nå. Den officiella utgåvan av V4-Pro är på väg, och DeepSeek har sagt det. Den utvärdering du schemalägger den här veckan är den som står redo när den kommer.

Läs vidare: Den 24 juli slutar deepseek-chat att svara  |  Opus 5 kostar hälften av Fable 5