El modelo de IA sobre el que construiste se va a retirar. Prepáralo.
El 14 de octubre de 2026 OpenAI avisó a los desarrolladores de que GPT-4o, GPT-4o mini, GPT-4.1 y GPT-4.1 mini dejarían de estar disponibles en su API el 14 de enero de 2027. Son tres meses de aviso para modelos a los que todavía llaman muchísimos sistemas en producción.
Así funcionan los modelos alojados, y va a seguir pasando. Anthropic se compromete a avisar con al menos 60 días antes de retirar un modelo publicado. Google publica del mismo modo las fechas de cierre de los modelos Gemini. Si tu sistema depende de un modelo alojado, sustituirlo es un mantenimiento que tendrás que repetir.
Qué se rompe al cambiar
El modelo nuevo suele ser mejor de media, y aun así distinto en cosas que a ti te importan.
- Los prompts ajustados para un modelo se comportan de otra manera en el siguiente. Instrucciones que hacían falta pasan a ser ruido, y aparecen huecos que el modelo anterior cubría.
- Las salidas estructuradas se desvían: un campo que siempre venía falta a veces, o un formato cambia ligeramente.
- Las llamadas a herramientas cambian. El modelo nuevo puede usarlas más o menos, o en otro orden.
- La latencia y el coste por tarea se mueven, a veces mucho, sobre todo con modelos de razonamiento.
- Los modelos con ajuste fino se van con su modelo base. OpenAI indica que las versiones ajustadas siguen el mismo calendario de cierre.
Qué lo convierte en rutina
- Saber dónde se llama a cada modelo. Un inventario de modelos, versiones y funciones que dependen de ellos convierte el correo de retirada en una lista de tareas.
- Fijar versiones con fecha en lugar de alias que cambian, para que el comportamiento cambie cuando tú lo decidas.
- Mantener un conjunto de evaluación hecho con tus propias tareas, incluidos los fallos que has visto en producción. Es lo que te dice si el sustituto es suficiente, y sustituye semanas de comprobación manual por una ejecución de pruebas.
- Llamar a los modelos desde una única pasarela o un único módulo, para que el cambio sea una configuración con vuelta atrás.
- Versionar los prompts junto al código y registrar qué prompt se ejecutó con qué modelo.
- Conservar los datos de entrenamiento y el proceso de todo lo que tenga ajuste fino, para poder reentrenar sobre la nueva base.
- Vigilar las páginas de retiradas de los proveedores y reservar tiempo para ello.
Cuándo el modelo alojado no es el camino
Hay usos que no admiten un objetivo que se mueve: una decisión regulada que tiene que poder reproducirse, o un producto que debe comportarse igual durante años. Un modelo de pesos abiertos alojado por ti no lo retira nadie más. A cambio pagas infraestructura y operación, y merece la pena comparar los dos caminos con números reales antes de comprometerse.