مهر
اخبار
پایان GPT-4o و GPT-4.1 در API: راهنمای کامل مهاجرت به GPT-6 Luna تا ۱۴ ژانویه ۲۰۲۷
شرکت OpenAI اعلام کرد چند مدل پرکاربرد خانواده‌ی GPT-4o و GPT-4.1 را در ۱۴ ژانویه ۲۰۲۷ از API حذف می‌کند. اگر محصول، ربات یا اتوماسیونی دارید که به این مدل‌ها وابسته است، شمارش معکوس شروع شده است.
لیست مطالب
۱. چه اتفاقی افتاد؟ خلاصه‌ی اطلاعیه‌ی OpenAI
شرکت OpenAI در ۱۴ اکتبر ۲۰۲۶ اطلاعیه‌ای برای توسعه‌دهندگان منتشر کرد و اعلام کرد که مجموعه‌ای از مدل‌های قدیمی‌تر را از API خارج می‌کند. تاریخ قطعی خاموشی ۱۴ ژانویه ۲۰۲۷ است. پس از این تاریخ، درخواست به این مدل‌ها دیگر پاسخ نمی‌دهد و کدهایی که نام این مدل‌ها را مستقیم صدا می‌زنند با خطا روبه‌رو می‌شوند.
این یعنی حدود سه ماه فرصت برای مهاجرت. برای تیم‌هایی که چند سرویس مختلف روی این مدل‌ها ساخته‌اند، سه ماه زمان زیادی نیست؛ مخصوصاً اگر پرامپت‌ها طی یک سال گذشته دقیقاً برای رفتار همین مدل‌ها تنظیم شده باشند.
در همین حال، خبر در دنیای هوش مصنوعی تازه نیست که مدل‌های قدیمی بازنشسته شوند. اما چون GPT-4o و GPT-4.1 از پرمصرف‌ترین مدل‌های API بوده‌اند، این اطلاعیه بیش از معمول روی توسعه‌دهندگان اثر می‌گذارد. برای آشنایی با پیشینه‌ی این شرکت می‌توانید مقاله‌ی OpenAI چیست؟ را بخوانید.
۲. کدام مدل‌ها حذف می‌شوند؟
اطلاعیه به نسخه‌های تاریخ‌دار و مشخص اشاره می‌کند، نه فقط به نام کلی مدل. فهرست زیر مدل‌های مشمول است:
- مدل gpt-4o-2024-08-06
- مدل gpt-4o-2024-11-20
- مدل gpt-4o-mini-2024-07-18
- مدل gpt-4.1-2025-04-14
- مدل gpt-4.1-mini-2025-04-14
نسخه‌های فاین‌تیون‌شده‌ی این اسنپ‌شات‌ها هم در همان تاریخ از دسترس خارج می‌شوند. به بیان ساده، فاین‌تیون کردن مدل باعث تمدید عمر آن نمی‌شود و اگر مدل سفارشی دارید، باید آن را روی مدل جدید دوباره بسازید یا ارزیابی کنید.
آیا ChatGPT هم تغییر می‌کند؟
این اطلاعیه درباره‌ی دسترسی API است. وضعیت مدل‌ها در اپلیکیشن ChatGPT طبق صفحه‌ی راهنمای جداگانه‌ی OpenAI مدیریت می‌شود و بهتر است برای آن به همان صفحه مراجعه کنید. اگر تازه با محصولات این شرکت آشنا شده‌اید، بخش آموزش‌های ChatGPT نقطه‌ی شروع خوبی است.
۳. جایگزین پیشنهادی: GPT-6 Luna
OpenAI در اطلاعیه، مدل GPT-6 Luna را به‌عنوان مسیر مهاجرت معرفی کرده است. شرکت می‌گوید قیمت هر توکن در Luna پایین‌تر از مدل‌های GPT-4.x است. این نکته برای پروژه‌هایی که حجم درخواست بالایی دارند جذاب است.
با این حال، باید حواستان باشد که قیمت پایین‌تر هر توکن لزوماً به معنی صورت‌حساب کمتر نیست. تعداد توکن‌های مصرفی، میزان طول پاسخ و تنظیمات استدلال روی هزینه‌ی نهایی اثر می‌گذارند. خود OpenAI هم توصیه می‌کند هزینه‌ی کل را مقایسه کنید، نه فقط نرخ هر توکن را.
اگر تازه با مفهوم مدل‌های زبانی و تفاوت نسل‌ها آشنا می‌شوید، مقایسه‌ی ChatGPT و DeepSeek دید خوبی از تفاوت رویکرد مدل‌ها می‌دهد.
۴. چرا این خبر برای کسب‌وکارها مهم است؟
خیلی از شرکت‌ها و استارتاپ‌ها در دو سال اخیر محصولشان را روی GPT-4o یا GPT-4.1 ساخته‌اند: چت‌بات پشتیبانی، خلاصه‌ساز اسناد، استخراج داده، تولید محتوا و ابزارهای داخلی. در این پروژه‌ها نام مدل اغلب در کد، فایل پیکربندی یا حتی ابزارهای بدون‌کد ثابت شده است.
اگر مهاجرت انجام نشود، در روز مشخص‌شده سرویس شما از کار می‌افتد. بدتر آنکه مشتری مشکل را قبل از تیم فنی می‌بیند. به همین دلیل بازنشستگی مدل را باید مثل یک پروژه‌ی مهندسی واقعی مدیریت کرد، نه یک کار «بعداً انجام می‌دهیم».
از نگاه استراتژیک هم این خبر یادآوری مهمی است: وابستگی کامل به یک نسخه‌ی خاص از مدل، ریسک عملیاتی دارد. درباره‌ی نقش هوش مصنوعی در تصمیم‌های کسب‌وکار، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار را ببینید.
۵. گام‌به‌گام: چطور به GPT-6 Luna مهاجرت کنیم؟
OpenAI یک مسیر پنج‌مرحله‌ای پیشنهاد کرده است. در ادامه همان را با توضیح کاربردی می‌خوانید.
گام اول: خط پایه بسازید
کیفیت، تأخیر و هزینه‌ی مدل فعلی را روی درخواست‌های واقعی ثبت کنید. حتماً موارد مرزی و سخت را هم اضافه کنید؛ همان‌هایی که گاهی جواب اشتباه می‌دهند یا فرمت را به‌هم می‌ریزند. بدون این خط پایه، بعداً نمی‌توانید بگویید مدل جدید بهتر شده یا بدتر.
گام دوم: تست Luna با reasoning effort روی none
شرکت توصیه می‌کند تست را با تنظیم استدلال روی حالت «none» شروع کنید. OpenAI انتظار دارد بیشتر کاربردهای GPT-4.x با همین تنظیم مهاجرت کنند. این یعنی لازم نیست از همان ابتدا هزینه‌ی استدلال سنگین را بپردازید.
گام سوم: مقایسه با خط پایه
خروجی Luna را با نتایج مدل قدیمی مقایسه کنید. به‌ویژه فرمت خروجی، رعایت ساختار JSON و استفاده از ابزارها (tool calling) را بررسی کنید، چون تغییر کوچک در رفتار مدل می‌تواند یک پارسر را از کار بیندازد.
گام چهارم: پرامپت، استدلال و طول پاسخ را تنظیم کنید
اگر کیفیت کافی نبود، پرامپت را اصلاح کنید یا سطح reasoning و میزان verbosity را تغییر دهید و دوباره آزمایش کنید. نوشتن پرامپت شفاف اینجا نقش مهمی دارد؛ راهنمای نوشتن پرامپت برای مبتدیان می‌تواند کمک کند.
گام پنجم: انتشار تدریجی
در ابتدا فقط بخش کوچکی از ترافیک تولید را به مدل جدید بدهید و کیفیت، تأخیر، خطا و هزینه را زیر نظر بگیرید. اگر همه‌چیز پایدار بود، سهم را بالا ببرید تا به ۱۰۰ درصد برسید.
۶. چک‌لیست عملی برای تیم‌های فنی
برای اینکه چیزی از قلم نیفتد، این کارها را همین هفته انجام دهید. اول، کل کد و پیکربندی را برای نام مدل‌های مشمول جست‌وجو کنید؛ هم در مخزن کد و هم در متغیرهای محیطی و ابزارهای شخص ثالث.
دوم، فهرست سرویس‌هایی را که از مدل‌های فاین‌تیون‌شده استفاده می‌کنند تهیه کنید. این موارد معمولاً بیشترین زمان را می‌گیرند، چون باید نیاز فاین‌تیون دوباره سنجیده شود.
سوم، برای هر سرویس یک مجموعه‌ی ارزیابی کوچک بسازید. حتی ۵۰ تا ۱۰۰ نمونه‌ی واقعی از ورودی‌ها برای مقایسه‌ی قبل و بعد کافی است. چهارم، برای تغییر مدل از فلگ پیکربندی استفاده کنید تا اگر مشکلی پیش آمد، برگشت سریع ممکن باشد.
پنجم، سقف هزینه و هشدار مصرف تعریف کنید، چون ممکن است الگوی توکن‌های مصرفی بعد از تغییر مدل عوض شود. شناخت محدودیت‌های هوش مصنوعی هم کمک می‌کند انتظار واقع‌بینانه داشته باشید؛ پتانسیل و محدودیت‌های واقعی هوش مصنوعی را مطالعه کنید.
۷. نکته‌ی بحث‌برانگیز: چرا فقط سه ماه؟
سیاست عمومی OpenAI این است که برای مدل‌های عمومی دست‌کم شش ماه پیشاپیش اطلاع بدهد، مگر اینکه نگرانی ایمنی یا الزام انطباق وجود داشته باشد. این بار فاصله‌ی اعلام تا خاموشی حدود سه ماه است و در اطلاعیه توضیحی برای کوتاه‌تر بودن آن دیده نمی‌شود.
این موضوع احتمالاً در جامعه‌ی توسعه‌دهندگان مورد بحث قرار می‌گیرد. تا زمانی که توضیح رسمی بیاید، منطقی‌ترین کار این است که برنامه‌ی خود را بر اساس همان ۱۴ ژانویه ۲۰۲۷ بچینید و منتظر تمدید احتمالی نمانید.
مشتریانی که از طریق تیم فروش با OpenAI قرارداد دارند، می‌توانند از مدیر حساب خود برنامه‌ی مهاجرت اختصاصی و کمک مهندسی بخواهند. کاربران معمولی نیز از چت پشتیبانی مرکز راهنما کمک می‌گیرند.
۸. اشتباهات رایج هنگام مهاجرت
معمول‌ترین خطا این است که فقط نام مدل را عوض کنند و بدون ارزیابی منتشر کنند. مدل‌های جدید ممکن است در سبک پاسخ، طول خروجی و حتی نحوه‌ی پیروی از دستور سیستم تفاوت داشته باشند.
خطای دوم، نادیده‌گرفتن هزینه‌ی کل است. اگر مدل جدید پاسخ‌های بلندتری بدهد یا استدلال بیشتری انجام دهد، ممکن است با وجود نرخ پایین‌تر هر توکن، مبلغ نهایی بالاتر برود. خطای سوم، فراموش‌کردن وابستگی‌های پنهان است: مثلاً ابزار یا افزونه‌ای که شخص دیگری تنظیم کرده و نام مدل در آن ثابت است.
برای اینکه ببینید این نوع تغییرها چطور روی تصمیم‌های مهندسی اثر می‌گذارند، مقاله‌ی توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را هم ببینید.
۹. پرسش‌های متداول
GPT-4o دقیقاً چه روزی از API حذف می‌شود؟
طبق اطلاعیه‌ی OpenAI، تاریخ حذف ۱۴ ژانویه ۲۰۲۷ است و بعد از آن مدل‌های مشمول در دسترس نخواهند بود.
آیا GPT-4.1 mini هم شامل این حذف می‌شود؟
بله. نسخه‌های GPT-4o، GPT-4o mini، GPT-4.1 و GPT-4.1 mini که در فهرست بالا آمده‌اند، همگی مشمول هستند.
مدل فاین‌تیون‌شده‌ی من چه می‌شود؟
نسخه‌های فاین‌تیون‌شده هم همان مهلت را دارند و فاین‌تیون باعث تمدید دسترسی نمی‌شود.
جایگزین پیشنهادی چیست؟
OpenAI مدل GPT-6 Luna را پیشنهاد کرده و می‌گوید قیمت هر توکن آن از مدل‌های GPT-4.x کمتر است.
از کجا شروع کنم؟
ابتدا خط پایه‌ی کیفیت و هزینه را بسازید، سپس Luna را با reasoning effort برابر none آزمایش کنید و در نهایت ترافیک را تدریجی منتقل کنید. اخبار بیشتر را در بخش اخبار هوش مصنوعی دنبال کنید.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
