اگر امروز برای مدل‌های GPT-4 پول می‌دهید، احتمالاً تا ژانویه ۲۰۲۷ با یک قطعی کامل در سرویس‌های خود مواجه خواهید شد. طبق به‌روزرسانی خاموش صفحهٔ بازنشستگی مدل‌های OpenAI در ۱۴ اکتبر ۲۰۲۶، مهلت انتقال برای بسیاری از توسعه‌دهندگان تنها ۹۲ روز است. برای هر کدی که مدل‌هایی با پیشوند gpt-4o یا gpt-4.1 را فراخوانی می‌کند، دقیقاً ۹۲ روز باقی مانده تا این نقاط اتصال (Endpoints) در تاریخ ۱۴ ژانویه ۲۰۲۷ برای همیشه خاموش شوند.
این تغییر در حالی رخ می‌دهد که صنعت به سمت معماری‌های تخصصی‌تر و استدلالی پیش می‌رود. همان‌طور که در تحلیل قبلی ما درباره‌ی قابلیت‌های صوتی ChatGPT اشاره کردیم که چگونه می‌توانست کاربران را در تعمیرات پیچیده سخت‌افزاری راهنمایی کند، زیرساخت‌های هوش مصنوعی اکنون از پاسخ‌های آنی به سمت نسل جدیدی از مدل‌ها می‌روند که اولویت آن‌ها فرآیندهای تفکر داخلی است. این یعنی مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — دیگر فقط کلمات را پیش‌بینی نمی‌کنند، بلکه ابتدا استدلال می‌کنند.
برای اکثر برنامه‌نویسان، این یک به‌روزرسانی ساده یا تغییر نسخه نیست؛ بلکه یک مهاجرت اجباری به مدل gpt-6-luna است که نحوه تعامل با ابزارها و پردازش منطق را به‌طور کلی تغییر می‌دهد.
جدول زمانی خاموشی
بر اساس مستندات منتشر شده در ۱۴ اکتبر، نسخه‌های (Snapshots) زیر در ۱۴ ژانویه ۲۰۲۷ حذف می‌شوند:
- GPT-4o: نسخه‌های ۲۰۲۴-۰۸-۰۶ و ۲۰۲۴-۱۱-۲۰
- GPT-4o mini: نسخه ۲۰۲۴-۰۷-۱۸
- GPT-4.1: نسخه ۲۰۲۵-۰۴-۱۴
- GPT-4.1 mini: نسخه ۲۰۲۵-۰۴-۱۴
نکته حیاتی این است که این ضرب‌الاجل شامل نسخه‌های تنظیم دقیق (Fine-tuning) — شبیه وقتی به یک پزشک عمومی، تخصص پوست می‌دهیم تا روی یک حوزه دقیق شود — نیز می‌شود. OpenAI صراحتاً اعلام کرده است: «نسخه‌های تنظیم‌شده این مدل‌ها از همان جدول زمانی خاموشی مدل‌های پایه خود پیروی می‌کنند.» اگر شما ماه‌ها وقت صرف آموزش یک طبقه‌بندی‌کننده (Classifier) تخصصی بر پایه 4o-mini کرده‌اید، آن مدل سفارشی دقیقاً در همان روزی که نسخه پایه حذف می‌شود، ناپدید خواهد شد.
توسعه‌دهندگان باید در مورد نام‌های مستعار (Aliases) بسیار محتاط باشند. صفحه مدل GPT-4o، نسخه gpt-4o-2024-08-06 را به عنوان اسنپ‌شات پیش‌فرض خود لیست کرده است. از آنجایی که این نسخه خاص در لیست حذف قرار دارد، نمی‌توانید فرض کنید که نام مستعار ساده‌ی gpt-4o پس از آن زنده خواهد ماند.
برخی توسعه‌دهندگان در وضعیت وخیم‌تری هستند و خطر فوری‌تری آن‌ها را تهدید می‌کند. دو اسنپ‌شات دیگر یعنی gpt-4o-2024-05-13 و gpt-4.1-nano طبق اطلاعیه ۲۲ آوریل، در ۲۳ اکتبر ۲۰۲۶ خاموش می‌شوند. برای کسانی که کدهای خود را روی این نسخه‌های خاص قفل (Pin) کرده‌اند، مهلت باقی‌مانده نه ۹۲ روز، بلکه تنها ۹ روز است.
سیاست‌های اطلاع‌رسانی و تناقضات
این بازه زمانی تضادهای موجود در سیاست‌های بازنشستگی OpenAI را آشکار می‌کند. صفحه حذف مدل‌ها چندین سطح اطلاع‌رسانی را تعریف کرده است:
- مدل‌های در دسترس عموم (GA): حداقل ۶ ماه اطلاع‌رسانی.
- نسخه‌های تخصصی: حداقل ۳ ماه اطلاع‌رسانی.
- مدل‌های پیش‌نمایش (Preview): ممکن است با اطلاع‌رسانی کوتاهی در حد ۲ هفته بازنشسته شوند.
OpenAI خاطرنشان می‌کند که اگر «نگرانی‌های مربوط به ایمنی یا انطباق قانونی نیازمند بازه زمانی سریع‌تری باشد»، این مهلت‌ها می‌توانند کوتاه‌تر شوند و در این صورت، شرکت تا جایی که «به طور معقول ممکن است» اطلاع‌رسانی می‌کند.
بازه ۱۴ اکتبر تا ۱۴ ژانویه دقیقاً ۳ ماه است. OpenAI هیچ دلیلی برای این بازه زمانی خاص ارائه نکرده و در این بخش هیچ لینکی به راهنمای مهاجرت (Migration Guide) وجود ندارد. در مقابل، اطلاعیه ۱ اکتبر برای مدل‌های gpt-5.1 و gpt-5.3-codex به توسعه‌دهندگان تا اول آوریل ۲۰۲۷ فرصت داده بود که یک بازه کامل ۶ ماهه است.
گذار به Luna: ارزان‌تر اما متفاوت
انتقال به gpt-6-luna کاهش چشمگیری در هزینه‌های استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی نه دوره‌ی آموزش آشپز — ایجاد می‌کند. برای سطح Standard، هزینه هر میلیون توکن به شرح زیر است:
- gpt-4o: ۲.۵۰ دلار ورودی / ۱۰.۰۰ دلار خروجی
- gpt-4.1: ۲.۰۰ دلار ورودی / ۸.۰۰ دلار خروجی
- gpt-4.1-mini: ۰.۴۰ دلار ورودی / ۱.۶۰ دلار خروجی
- gpt-4o-mini: ۰.۱۵ دلار ورودی / ۰.۶۰ دلار خروجی
- gpt-6-luna: ۰.۱۰ دلار ورودی / ۰.۵۰ دلار خروجی
اما این کاهش هزینه با سه تغییر رفتاری کلیدی همراه است:
۱. استدلال پیش‌فرض: مدل Luna به‌طور پیش‌فرض در سطح «متوسط» (medium) فکر می‌کند. برخلاف 4o-mini که فوراً جواب می‌داد، Luna ابتدا «فکر می‌کند» و سپس پاسخ می‌دهد، مگر اینکه پارامتر reasoning.effort صراحتاً روی "none" تنظیم شود. سطوح تلاش از "none" تا "max" متغیر است.
۲. تغییر در ابزارها: فراخوانی تابع (Function calling) در Chat Completions اکنون تنها زمانی کار می‌کند که استدلال (Reasoning) غیرفعال باشد. برای تمام ابزارهای داخلی دیگر، OpenAI اکنون استفاده از Responses API را اجباری کرده است.
۳. عدم پشتیبانی از تنظیم دقیق: مدل Luna قابلیت Fine-tuning ندارد. با توجه به اینکه OpenAI ایجاد کارهای جدید تنظیم دقیق را در می ۲۰۲۶ محدود کرد و قابلیت ایجاد آن‌ها را به‌طور کامل در ۶ ژانویه ۲۰۲۷ متوقف خواهد کرد، هیچ مسیر مستقیمی برای انتقال یک مدل سفارشی 4o-mini به Luna وجود ندارد.
تفاوت‌های Azure
توسعه‌دهندگانی که از Microsoft Azure استفاده می‌کنند احتمالاً زمان بیشتری دارند. جدول زمانی فعلی بازنشستگی Azure، همین اسنپ‌شات‌ها را برای تاریخ ۱۴ آوریل ۲۰۲۷ لیست کرده است.
علاوه بر این، Azure قصد دارد استقرار مدل‌های تنظیم‌شده (Fine-tuned) را برای مدت بسیار طولانی‌تری فعال نگه دارد:
- gpt-4o و gpt-4o-mini: تا اول اکتبر ۲۰۲۷
- gpt-4.1 و gpt-4.1-mini: تا ۱۴ اکتبر ۲۰۲۷
از آنجایی که صفحه Azure آخرین بار در اواخر سپتامبر — یعنی پیش از آخرین اطلاعیه OpenAI — به‌روزرسانی شده است، توسعه‌دهندگان باید آن را برای تغییرات احتمالی به‌دقت رصد کنند.
مسیر فنی مهاجرت
برای جلوگیری از سقوط سرویس‌ها در محیط Production، توسعه‌دهندگان باید کد خود را برای الگوی gpt-4(o|\.1) جست‌وجو کنند. استفاده از دستور git grep -nE "gpt-4(o|\.1)" شروع خوبی است، زیرا پوشه‌های node_modules و خروجی‌های Build را نادیده می‌گیرد. توجه داشته باشید که این الگو شامل نسخه‌های صوتی، Realtime، TTS و Transcribe نیز می‌شود که تاریخ‌های متفاوتی دارند (برخی از ۲۰ ژانویه ۲۰۲۷ شروع می‌شوند).
از آنجایی که متغیرهای محیطی (Environment Variables)، سرویس‌های پیکربندی، Feature Flagها و ردیف‌های دیتابیس اغلب شناسه‌های مدل را پنهان می‌کنند، مطمئن‌ترین راه فراخوانی Endpoint مدل‌های OpenAI است. اوپن‌ای‌آی فیلد shutdown_date را به این API اضافه کرده است که یک رشته به فرمت YYYY-MM-DD یا مقدار null را برمی‌گرداند.
با استفاده از ابزار jq می‌توانید تمام مدل‌های حساب خود را که تاریخ خاموشی دارند، به ترتیب نزدیک‌ترین تاریخ چاپ کنید:
curl -s https://api.openai.com/v1/models \
-H "Authorization: Bearer $OPENAI_API_KEY" \
| jq -r '.data[] | select(.shutdown_date != null) | "\(.shutdown_date) \(.id)"' \
| sort
توقف Build پیش از توقف API
فیلد shutdown_date در Endpoint مربوط به Retrieve a model نیز در دسترس است. شما می‌توانید این را در خط لوله CI/CD ادغام کنید تا اگر مدلی برای بازنشستگی برنامه‌ریزی شده بود، Build با خطا مواجه شود:
#!/usr/bin/env bash
set -euo pipefail
model="${OPENAI_MODEL:?set OPENAI_MODEL}"
url="https://api.openai.com/v1/models/$model"
shutdown=$(curl -sSf "$url" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
| jq -r '.shutdown_date // empty')
if [ -n "$shutdown" ]; then
echo "::error::$model shuts down on $shutdown"
exit 1
fi
echo "$model: no shutdown date announced"
پیشوند ::error:: یک دستور GitHub Actions است که یک یادداشت (Annotation) قابل مشاهده در اجرای Pipeline ایجاد می‌کند. با تنظیم OPENAI_MODEL روی اسنپ‌شات تاریخ‌دار به جای نام مستعار، مطمئن می‌شوید که بررسی روی مدلی که در حال خاموش شدن است، پاس نمی‌شود.
برای کسانی که به دنبال جایگزینی دقیق (Like-for-like) برای فراخوانی‌های سریع و ارزان 4o-mini هستند، نقطه شروع توصیه شده، مدل Luna با غیرفعال کردن استدلال از طریق Node SDK است:
import OpenAI from "openai";
const client = new OpenAI();
const res = await client.responses.create({
model: "gpt-6-luna",
reasoning: { effort: "none" },
input: "Label this ticket: refund not received",
});
console.log(res.output_text);
هزینه پنهان پنجره‌های متنی بزرگ
در حالی که Luna برای کارهای کوچک ارزان است، ورودی‌های طولانی را جریمه می‌کند. برای درخواست‌هایی که از ۲۷۲ هزار توکن (Token) — تکه‌های کوچکی از متن، مثل برش‌های یک کیک که مدل تکه‌تکه می‌خورد — فراتر می‌روند، Luna هزینه ورودی را ۲ برابر و هزینه خروجی را ۱.۵ برابر برای کل درخواست محاسبه می‌کند. این یعنی Luna برای تحلیل اسناد حجیم، به‌طور قابل توجهی گران‌تر از نسل‌های قبلی است.
این مهاجرت نشان می‌دهد مدل‌های AI دیگر ابزارهای ایستا نیستند، بلکه وابستگی‌هایی (Dependencies) با چرخه عمر مشخص‌اند که توسعه‌دهندگان کنترلی روی آن‌ها ندارند. بازه ۹۲ روزه فقط برای تغییر یک رشته متنی در فایل تنظیمات نیست؛ بلکه ضرب‌الاجلی است برای ساخت مجموعه‌های ارزیابی (Evaluation Sets) تا ثابت شود منطق «اول-استدلال» (Reasoning-first) در Luna، جریان‌های کاری فعلی شما در محیط Production را خراب نمی‌کند.
توسعه‌دهندگان باید فوراً شناسه‌های مدل خود را بازرسی کنند و یک مجموعه تست بسازند تا خروجی Luna را در برابر بنچمارک‌های فعلی 4o پیش از ضرب‌الاجل ژانویه تأیید کنند.
گام بعدی شما
- تمام شناسه‌های مدل در کد و دیتابیس‌های خود را با استفاده از API لیست مدل‌ها بررسی کنید.
- برای مدل‌های سفارشی‌شده (Fine-tuned)، از همین امروز به دنبال جایگزین‌های مبتنی بر Prompt Engineering باشید چون Luna از تنظیم دقیق پشتیبانی نمی‌کند.
- یک مجموعه تست (Eval Set) بسازید تا خروجی Luna را در حالت reasoning: none با بنچمارک‌های فعلی 4o مقایسه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو