Politique de maintenance des modèles d'IA
Cette page décrit la politique de maintenance du modèle pour les offres API de modèle de fondation avec paiement par jeton, API de modèle de fondation avec throughput provisionné, et inférence par batch avec ai_query.
Pour continuer à prendre en charge les modèles les plus avancés, Databricks gère les modèles via un cycle de vie qui progresse du statut hérité à l’obsolescence, puis à l’abandon définitif.
- Hérité : Lorsqu’un modèle est marqué comme hérité, il n’est plus recommandé pour les nouvelles charges de travail. Les clients doivent commencer à évaluer les nouveaux modèles et envisager une migration. Le modèle reste disponible uniquement pour les Workspace qui l’ont utilisé au cours des 30 jours précédant l’annonce de son statut héritée.
- Obsolète : Lorsqu’un modèle est marqué comme obsolète, Databricks annonce une date de retrait dans 30 ou 90 jours. Le modèle reste disponible uniquement pour les Workspace qui l’ont utilisé au cours des 30 jours précédant l’annonce de son obsolescence. Les clients utilisant un modèle obsolète doivent migrer leurs charges de travail avant la date de retrait pour éviter toute disruption.
- Retirement : lorsqu'un modèle est retiré, il n'est plus accessible et le support associé est entièrement interrompu. Tout workload utilisant le modèle ne fonctionne plus.
Politique relative au cycle de vie du modèle
La section suivante résume la politique de cycle de vie des modèles. Voir Modèles hérités, obsolètes et retirés pour une liste des modèles hérités et obsolètes ainsi que leurs dates de retrait.
De nombreux facteurs sont pris en compte pour déterminer le calendrier de suppression, notamment la popularité du modèle, le modèle de remplacement adapté et le volume d'utilisation en production. Databricks annonce les dates de suppression des modèles lorsqu'ils deviennent obsolètes, selon les délais de notification décrits ci-dessous.
APIs Foundation Model
Le tableau suivant résume la politique de cycle de vie des modèles pour les produits Foundation Model APIs : paiement par jeton, throughput avec provisionnement et ai_query (inférence par batch).
Ancien | Notification de dépréciation et transition vers le retrait | À la date de retrait |
|---|---|---|
Databricks prend les mesures suivantes pour informer les clients qu'un modèle est marqué comme obsolète :
Lorsqu'un modèle est marqué comme hérité :
| Databricks prend les mesures suivantes pour informer les clients concernant la dépréciation d'un modèle :
Lorsqu'un modèle est obsolète, Databricks annonce une date de suppression 30 ou 90 jours à l'avance. Pendant cette période de transition :
| Le modèle n'est plus disponible pour une utilisation et est supprimé du produit. Tous les workloads existants utilisant le modèle cessent de fonctionner. La documentation applicable est mise à jour pour indiquer que le modèle n'est plus disponible, et recommande l'utilisation d'un modèle de remplacement. |
Politique de fin de vie des modèles partenaires
Les modèles partenaires sont des modèles que des partenaires tiers tels que OpenAI, Anthropic et Google fournissent par le biais des API Foundation Model. Pour ces modèles partenaires, Databricks suit généralement les mêmes délais et politiques de dépréciation décrits ci-dessus.
Cependant, les partenaires peuvent annoncer des dates de retrait plus courtes que la période de transition publiée par Databricks. Dans ce cas, Databricks tente de combler l’écart en redirigeant temporairement les modèles vers une version similaire, afin que les clients bénéficient de la totalité du temps de transition.
Par exemple, si un partenaire annonce une interruption avec un préavis de deux semaines au lieu de 30 jours, Databricks redirige le modèle pendant deux semaines supplémentaires afin d’éviter une interruption immédiate et de permettre la migration. Les query échouent à la fin de la période complète de 30 jours.
Cette redirection ne peut se produire que si le modèle de remplacement a le même prix et est rétrocompatible. Le modèle de remplacement est généralement une version de modèle incrémentielle, comme la version 3.0 par rapport à la 3.1.
Modèles hérités, obsolètes et retirés
Le tableau suivant répertorie les modèles hérités, dépréciés et retirés, ainsi que leurs dates de retrait et les modèles de remplacement recommandés. Les clients doivent migrer leurs applications pour utiliser les modèles de remplacement avant toute date de retrait indiquée.
Date de retrait | Modèle de remplacement recommandé | |
|---|---|---|
Gemini 3.6 Flash | Paiement par jeton : 19 novembre 2026 | Gemini 3.8 Flash. À partir du 19 novembre 2026, les appels API à Gemini 3.6 Flash seront automatiquement redirigés vers Gemini 3.8 Flash. Les tarifs des deux modèles sont identiques. |
Anthropic Claude Sonnet 4 | Paiement par jeton : 9 octobre 2026 | Claude Sonnet 4.6 |
Gemini 2.5 Flash | Paiement par jeton : 2 octobre 2026 Throughput provisionné : 2 octobre 2026 | Gemini 3.1 Pro ou Gemini 3.5 Flash |
Gemini 2.5 Pro | Throughput provisionné : 2 octobre 2026 | Gemini 3.1 Pro ou Gemini 3.5 Flash |
OpenAI GPT-5.1 Codex Max | Paiement par jeton : 16 juillet 2026 | OpenAI GPT-5.5 |
OpenAI GPT-5.1 Codex Mini | Paiement par jeton : 16 juillet 2026 | OpenAI GPT-5.4 Codex Mini |
OpenAI GPT-5.2 Codex | Paiement par jeton : 16 juillet 2026 | OpenAI GPT-5.5 |
Anthropic Claude 3.7 Sonnet | Paiement par jeton : 12 avril 2026 | Utilisez le dernier modèle Claude Sonnet |
Gemini 3 Pro | **Throughput provisionné :** 26 mars 2026 | Gemini 3,1 Pro. Pour laisser plus de temps à la migration, entre le 26 mars 2026 et le 7 juin 2026, les appels API à Gemini 3 Pro seront temporairement redirigés vers Gemini 3.1 Pro. Les Tarifs des deux modèles sont identiques. |
Ouvrir le modèle | Date de retrait | Modèle de remplacement recommandé |
|---|---|---|
Zhipu AI GLM 5.2 | Paiement par jeton : 4 février 2027 Throughput provisionné : 4 février 2027 | GLM 5.3 |
DeepSeek V4.1 Flash | Paiement par jeton : 19 novembre 2026 Throughput provisionné : 19 novembre 2026 | DeepSeek V4.1 Flash (1017) |
DeepSeek V4 Flash (0731) | Pay-per-token : 5 novembre 2026 | DeepSeek V4.1 Flash (1017) |
Thinking Machine Labs Inkling | Paiement par jeton : 30 octobre 2026 | GLM 5.3 ou Kimi K3 |
DeepSeek V4 Pro (0813) | Paiement par jeton : 30 octobre 2026 | DeepSeek V4.1 Flash (1017) |
Kimi K2.7 | Paiement par jeton : 30 octobre 2026 | Kimi K3 |
Meta-Llama 4 Maverick | Paiement par jeton : 9 mars 2026 Throughput provisionné : 9 juin 2026 | OpenAI GPT OSS 120B |
Meta Llama 3.1 405B | Paiement par jeton : 15 février 2026 **Throughput provisionné** : 15 mai 2026 | OpenAI GPT OSS 120B |
Meta Llama 3 8B | Throughput provisionné : 15 février 2026 | Modèle comparable sur la même offre, comme un modèle Llama 3.2, 3.3 ou 4 de taille similaire. |
Mixtral-8x7B Instruct | Paiement par jeton : 30 avril 2025 | Meta-Llama 4 Maverick |
Meta-Llama-2-70B-Chat | Paiement par jeton : 30 octobre 2024 | Meta-Llama 4 Maverick |
MPT 7B Instruct | Paiement par jeton : 30 août 2024 | Meta-Llama 4 Maverick |
MPT 30B Instruct | Paiement par jeton : 30 août 2024 | Meta-Llama 4 Maverick |
Meta Llama 3 (70B) | **Paiement par jeton :** 23 juillet 2024 (Meta-Llama-3-70B-Instruct) ; 11 décembre 2024 (Meta-Llama-3.1-70B-Instruct) Throughput provisionné : 15 février 2026 | Paiement par jeton : Meta-Llama-4-Maverick Provisioned throughput: modèle comparable sur la même offre, comme les modèles Llama 3.2, 3.3 ou 4 de taille similaire. |
Rechercher les charges de travail qui utilisent des modèles retirés
Utilisez la query suivante pour trouver les charges de travail qui utilisent des modèles obsolètes et identifier leurs propriétaires.
SELECT
eu.requester,
se.endpoint_name,
se.entity_name,
COUNT(*) AS request_count,
SUM(eu.input_token_count) AS total_input_tokens,
SUM(eu.output_token_count) AS total_output_tokens,
MIN(eu.request_time) AS first_request,
MAX(eu.request_time) AS last_request
FROM system.serving.endpoint_usage eu
JOIN system.serving.served_entities se
ON eu.served_entity_id = se.served_entity_id
WHERE LOWER(se.entity_name) LIKE '%<retired-model-name>%'
GROUP BY eu.requester, se.endpoint_name, se.entity_name
ORDER BY request_count DESC
Si vous utilisez des Endpoint de service de modèle de base et d’intégration hérités, veuillez utiliser la query suivante :
SELECT *
FROM system.ai_gateway.usage
WHERE endpoint_name LIKE '%<retired-model-name>%';