生成AIモデル保守ポリシー
このページでは、基盤モデルAPIトークン単位の従量課金、基盤モデルAPIプロビジョニングスループット、およびai_queryによるバッチ推論の各オファリングのモデルメンテナンスポリシーについて説明します。
最先端のモデルをサポートし続けるために、Databricksはモデルをライフサイクルを通じて管理しており、更新、廃止、最終的なサービス終了へと進みます。
- **更新**：Databricksは、最適化を提供するためにモデルに増分更新を適用します。モデルの更新を参照してください。
- 非推奨 : 非推奨のモデルは新しいワークロードには推奨されませんが、そのモデルの既存の使用実績があるワークスペースでは引き続き利用可能です。廃止時にそのモデルを使用していないワークスペースは、そのモデルにアクセスできなくなります。
- **廃止済み**：廃止されたモデルはアクセスできなくなり、そのモデルのサポートは完全に終了します。そのモデルを使用するワークロードはすべて機能しなくなります。
モデルの廃止ポリシー
Databricksがモデルを非推奨とすると、そのモデルは推奨されなくなり、廃止が予定されます。Databricksは、以下のセクションにまとめられた通知タイムラインとともに、非推奨モデルの廃止日を発表します。廃止日は、非推奨化時またはそれ以降に発表される場合があります。廃止日以降、モデルはアクセスできなくなり、そのモデルを使用しているすべてのワークロードは機能しなくなります。
廃止されたモデルおよびサービス終了が発表されたモデルについては、廃止されたモデルを参照してください。パートナーモデルについては、パートナーモデル廃止ポリシーを参照してください。
基盤モデル APIs トークン単位の従量課金および基盤モデル ファインチューニング オファリングに適用される廃止ポリシーは、サポートされているチャットモデルと完了モデルにのみ影響します。
基盤モデルAPI
次の表は、基盤モデルAPIのトークン単位の従量課金、基盤モデルAPIのプロビジョニングされたスループット、およびai_queryの提供内容におけるバッチ推論に関する廃止ポリシーをまとめたものです。
非推奨通知 | 退職への移行 | 廃止日 |
|---|---|---|
Databricks は、モデルの非推奨について顧客に通知するために、次のステップを実行します。
| モデルを非推奨にした後、Databricksは今後 3か月 以上先の廃止日を発表します。この移行期間中:
| このモデルは利用できなくなり、製品から削除されました。このモデルを使用する既存のワークロードは動作を停止します。該当するドキュメントは、モデルが利用できなくなったこと、および代替モデルを推奨するように更新されています。 |
パートナーモデル退職ポリシー
パートナーモデルとは、サードパーティパートナー（特にOpenAI、Anthropic、Google）が基盤モデルAPIを通じて提供するモデルです。これらのパートナーモデルについて、Databricksは一般に、上記で説明した廃止のタイムラインとポリシーと同じものを遵守します。
ただし、パートナーは、Databricksが公表する3か月の移行期間よりも短い廃止日を設定する場合があります。このような場合、Databricksは、一時的にモデルを類似のバージョンにリダイレクトすることでこのギャップを埋め、顧客が移行期間を十分に確保できるように努めます。
例えば、パートナーモデルの廃止が3か月ではなく1か月の猶予期間で発表された場合、Databricksは、即時の障害を防ぎ移行のための時間を提供するために、モデルをさらに2か月間リダイレクトします。クエリは、完全な3か月期間の終わりに失敗します。
このリダイレクトは、代替モデルの価格が同じで、かつ下位互換性がある場合にのみ発生します。代替モデルは通常、3.0対3.1のように、段階的なバージョンアップとなる。
モデルの更新
Databricksは、最適化を提供するために増分モデル更新を出荷する場合があります。Databricksがモデルを更新しても、エンドポイントURLは同じですが、レスポンスオブジェクト内のモデルIDは更新日を反映するように変更されます。たとえば、Databricksが2024年3月4日にmeta-llama/Meta-Llama-3.3-70Bへの更新を出荷した場合、レスポンスオブジェクトのモデル名はmeta-llama/Meta-Llama-3.3-70B-030424に更新されます。Databricksは更新履歴を管理しています。詳細については、Databricksアカウントチームにお問い合わせください。
非推奨および廃止されたモデル
次のセクションでは、非推奨（新しいワークロードには推奨されなくなった）または廃止（サポート終了で、もはや利用できない）のモデルを一覧表示します。非推奨モデルの廃止日は、少なくとも3か月前に発表されます。
基盤モデルAPIsの廃止予定
以下の表は、基盤モデルAPIsのトークン単位の従量課金およびプロビジョニング済みスループットのサービングワークロードに使用するモデルの廃止、その廃止日、および推奨される代替モデルを示しています。Databricksでは、指定された廃止日より前に、アプリケーションを代替モデルを使用するように移行することをお勧めします。
廃止日 | 推奨される交換モデル | |
|---|---|---|
Anthropic Claude Sonnet 4 | トークン単位の従量課金: 2026年10月9日 | Claude Sonnet 4.6 |
OpenAI GPT-5.1 Codex Max | トークン単位の従量課金: 2026年7月16日 | OpenAI GPT-5.5 |
OpenAI GPT-5.1 Codex Mini | トークン単位の従量課金: 2026年7月16日 | OpenAI GPT-5.4Codex Mini |
OpenAI GPT-5.2コーデックス | トークン単位の従量課金: 2026年7月16日 | OpenAI GPT-5.5 |
Anthropic Claude 3.7 Sonnet | トークン単位の従量課金: 2026年4月12日 | 最新のClaude Sonnetモデルを使用する |
Gemini 2.5 Flash | トークン単位の従量課金： 2026年10月2日 プロビジョニング済み throughput: 2026年10月2日 | Gemini 3.1 Pro または Gemini 3.5 Flash |
Gemini 2.5 Pro | プロビジョニング済み throughput: 2026年10月2日 | Gemini 3.1 Pro または Gemini 3.5 Flash |
Gemini 3 Pro | プロビジョニング済みスループット: 2026年3月26日 | ジェミニ 3.1 プロ。移行のための時間を確保するため、2026年3月26日から2026年6月7日までの間、Gemini 3 ProへのAPI呼び出しは一時的にGemini 3.1 Proにリダイレクトされます。両モデルの価格は同一です。 |
オープンモデル | 廃止日 | 推奨される交換モデル |
|---|---|---|
メタラマ-4-マーベリック | トークン単位の従量課金： 2026年3月9日 プロビジョニングされたスループット: 2026年6月9日 | OpenAI GPT OSS 120B |
Llama 3.1 405B | トークン単位の従量課金： 2026年2月15日 プロビジョニング済みスループット： 2026年5月15日 | OpenAI GPT OSS 120B |
Mixtral-8x7B Instruct | トークン単位の従量課金： 2025年4月30日 | メタラマ-4-マーベリック |
Meta Llama 3（70B） | トークン単位の従量課金： 2024年7月23日（Meta-Llama-3-70B-Instruct）；2024年12月11日（Meta-Llama-3.1-70B-Instruct） プロビジョニング済みスループット： 2026年2月15日 | トークン単位の従量課金: Meta-Llama-4-Maverick プロビジョニングされたスループット: Llama 3.2、3.3、または同サイズのLlama 4モデルなど、同じ提供内容における同等のモデル。 |
Meta Llama 3 8B | プロビジョニング済みスループット： 2026年2月15日 | 同様のサイズの Llama 3.2、3.3、または 4 モデルなど、同じ製品の同等のモデル。 |
Meta-Llama-2-70B-Chat | トークン単位の従量課金： 2024年10月30日 | メタラマ-4-マーベリック |
MPT 7B Instruct | トークン単位の従量課金: 2024年8月30日 | メタラマ-4-マーベリック |
MPT 30B Instruct | トークン単位の従量課金: 2024年8月30日 | メタラマ-4-マーベリック |
特定のモデル バージョンに対する長期的なサポートが必要な場合は、 Databricks では、サービング ワークロードに基盤モデル API プロビジョニング スループット を使用することをお勧めします。
廃止されたモデルを使用するワークロードを見つける
非推奨モデルを使用しているワークロードを検索し、その所有者を特定するには、次のクエリを使用してください。
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