Política de manutenção de modelos de AI
Esta página descreve a política de manutenção do modelo para as ofertas de APIs do Foundation Model (pagamento por token), APIs do Foundation Model (taxa de transferência provisionada) e Inferência em Lote com ai_query.
Para continuar oferecendo suporte aos modelos mais modernos, o Databricks gerencia os modelos por meio de um ciclo de vida que progride do status herdado para a descontinuação e, por fim, para a aposentadoria.
- Legado : quando um modelo é marcado como legado, ele não é mais recomendado para novas cargas de trabalho, mas continua disponível em Workspace com uso existente do modelo. Workspace que não estão usando o modelo quando ele entra em status de legado não têm mais acesso ao modelo. Os clientes que usam esse modelo devem avaliar modelos mais recentes e considerar a migração.
- Descontinuação : quando um modelo é descontinuado, uma data de aposentadoria de 30 ou 90 dias no futuro é anunciada. Não é recomendado para novas cargas de trabalho, mas continua disponível em Workspace com uso existente do modelo. Os Workspace que não estiverem usando o modelo no momento da descontinuação não terão acesso ao modelo. Os clientes que usam esse tipo de modelo devem avaliar modelos mais recentes e planejar a migração de suas cargas de trabalho antes da data de aposentadoria.
- Aposentadoria : Quando um modelo é aposentado, ele não fica mais acessível e o suporte ao modelo é totalmente descontinuado. Qualquer carga de trabalho que use o modelo deixa de funcionar.
Model lifecycle policy
A seção a seguir resume a política de ciclo de vida do modelo. Consulte Modelos descontinuados para ver uma lista de modelos descontinuados e datas de descontinuação.
Muitos fatores são considerados ao determinar o cronograma de descontinuação, incluindo a popularidade do modelo, o modelo de substituição adequado e a quantidade de uso em produção. O Databricks anuncia datas de descontinuação para modelos quando eles são descontinuados, seguindo os cronogramas de notificação descritos abaixo.
APIs do Foundation Model
A tabela a seguir resume a política de ciclo de vida do modelo para produtos de APIs do Foundation Model: preço por token, throughput de provisionamento e ai_query (inferência em lote).
Legado | Notificação de descontinuação e transição para a aposentadoria | Na data de aposentadoria |
|---|---|---|
A Databricks toma os passos seguintes para informar os clientes de que um modelo está marcado como legado:
Quando um modelo é marcado como legado :
| O Databricks adota os seguintes passos para notificar os clientes sobre a descontinuação de um modelo:
Quando um modelo é descontinuado, o Databricks anuncia uma data de desativação com 30 dias ou 90 dias de antecedência. Durante este período de transição:
| O modelo não está mais disponível para uso e é removido do produto. Quaisquer cargas de trabalho existentes que usem o modelo deixarão de funcionar. A documentação aplicável é atualizada para indicar que o modelo não está mais disponível e recomenda o uso de um modelo de substituição. |
modelo de parcerias política de aposentadoria
Os modelos de parceiros são modelos que parceiros terceirizados — especificamente OpenAI, Anthropic e Google — fornecem por meio das APIs do Foundation Model. Para esses modelos de parceiros, a Databricks geralmente segue os mesmos prazos e políticas de descontinuação descritos acima.
No entanto, os parceiros podem fornecer datas de desativação mais curtas do que o período de transição de um mês publicado pela Databricks. Nesses casos, a Databricks tenta preencher essa lacuna redirecionando temporariamente os modelos para uma versão semelhante, para que os clientes recebam o tempo de transição completo.
Por exemplo, se a aposentadoria de um modelo de parceiro for anunciada com duas semanas de antecedência em vez de um mês, o Databricks redirecionará o modelo por mais duas semanas para evitar interrupções imediatas e permitir tempo para a migração. As queries falham no final do período completo de um mês.
Esse redirecionamento só pode ocorrer se o modelo de substituição tiver o mesmo preço e for compatível com versões anteriores. O modelo de substituição geralmente é uma versão incremental, como da versão 3.0 para a 3.1.
Modelos descontinuados e retirados
As seções a seguir listam modelos que estão descontinuados (não são mais recomendados para novas cargas de trabalho) ou aposentados (fim da vida útil e não estão mais disponíveis). As datas de desativação para modelos descontinuados são anunciadas com pelo menos um mês de antecedência.
Descontinuações das APIs do Foundation Model
A tabela a seguir mostra as desativações de modelos, suas datas de desativação e os modelos de substituição recomendados para usar com as cargas de trabalho de serviço por tokens e de Taxa de transferência de provisionamento das APIs do Foundation Model. A Databricks recomenda a migração de suas aplicações para utilizar modelos de substituição antes da data de desativação indicada.
Data de aposentadoria | Modelo de substituição recomendado | |
|---|---|---|
Anthropic Claude Sonnet 4 | Pagamento por token: 9 de outubro de 2026 | Claude Sonnet 4.6 |
OpenAI GPT-5.1 Codex Max | **Pagamento por token:** 16 de julho de 2026 | OpenAI GPT-5.5 |
OpenAI GPT-5.1 Codex Mini | **Pagamento por token:** 16 de julho de 2026 | OpenAI GPT-5.4 Codex Mini |
OpenAI GPT-5.2 Códice | **Pagamento por token:** 16 de julho de 2026 | OpenAI GPT-5.5 |
Soneto Anthropic de Claude 3.7 | Pagamento por token: 12 de abril de 2026 | Use o modelo mais recente do Claude Sonnet. |
Gemini 2.5 Flash | Pagamento por token: 2 de outubro de 2026 Throughput provisionado: 2 de outubro de 2026 | Gemini 3.1 Pro ou Gemini 3.5 Flash |
Gemini 2.5 Pro | Throughput provisionado: 2 de outubro de 2026 | Gemini 3.1 Pro ou Gemini 3.5 Flash |
Gemini 3 Pro | Taxa de transferência de provisionamento: 26 de março de 2026 | Gemini 3.1 Pro. Para permitir mais tempo para a migração, entre 26 de março de 2026 e 7 de junho de 2026, as chamadas de API para o Gemini 3 Pro serão temporariamente redirecionadas para o Gemini 3.1 Pro. Os preços para ambos os modelos são idênticos. |
Modelo aberto | Data de aposentadoria | Modelo de substituição recomendado |
|---|---|---|
DeepSeek V4 Flash (0731) | Pagamento por token: 5 de novembro de 2026 | DeepSeek V4.1 Flash |
Thinking Machine Labs Inkling | Pay-per-token: 30 de outubro de 2026 | GLM 5.3 or Kimi K3 |
DeepSeek V4 Pro (0813) | Pay-per-token: 30 de outubro de 2026 | DeepSeek V4.1 Flash |
Kimi K2.7 | Pay-per-token: 30 de outubro de 2026 | Kimi K3 |
Meta-Llama-4-Maverick | Pagamento por token: 9 de março de 2026 Taxa de transferência provisionada: 9 de junho de 2026 | OpenAI GPT OSS 120B |
Meta Llama 3.1 405B | Pagamento por token: 15 de fevereiro de 2026 Taxa de transferência provisionada: 15 de maio de 2026 | OpenAI GPT OSS 120B |
Instrução Mixtral-8x7B | Pagamento por token: 30 de abril de 2025 | Meta-Llama-4-Maverick |
Meta Llama 3 (70B) | Pagamento por token: 23 de julho de 2024 (Meta-Llama-3-70B-Instruct); 11 de dezembro de 2024 (Meta-Llama-3.1-70B-Instruct) Taxa de transferência provisionada: 15 de fevereiro de 2026 | Pagamento por token: Meta-Llama-4-Maverick Taxa de transferência provisionada: Modelo comparável na mesma oferta, como o modelo Llama 3.2, 3.3 ou 4 de tamanho semelhante. |
Meta Llama 3 8B | Taxa de transferência provisionada: 15 de fevereiro de 2026 | Modelo comparável na mesma oferta, como o modelo Llama 3.2, 3.3 ou 4 de tamanho semelhante. |
Meta-Llama-2-70B-Chat | Pagamento por token: 30 de outubro de 2024 | Meta-Llama-4-Maverick |
Instrução MPT 7B | Pagamento por token: 30 de agosto de 2024 | Meta-Llama-4-Maverick |
Instrução MPT 30B | Pagamento por token: 30 de agosto de 2024 | Meta-Llama-4-Maverick |
Se o senhor precisar de suporte de longo prazo para uma versão de modelo específica, o site Databricks recomenda o uso do modelo Foundation APIs provisionamento Taxa de transferência para suas cargas de trabalho de serviço.
Encontre cargas de trabalho que utilizam modelos obsoletos.
Use a seguinte consulta para encontrar cargas de trabalho que estejam usando modelos obsoletos e identificar seus proprietários.
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