OpenAI ha fechado el 14 de octubre de 2026 un aviso de retirada de determinados modelos de la familia GPT-4 en su API. La eliminación está prevista para el 14 de enero de 2027. La tabla oficial recomienda gpt-6-luna como sustituto, pero esa recomendación no demuestra que cambiar un identificador conserve el comportamiento de una aplicación.
Para un equipo que mantenga una integración antigua, la primera decisión es comprobar qué versiones usa realmente. Este artículo cubre la entrada de deprecaciones del 14 de octubre; no es un inventario de todas las retiradas de OpenAI ni un anuncio de cambios en ChatGPT.
Qué versiones aparecen en el aviso
La tabla oficial de deprecaciones recoge estos identificadores:
| Familia | Versiones citadas | Retirada prevista |
|---|---|---|
| GPT-4o | gpt-4o-2024-08-06, gpt-4o-2024-11-20 |
14 de enero de 2027 |
| GPT-4o mini | gpt-4o-mini-2024-07-18 |
14 de enero de 2027 |
| GPT-4.1 | gpt-4.1-2025-04-14 |
14 de enero de 2027 |
| GPT-4.1 mini | gpt-4.1-mini-2025-04-14 |
14 de enero de 2027 |
OpenAI añade que las versiones ajustadas mediante fine-tuning, es decir, entrenamiento adicional sobre esos modelos, siguen el mismo calendario que su modelo base. No basta con buscar el nombre comercial de la familia: también conviene revisar los modelos personalizados y qué base utilizan.
No extrapolamos esta tabla a cualquier modelo cuyo nombre contenga «GPT-4», ni a productos de voz o transcripción con nombres parecidos. Si una aplicación utiliza un alias, el equipo debe comprobar a qué versión corresponde; la lista de versiones fechadas no sustituye ese inventario.
La sustitución tiene dos límites importantes
La ficha vigente de GPT-6 Luna admite entrada de texto e imagen y salida de texto. Lo sitúa en la familia de modelos de razonamiento que ya presentamos en el anuncio de GPT-6 Sol y Luna. Aquí la novedad es el plazo de migración, no otro lanzamiento de Luna.
El primer límite es relevante para los modelos personalizados: GPT-6 Luna no admite fine-tuning, según su ficha actual. Por tanto, una empresa con un clasificador ajustado sobre uno de los modelos que se retiran necesita evaluar cómo conservar su tarea. Probar instrucciones y ejemplos es una opción de trabajo; no garantiza sustituir lo aprendido por el modelo ajustado. Si el ajuste es imprescindible, hace falta estudiar otro destino compatible antes del cierre.
El segundo límite afecta a las herramientas. La ficha indica que, en Chat Completions, las llamadas a funciones de Luna solo están soportadas con reasoning_effort en none. Para herramientas integradas y llamadas a funciones, remite a Responses API. Una aplicación con funciones debe revisar tanto el modelo como el endpoint y la configuración de razonamiento. Cambiar todo a la vez dificulta identificar la causa de un fallo.
Un ejemplo para preparar la transición
Ejemplo hipotético, no ejecutado por Puntoes: una aplicación extrae número de factura, importe y moneda y llama a una función para guardar el resultado. El equipo puede reunir documentos representativos, incluidas imágenes difíciles y campos ausentes, y comparar los resultados actuales con el destino elegido.
La comprobación debe distinguir campos correctos, formato válido, argumentos de la función y acciones que no deberían ejecutarse. Una respuesta bien redactada no acredita una extracción correcta; un JSON válido tampoco garantiza que el importe sea el de la factura. También conviene medir latencia y coste del recorrido completo, incluidos reintentos, con la configuración que se pretende desplegar.
Una transición gradual permite detectar regresiones antes de mover todos los consumidores. La recomendación editorial es terminar las comprobaciones con margen respecto al 14 de enero, no esperar a que una llamada deje de funcionar. La noticia no ofrece una prueba de equivalencia entre modelos ni una garantía de continuidad para una cuenta concreta.