deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak dev.to (home feed)

Azure OpenAI, o3'ü 19 Kasım'da emekliye ayırıyor — OpenAI'nin kendi API'sinden 22 gün önce

Azure OpenAI, o3 modelini 19 Kasım 2026'da emekliye ayırırken, OpenAI API'sindeki aynı o3-2025-04-16 sürümü 11 Aralık'a kadar çalışacak. Yalnızca OpenAI'nin deprecasyon sayfasını takip eden ekipler erken bir kopuklukla karşılaşabilir.

Azure OpenAI, o3'ü 19 Kasım'da emekliye ayırıyor — OpenAI'nin kendi API'sinden 22 gün önce

Aynı model, iki farklı emeklilik tarihi

dev.to'da 19 Kasım'da yayınlanan Versyka imzalı bir yazıya göre, OpenAI'nin o3 reasoning modelinin artık barındırıldığı yere bağlı olarak iki farklı kullanımdan kaldırma tarihi var. OpenAI'nin kendi API'sinde o3-2025-04-16 anlık görüntüsünün 11 Aralık 2026'da kapatılması planlanıyor. Azure OpenAI'de ise aynı sürümün dağıtımı 19 Kasım 2026'da emekliye ayrılıyor — 22 gün daha erken.

Yazının altını çizdiği temel sorun şu: Ekiplerin çoğu model üreticisinin deprecasyon sayfasını takip ederken, modeli barındıran bulut sağlayıcı kendi emeklilik takvimini, kendi tarihleriyle ve kendi önerdiği alternatiflerle tutuyor. Azure bunu yapıyor; Amazon Bedrock ve Google Vertex AI de öyle. Bazen bulut sağlayıcının tarihi üreticininkinden daha geçe düşüyor; bu örnekte ise üç hafta daha erken. Dolayısıyla OpenAI'nin Aralık tarihine göre göç planı yapan bir ekip, elindeki sürenin büyük kısmını çoktan kaybetmiş durumda.

Daha geniş emeklilik grubu

Yazı, 19 Kasım 2026'da Azure OpenAI'de emekliye ayrılacak modelleri önerilen alternatifleriyle birlikte listeliyor: o1 (2024-12-17) ve o1-pro (2025-03-19) gpt-5.6-sol'a geçiyor; o3 (2025-04-16), o3-pro (2025-06-10) ve o3-deep-research (2025-06-26) da gpt-5.6-sol'a geçiyor; o3-mini (2025-01-31) ve o4-mini (2025-04-16) ise gpt-5.6-terra'ya geçiyor. Bir bütün olarak ele alındığında bu grup, Azure'daki OpenAI o-serisi reasoning modellerinin büyük bir kısmını kapsıyor; ilk o1'den o3 ve o4 mini varyantlarına kadar.

Deployment adı körlüğü

Yazının işaret ettiği ikinci tuzak, Azure'nin aracı katmanı. Azure'da uygulama kodu doğrudan bir model kimliğini çağırmıyor; kaynak oluşturulurken ekibin seçtiği bir deployment adını çağırıyor. Bu deployment reasoning-prod gibi bir ad taşıyorsa, kod tabanında "o3" araması hiçbir sonuç döndürmez — oysa çalışan ve kapatılmak üzere olan tam olarak o3'tür.

Bunun pratik sonucu, denetimin yalnızca repository'de değil, Azure'nin kendisinde yapılması gerektiği. Yazı, ilgili kaynak grubu ve hesap adına karşı az cognitiveservices account deployment list komutunu kullanarak, her deployment'ın adını, altında yatan modeli ve model sürümünü görünür kılan bir sorguyla tüm deployment'ların envanterini çıkarmayı, sonra da sonuçları OpenAI'nin değil Azure'nin model emeklilik sayfasıyla karşılaştırmayı öneriyor.

Envanterler barındırıcıyı da içermeli

Yazının daha geniş önerisi model envanterleriyle ilgili. Yalnızca "o3" yazan bir kayıt yeterli değil; emeklilik tarihini belirleyen şey barındırıcı olduğundan, kayıtta model, sürüm, barındırma platformu ve deployment adı yer almalı. Yazar, kendi emeklilik takviminde bulut sağlayıcıların tarihlerini üreticininkinden ayrı tuttuğunu belirtiyor; böylece Azure'da çalışan bir model Azure'nin takvimine, başka bir yerde çalışan aynı model ise o barındırıcının takvimine göre kontrol ediliyor.

Neden önemli

Birbirinden ayrışan emeklilik tarihleri, deprecasyon planlamasını tek bir bakıştan platform bazlı bir denetime dönüştürüyor. Yalnızca OpenAI'nin deprecasyon sayfasını okuyan bir ekip 11 Aralık'a kadar süresi olduğunu düşünebilir; sonra 19 Kasım'da, Azure'da barındırılan o3 deployment'larının yanıt vermeyi bıraktığını görebilir — planladığı tarihten üç hafta önce. Modelleri Bedrock ya da Vertex AI üzerinden sunan herkes için de aynı risk geçerli. Çözüm teknik değil, prosedürel: her deployment'ın envanterini çıkar, model sürümünün yanına barındırıcıyı kaydet ve her bulutun emeklilik takvimini, o bulutun çalıştırdığı modeller için yetkili kaynak olarak kabul et.

  • #openai
  • #azure
  • #model-deprecation
  • #llm
  • #cloud

İlgili yazılar