OpenAI API 2026年10月停用模型完整清单：GPT-4、GPT-4o、o1、o3-mini、gpt-image-1 迁移教程

一、OpenAI 旧模型正式停用，开发者需要检查什么？

2026 年 10 月 23 日，OpenAI 正式停止了一批旧模型的 API 访问。

这些模型的弃用计划最早于 4 月 22 日公布。

经过数月迁移窗口后，相关停用安排正式生效。

这次涉及多个长期被开发者使用的模型，包括 GPT-3.5 Turbo、GPT-4、GPT-4 Turbo、部分 GPT-4o 快照、o1、o3-mini，以及旧版图像生成模型。

对于已经迁移到较新模型的应用，可能没有明显影响。

但对于很久没有更新配置的 AI 网站、插件、聊天客户端或 API 聚合平台，问题可能在停用当天集中出现。

例如，请求原本使用 gpt-4，现在可能因为模型已停用而失败。

部分系统还可能在后台设置了旧模型别名，导致管理员误以为正在调用其他型号。

因此，正式排查应该从完整模型 ID 开始，而不只是检查网页上显示的模型名称。

这次停用也不是 OpenAI 全部 GPT-4o 和 GPT-4.1 模型统一关闭。

不同快照存在独立时间表，必须严格区分。

二、10 月 23 日停用模型清单

根据 OpenAI 官方弃用页面，本次涉及的主要模型如下。

此外，官方还列出了部分历史 Completions 风格模型标识及其他微调版本。

实际迁移时，应该直接对照 OpenAI Deprecations 页面中的完整名称。

不能根据上表中的系列名作模糊替换。

三、哪些 GPT-4o 模型还没有在此次停用？

这是本轮迁移最需要特别注意的地方。

gpt-4o-2024-05-13 已经于 10 月 23 日停用。

但 OpenAI 另行公布了其他快照的后续时间表。

例如：

因此，不能在 10 月 24 日的文章中写“GPT-4o 系列已经全部停用”。

同样，也不能说“GPT-4.1 所有型号昨天全部停止访问”。

本次停用涉及 gpt-4.1-nano，而其他 GPT-4.1 型号存在不同安排。

对正在运营生产系统的企业来说，准确的快照名称比简单的品牌系列名称更加重要。

四、模型别名与模型快照有何区别？

模型别名通常是为了方便开发者配置。

例如，应用可能使用一个较短、容易记忆的模型名称。

而快照名称往往包含具体版本日期。

在模型生命周期管理中，两者可能受到同一次弃用公告影响。

但并不是所有别名都严格等于某个单一快照。

因此，迁移时应建立映射表。

建议记录：

应用中使用的原始模型 ID。

服务端实际路由到的模型。

上游 Provider。

配置的替代模型。

迁移状态。

最近一次真实请求验证日期。

如果使用 AI API 聚合平台，还应区分公开给用户的模型名称和实际调用的上游模型名称。

这能避免用户以为自己使用的是新模型，后台却仍然向已停用 ID 发送请求。

五、为什么模型停用会影响业务？

模型停用最直接的影响是 API 请求失败。

但完整影响范围可能更加广泛。

例如，客服系统无法生成回复。

文档摘要服务无法继续处理任务。

图像生成网站出现请求错误。

自动化 Agent 在多轮执行中突然失败。

企业后台还可能不断重试已经无法访问的旧模型，造成额外负载。

因此，停用后的排查不能只关注单个接口。

还需要检查任务队列、定时任务、失败重试逻辑和第三方 SDK。

对于存在自动切换模型功能的平台，还应核对故障回退目标是否同样属于停用名单。

六、如何快速查找代码中的旧模型 ID？

对于拥有源码的项目，可以从配置和代码搜索开始。

在项目根目录执行：

grep -RniE \
  'gpt-4o-2024-05-13|gpt-4-turbo|gpt-image-1|o3-mini|o1-2024-12-17' \
  --exclude-dir=.git \
  .

这段命令用于查找常见的旧模型字符串。

但它不是完整安全的批量替换脚本。

原因之一是 gpt-image-1 可能同时出现在 gpt-image-1-mini 等其他模型名称中。

因此，需要核对匹配结果的完整模型 ID。

另外，搜索时应避免把包含 API Key 的配置文件或其他敏感内容直接粘贴到公开问题区。

如果模型名称保存在数据库中，则需要使用后台查询或只读 SQL 审计。

在执行任何批量 UPDATE 之前，都应该备份数据库并验证目标记录。

七、如何更新普通文本生成请求？

对于符合 OpenAI 当前 SDK 要求的应用，可以按照官方建议重新选择模型。

例如：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="请总结这份技术文档的关键变化。"
)

print(response.output_text)

这个示例展示如何使用建议替代模型调用 Responses API。

但如果原有项目使用的是较旧的 Chat Completions 或 Completions 接口，需要根据对应接口支持情况处理迁移。

不能简单地修改 model 字段就认定所有旧参数继续兼容。

不同模型可能在推理参数、工具调用和响应结构方面存在差异。

因此，建议先检查当前 SDK 文档，再进行小范围验证。

八、o1、o3-mini 用户迁移时需要注意什么？

旧推理模型可能使用不同的请求参数和输出方式。

例如，一些应用曾经针对 o1 或 o3-mini 配置特定的推理设置。

当切换到新的 GPT-5.6 Sol 后，应该重新检查该模型的推理参数。

部分历史参数可能已被新的统一推理配置替代。

对于 o1-pro，官方建议使用 gpt-5.6-sol 并配置相应的 Pro 推理模式。

这意味着相关应用不能只关注模型名称，还应核对推理模式的请求格式。

如果服务商通过兼容网关提供 API，尤其需要确认网关是否能够正确转发这些字段。

对于复杂推理任务，建议准备固定测试集，比较迁移前后结果的准确性、耗时和费用。

九、GPT Image 1 停用会影响哪些功能？

gpt-image-1 已于 10 月 23 日停用。

这会影响仍然使用该 ID 的图片生成和编辑流程。

例如，电商商品图片制作、营销素材生成、图像局部修改和自动图片处理等服务。

OpenAI 推荐迁移到：

gpt-image-2.5-sunburst

或者：

gpt-image-2.5-flare

但这并不意味着图片 API 请求能够无条件原样迁移。

开发者需要检查所使用的 API 产品、输入图片格式、输出格式以及当前模型支持的选项。

特别是涉及图像编辑或多图参考时，应独立验证相关参数。

同时，不同图像模型可能具有不同的计费方式。

正式上线前应重新确认定价和使用量记录。

十、图片 API 的迁移为什么更容易出现问题？

文本应用往往能够通过简单的内容对比发现部分问题。

但图片生成输出存在更多变化因素。

例如，图像尺寸。

输出格式。

透明背景。

编辑区域。

参考图片数量。

生成结果的文字准确性。

对于电商业务，产品外观和 Logo 是否准确尤其重要。

如果迁移后生成的产品图与真实商品不一致，就可能造成宣传问题。

因此，图片接口迁移除了技术联通性，还应完成业务验收。

例如，选择一批真实商品素材作为测试集，检查模型是否错误改变产品结构和文字信息。

不能因为新模型通常更强，就直接跳过人工检查。

十一、微调模型也需要排查

OpenAI 官方同时列出了部分微调模型停用安排。

涉及：

ft-gpt-3.5-turbo

ft-gpt-4

ft-gpt-4.1-nano-2025-04-14

ft-babbage-002

ft-davinci-002

此外，指定的 ft-o4-mini-2025-04-16 也处于本次停用范围。

对于企业，这些模型可能用于分类、内容抽取或专有任务。

迁移难点不只是替换模型名称。

因为微调后的行为来自特定训练流程，不能保证基础新模型自动复现同样的输出。

因此，应先建立任务基线，再按照官方当前支持的方式重新评估迁移方案。

若需要新的微调作业，还必须确认相应账户是否具备当前平台支持的微调权限。

十二、生产环境应该如何做回归测试？

建议至少准备四类测试。

第一类是基本请求。

确认鉴权、模型选择和响应解析能够正常运行。

第二类是功能测试。

例如，工具调用、JSON 结构化输出和流式响应。

第三类是质量测试。

验证业务核心答案是否仍然符合要求。

第四类是故障测试。

模拟模型不可用、超时或 Provider 异常时，系统如何处理。

对于高并发应用，还应检查模型切换后的速率限制和队列积压情况。

不同模型即使完成同一任务，也可能具有不同延迟和 Token 消耗。

因此，迁移验收应同时关注正确性、稳定性和费用。

十三、模型聚合平台如何处理已停用模型？

提供统一 AI API 的平台应建立模型生命周期管理流程。

其中包括：

模型上线。

版本更新。

价格变化。

即将弃用。

迁移窗口。

正式停用。

历史记录归档。

当上游模型进入弃用阶段时，可以提前公告并提供替代建议。

正式停用后，系统不应继续把用户请求发送给已失效的上游模型。

但是，也不建议未经告知就把所有旧模型名称静默映射到新模型。

因为用户可能依赖特定模型的输出行为、费用和参数。

更合理的方式是提供明确提示、可选兼容别名和迁移文档。

十四、为什么不应无限重试停用模型？

对于暂时性的网络错误，有限重试可能有帮助。

但对于永久停用的模型，重复发送相同请求通常没有意义。

如果一个队列每分钟自动重试一次，旧模型停用后可能形成持续无效请求。

因此，错误处理系统需要区分：

临时超时。

速率限制。

账号权限不足。

请求参数错误。

模型已停用。

针对模型停用，应记录明确失败原因，并提示更新配置。

只有获得允许的替代模型后，才应按业务策略继续执行。

十五、如何制定下一轮迁移计划？

OpenAI 的模型生命周期更新并不会在 10 月 23 日结束。

例如，部分 GPT-4o 和 GPT-4.1 快照计划于 2027 年 1 月 14 日停用。

另有部分 GPT-5 系列和其他产品拥有各自的未来时间表。

因此，建议开发团队建立一份长期模型台账。

每个型号记录：

官方名称。

模型来源。

当前状态。

发布日期。

弃用公告日期。

停用日期。

替代型号。

负责人。

迁移进度。

最后验证日期。

这样就不需要等接口突然失败后才开展排查。

十六、常见问题 FAQ

OpenAI 旧模型什么时候停用？

本轮指定型号于 2026 年 10 月 23 日停止 API 访问。

GPT-4o 系列全部停用了吗？

没有。应区分 gpt-4o-2024-05-13 与计划在 2027 年停用的其他快照。

GPT-4.1 是否全部停用？

没有。本轮涉及 gpt-4.1-nano，其他型号具有不同时间表。

GPT Image 1 还能使用吗？

OpenAI 官方已标注 gpt-image-1 于 10 月 23 日停用。

推荐的新图片模型是什么？

官方列出了 gpt-image-2.5-sunburst 和 gpt-image-2.5-flare。

只修改模型 ID 就能完成迁移吗？

不一定。仍要检查 API 格式、功能参数和质量表现。

微调模型怎么办？

应按照官方微调模型停用政策及当前平台支持方式评估迁移，不能假设旧权重自动继承到新模型。

十七、结语

OpenAI 10 月 23 日旧模型停用提醒开发者，模型名称并不是可以永久依赖的基础设施常量。

随着模型不断更新，应用也需要具备适应版本变化的能力。

对于个人开发者，最重要的是及时更新项目配置。

对于企业和 API 聚合平台，还需要建立长期的模型生命周期管理与自动化验证机制。

真正成熟的 AI 服务，不应该依赖某一个模型 ID 永远不变。

它应该能够提前识别变化、明确迁移风险，并通过受控测试完成可靠切换。

官方参考资料

1. OpenAI API — Deprecations https://developers.openai.com/api/docs/deprecations

2. OpenAI — GPT Image 1 模型状态 https://developers.openai.com/api/docs/models/gpt-image-1

3. OpenAI API — Models https://developers.openai.com/api/docs/models

4. OpenAI API — Responses API https://developers.openai.com/api/reference/resources/responses/methods/create