模型调优做完之后，还有一个坑没填：生命周期

最近在看 Azure OpenAI（现在改名叫 Microsoft Foundry 了）的模型下架时间表，顺手把最近两年的 GPT/o 系列模型都拉出来看了一遍，发现一个之前没太注意的规律，记录一下。我记录的是Azure的GPT的模型的发布和下架节奏，其它其实也是类似，而国内很多的模型服务提供商可能更加激进，但问题是类似的。

背景是这样：做企业 Agent 应用，模型选型之后一般都要花不少时间调 Prompt、调 Function Calling schema、攒 few-shot 样例，有的还会做微调。这些工作调好了之后，团队默认会觉得"接下来一段时间应该都能稳定用"。但这个"一段时间"到底是多久，其实是有据可查的，而且答案跟大家想的可能不太一样。

Azure 官方是怎么写的

Azure 的模型生命周期分五个阶段：Preview → GA（正式发布）→ Legacy（可跳过）→ Deprecated（弃用，仅老客户可用）→ Retired（彻底下架）。

官方文档给的标准数字是：

• GA 发布时下架日期就定死了，18 个月后；
• 12 个月时进入 Deprecated，新客户不能再部署，老客户还能继续用；
• 下架前至少 60 天邮件通知。

这套东西写得挺清楚，很多人（包括我之前）做规划的时候基本是照着这个走的。但把实际数据拉出来看，情况不太一样。

数据：上架到 deprecated 之间到底隔了多久

下面是 Azure 官方 Model Retirement Table 里，最近两年主要 GPT/o 系列模型的数据（截至 2026-07-25）：

看出来的东西

把"实际间隔天数"那一列单独看：

• gpt-5.1 往前的所有模型，全部是 365 天，一天不多一天不少，跟文档写的"12个月"严丝合缝。
• 从 gpt-5.2（2025年12月上架）开始，间隔直接变成 181～213天，也就是大概6个月出头，差不多是之前的一半。

这个拐点卡在 2025 年 12 月。往前捋一下发布节奏就能看出原因：从 gpt-5.1（2025-11）到 gpt-5.5（2026-04），半年内连着出了 gpt-5.2、gpt-5.2-codex、gpt-5.3-codex、gpt-5.4、gpt-5.4-mini/nano、gpt-5.5，一共 7 个版本。

有意思的是，官方文档里"12个月弃用"这句话并没有改，写在纸面上的政策还是老样子。但实际执行下来，新模型发布越密，单个版本能撑的时间就越短。所以现在看这个"12个月/18个月"更像是历史上限，不是你能稳定拿到的保证值——真正决定这个窗口多长的，是模型迭代速度本身，而这个速度还在变快。

落到工程实践上，大概是这几件事

排期上别再套18个月的老经验。2025年12月之后出的新模型，实际能用的窗口大概率就6个月左右会进入 deprecated，模型评估、回归测试这些工作最好按季度排，不要按年排。

别把版本号写死在代码里。用 Azure 的 deployment name 这层抽象去引用模型，底层换版本的时候上层业务代码不用动。

升级策略选保守一点的。Azure 有三种：有新默认版本就自动升级、只在到期时升级、永不自动升级。如果这个模型是花了大力气调过的，建议选后两种，配自己的回归测试，不要让平台悄悄把你调好的模型换掉。

微调能换来更长的缓冲期。比如 gpt-4.1，基座模型通用下架窗口是12个月，但对应的微调部署下架日期是 2027-10-14，比基座晚了一年。如果业务确实需要长期稳定，这个路径值得考虑。

接口查询比人工盯邮件靠谱。Azure Models API 能查 lifecycleStatus、deprecation.inference 这些字段，接到内部监控面板里，比指望运营团队不漏看邮件靠谱多了。

小结

模型能力这两年确实在涨，这个大家都认，也是愿意持续投入的原因。但代价是版本节奏也在跟着变快，直接结果就是企业能稳定用某个版本的时间窗口在缩短。选型只是第一步，怎么在工程上给这种缩短的生命周期做准备，是另一件需要提前想清楚的事。