Em 1º de outubro de 2026, a OpenAI avisou os clientes da sua API que o GPT-5.1, o GPT-5.3-Codex e o GPT-5.4 nano serão desligados em 1º de abril de 2027. A empresa indica substitutos da linha GPT-6 e cumpre o prazo de seis meses previsto na sua política. Para o fornecedor, é manutenção de catálogo. Para quem construiu um processo de negócio sobre um desses modelos, é um projeto novo, com prazo definido por terceiros.
O aviso faz parte de uma sequência. Em 23 de julho de 2026, a OpenAI desligou 14 modelos, entre eles o GPT-5.1-Codex e o GPT-5.2-Codex. Em 23 de outubro de 2026, sai do ar outro lote, anunciado em 22 de abril, com versões do GPT-4, do GPT-4o, do o1, do o3-mini e do o4-mini. O fornecedor decide quando o modelo deixa de existir. O cliente paga a troca.
A política da OpenAI prevê pelo menos seis meses de aviso para modelos de disponibilidade geral. Variantes especializadas, como as versões Codex, recebem pelo menos três meses. Modelos em preview podem sair com duas semanas de aviso. Questões de segurança ou conformidade podem encurtar esses prazos.
Seis meses de aviso medem o tempo para migrar. A vida econômica do investimento é outra conta. Entre o lançamento de um modelo e a entrada de um sistema em produção, a empresa gasta meses com contratação, integração, segurança e testes. Quando o aviso chega, parte da janela de retorno já foi consumida. Um business case realista considera revalidação e migração dentro do horizonte de retorno.
A perda também alcança o que foi construído sobre o modelo. Segundo a documentação da OpenAI, a inferência em modelos ajustados por fine-tuning é desativada quando o modelo-base é descontinuado. O investimento em personalização sai do ar junto com a base.
Parte da infraestrutura que empresas usam para avaliar e orquestrar modelos entra no mesmo ciclo. A plataforma Evals, da OpenAI, fica somente leitura em 31 de outubro de 2026 e será desligada em 30 de novembro de 2026. O Agent Builder termina no mesmo dia. O prazo de validade atinge os modelos e também a camada construída ao redor deles.
O sucessor pode ser melhor no benchmark e pior justamente na tarefa que a empresa precisa que ele execute.
Christian Kästner, da Carnegie Mellon, e coautores mostraram em abril de 2024 por que o teste de regressão tradicional não resolve o problema. As APIs mudam por decisão do fornecedor, os resultados dependem do texto exato do prompt e as respostas variam a cada execução.
Um estudo de 18 de agosto de 2026, do Georgia Tech e da Universidade do Colorado, mediu esse efeito nas migrações entre GPT-5.4, GPT-5.5 e GPT-5.6 Sol, com 900 questões repetidas 50 vezes cada. Ganhos médios de até 7,3 pontos percentuais esconderam até 8,3% de questões com piora consistente. Na troca do GPT-5.5 para o GPT-5.6 Sol, boa parte da queda em seguir instruções veio de falhas de formato. Para um sistema que lê respostas de forma automatizada, erro de formato equivale a erro de conteúdo.
O preço do modelo aparece na tabela. O preço de provar outra vez que o processo funciona, não. O custo por token tende a cair a cada geração. Na conta completa entram implantação, inferência, operação e, a cada aviso do fornecedor, revalidação e migração. Não há dado público confiável, até 6 de outubro de 2026, sobre o custo médio de uma migração de modelo em empresas.
O tamanho do trabalho aparece em casos documentados. Em abril de 2026, uma equipe publicou o método usado para trocar o modelo de um sistema comercial de perguntas e respostas com 5,3 milhões de interações mensais em seis regiões. Foi preciso calibrar métricas automáticas contra avaliações humanas para escolher o substituto.
O aprisionamento ao fornecedor ganha uma segunda dimensão. Trocar de fornecedor sempre foi caro. Em IA, a dificuldade aparece também na troca de versão dentro do mesmo fornecedor.
A continuidade ganha preço
A OpenAI informa que, em alguns casos, clientes podem contratar capacidade dedicada para seguir usando um modelo depois da data oficial de desligamento. Com isso, a vida útil do modelo pode virar cláusula comercial.
A Anthropic se comprometeu, em 4 de novembro de 2025, a preservar os pesos de todos os modelos lançados publicamente, no mínimo enquanto a empresa existir. Preservar o modelo não equivale a preservar o serviço. Ao aposentar o Claude Opus 3, em 5 de janeiro de 2026, a empresa informou que ainda desenvolve critérios para oferecer acesso contínuo a modelos antigos.
Modelos com pesos abertos, hospedados pela própria empresa, devolvem ao cliente o controle sobre a data de troca. Em compensação, transferem para ele os custos de infraestrutura e manutenção.
A pesquisa disponível mede mudanças em benchmarks públicos, de um fornecedor por vez. O estudo de agosto de 2026 cobre só a linha GPT e ainda não passou por revisão por pares. Não há levantamento público sobre quantas empresas tiveram processos afetados por descontinuações.
Os próximos marcos já estão no calendário: o lote que sai em 23 de outubro de 2026, o fim da Evals em 30 de novembro de 2026 e o desligamento do GPT-5.1 em 1º de abril de 2027. O próximo teste está nos contratos. Prazo mínimo de suporte, convivência entre versões, custo de capacidade legada e apoio à revalidação podem ganhar peso ao lado de preço, latência e desempenho. Quando o fornecedor controla a data em que uma peça crítica deixa de existir, longevidade vira requisito de arquitetura e de negociação.
A data de desligamento entrou no business case.
Avisos de descontinuação encurtam o horizonte de retorno e transferem às empresas a conta da depreciação tecnológica.
Para Walter Hildebrandi Filho, CTO Latam da Zendesk, as empresas brasileiras têm fome de IA. Mas o avanço depende de arrumar a casa, integrar sistemas, medir resolução em vez de velocidade e ganhar a confiança de empresas e consumidore...
Cerca de 56% dos trabalhadores formam a "sala de máquinas" das empresas: o núcleo que faz a operação rodar, mas tem pouco acesso a IA, a capacitação e a boas perspectivas. Só 33% desse grupo confiam na alta gestão
Conversas com IA já podem ser auditadas, pesquisadas e usadas como prova. As empresas agora precisam decidir quanto desse material querem guardar.
Três estudos sobre o futuro chegam a um diagnóstico parecido: a IA virou infraestrutura, mas esbarra em limites de energia, recursos, demografia e confiança
A China puxa a instalação recorde de robôs industriais, enquanto investidores apostam em robôs de uso geral e num "momento GPT-3" da IA Física em cerca de um ano
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
