OpenAI 微调 API 将停止新训练

OpenAI 微调 API 将进入逐步下线期。根据用户收到的 OpenAI 通知，现有活跃客户可继续创建微调训练任务至 2027 年 1 月 6 日，此后将无法再创建新的训练任务。现有微调模型仍可通过 Chat Completions API 和 Responses API 推理，但会在对应底座模型退役后停止可用。

OpenAI 微调 API 的下线时间表

OpenAI 在通知中表示，self-serve fine-tuning platform 和 fine-tuning API 将在 2027 年 1 月前逐步下线。关键节点是 2027 年 1 月 6 日：在此之前，现有活跃客户仍可运行新的 fine-tuning training jobs；在此之后，平台不再允许创建新的训练任务。OpenAI 还表示，在这一过渡期内不会增加新模型，也不会为微调平台引入新功能。

现有微调模型仍可推理 但受底座模型影响

OpenAI 通知明确写到，所有现有 fine-tuned models 将继续通过 Chat Completions API 和 Responses API 提供推理服务。停止推理的触发条件不是 2027 年 1 月 6 日，而是对应的 underlying base model 被正式 deprecated。OpenAI 称会在底座模型退役前提前通知客户，并保持 deprecation docs 更新。对生产系统而言，这意味着风险点从训练能力迁移到模型生命周期管理：团队需要确认每个微调模型绑定的底座模型，并为后续替换预留测试窗口。

OpenAI 给出的理由是新底座模型更会遵循指令

OpenAI 在通知中提到，较新的底座模型如 GPT-5.5 在指令遵循和格式输出上优于旧模型，prompt-based approaches 也变得更便宜、更快。OpenAI 因而观察到，需要微调的用例正在减少。这个判断并不等于所有微调场景都被 prompt 与 RAG 覆盖。原文发布者也指出，prompt 加 RAG 的确覆盖了更多任务，但并非覆盖全部任务。对需要稳定语气、严格输出格式、专有标签体系或小样本领域分类的团队来说，微调仍可能承担难以完全替代的工程作用。

开发者需要重新评估微调与 RAG 的边界

OpenAI 微调 API 的调整会改变开发者的长期技术路线。已经依赖微调模型的团队，应优先梳理 3 类资产：训练数据集、微调模型与底座模型映射、线上调用链路。新增需求则需要评估是否能迁移到 prompt、RAG、函数调用或结构化输出方案。若任务强依赖模型权重层面的行为改变，团队可能需要比较其他云端微调服务，或转向可自托管的开源模型微调流程。 OpenAI 微调 API 停止新增训练任务的决定，反映出前沿模型供应商正在把更多定制能力推向 prompt、RAG 与更强的底座模型。这个变化的行业含义在于，微调不会立即消失，但自助式云端微调的优先级可能下降。对 AI 工程团队而言，最稳妥的做法是把 2027 年 1 月 6 日作为迁移截止点，提前验证替代方案，而不是等到底座模型退役通知触发线上风险。