OpenAI 微调替代方案：迁移指南

OpenAI 正在逐步关闭其微调平台。现有客户可以在 2027 年 1 月 6 日前继续创建新的微调任务；多数团队微调过的 GPT-4.1 和 GPT-4o 模型，连同各自的微调版本，将于 2027 年 1 月 14 日下线。最可行的替代做法，是用开放模型重新训练同一项任务，通过兼容 OpenAI 的 API 提供服务，并在切换流量前完成评估。

本文依次说明：哪些服务将终止、何时终止；现有模型会怎样；有哪些选择；如何分四步完成迁移；以及如何估算迁移成本。文中所有日期和价格均于 2026 年 10 月 28 日取自各厂商的官方文档。

OpenAI 要终止什么，什么时候终止？

OpenAI 的弃用页面把微调服务的关闭分为三个阶段，随后是剩余微调模型所依赖的基础模型下线。它的监督微调指南现在开篇第一句就是 "OpenAI is winding down the fine-tuning platform"。

最后一行最容易被忽略。按照 OpenAI 的规则，微调模型的推理服务会一直保留到其基础模型被弃用为止。2026 年 10 月 14 日，OpenAI 宣布上述四个基础模型将于 2027 年 1 月 14 日从 API 中移除，其微调版本遵循 "the same shutdown schedule"。也就是说，训练通道关闭后，大多数微调过的 GPT 模型只剩八天可用。

现有的微调模型会怎样？

OpenAI 的微调模型会继续响应 API 调用，直到其基础模型下线为止，之后就会停止服务。对于基于 GPT-4o、GPT-4o mini、GPT-4.1 或 GPT-4.1 mini 的微调模型，这个日期是 2027 年 1 月 14 日。基于 GPT-4.1 nano 和 o4-mini 的微调模型已于 2026 年 10 月 23 日下线。

OpenAI 为这四个模型推荐的替代品都是 GPT-6 Luna。GPT-6 Luna 是通用模型，您的微调模型从样本中学到的行为无法随之迁移。要找回这些行为有两种办法：把指令和样本写进每一个提示词，或者用同样的数据在别处训练一个新模型。

您能保留的是训练数据、评估集和生产日志，微调模型本身留在 OpenAI 的 API 上。因此，迁移计划应当围绕数据来制定。关于被迫迁移的更多背景，请参阅当 OpenAI 弃用您的应用所依赖的模型时会发生什么。

OpenAI 微调有哪些替代方案？

共有三条路线，区别在于由谁训练、由谁提供服务，以及基础模型能保证可用多久。

选哪条路线，取决于您愿意承担多少训练和服务方面的工作。大多数在 OpenAI 上做微调的团队，本来就是为了省去这些工作，所以第二条路线与原来的体验最接近。

其他闭源厂商

Google 仍然通过 Gemini Enterprise Agent Platform 提供 Gemini 的监督微调。截至 2026 年 10 月 28 日，Google 的微调文档列出的模型包括 Gemini 3.5 Flash、Gemini 3.5 Flash-Lite、Gemini 3.1 Flash-Lite 以及三个 Gemini 2.5 模型。面向开发者的 Gemini API 和 AI Studio 已不再支持微调，原因是 Gemini 1.5 Flash-001 于 2025 年 5 月弃用，Google 表示目前没有恢复这项功能的近期计划。

截至 2026 年 10 月，Mistral 的微调 API已被归入文档中的 "Deprecated features"，标注为 legacy，并注明 "no longer actively supported"。

如果您已经在使用某家厂商的云，换到这家的闭源模型改动最小。代价正是您现在面对的问题：基础模型何时退役，由别人决定。截至 2026 年 10 月，Google 为 Gemini 3.5 Flash 标注的退役日期是 "May 19, 2027 or later"。

基于开放模型的托管训练

托管平台用您的样本训练一个开放模型，并替您提供服务，通常通过兼容 OpenAI 的 API。开放的基础模型没有厂商规定的退役日期，训练出的版本可以按您的需要一直运行。您提供训练数据和评估集，双方约定质量标准，然后您得到一个 endpoint。

这条路线保留了 OpenAI 微调的便利，同时消除了模型退役的风险。选择服务方时要问清三件事：模型可以部署在哪里（对方的基础设施、您的云或本地环境），新版本如何审批上线，以及价格如何确定。

自行托管开放模型

由您的团队挑选基础模型、执行训练，并在自己的基础设施上提供服务。这种方式控制权最大，工作量也最大：训练流水线、模型服务、扩容、监控和升级都要自己负责。我们的迁移到本地微调模型的 90 天计划完整介绍了这条路线。

如何从 OpenAI 微调迁移出来？

迁移分四步，顺序很重要：先整理数据，最后再切换流量。

1. 导出训练数据

找出每个微调任务用过的 JSONL 文件，无论团队把它们存在哪里。再从您自己的日志中抽取一批近期的生产提示词和微调模型的回复。这些样本反映了任务当下的真实运行情况，也包含原始样本从未覆盖过的输入。

在做任何其他事情之前，先留出一个评估集，并且始终不要用它来训练。只有这样，新旧模型的比较才公平。

2. 用开放模型重新训练

用同样的样本训练一个开放模型。OpenAI 的对话格式（每条样本是一组 system、user 和 assistant 消息）可以直接转换成大多数训练工具接受的格式，因此数据方面的工作主要是清洗和去重。

先从能在评估集上达到质量标准的最小模型开始。专门为一项任务训练的模型，可以比通用模型小得多，却在这项任务上表现相当，运行成本的节省大多来自这里。

3. 保持兼容 OpenAI 的 API 形式

通过兼容 OpenAI 的 API 为新模型提供服务，这样应用代码只需要改两处：base URL 和模型名称。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://your-endpoint.example.com/v1",
    api_key=os.environ["ENDPOINT_API_KEY"],
)

response = client.chat.completions.create(
    model="your-trained-model",
    messages=[{"role": "user", "content": ticket_text}],
)

提示词、重试逻辑、结构化输出解析和日志记录都保持不变。迁移风险因此集中在模型本身，而这正是评估集能够衡量的部分。

4. 切换流量前先评估

在预留的评估集上同时运行旧的微调模型和新模型，按产品真正依赖的指标比较：精确匹配准确率、schema 合规率、拒答率和延迟。然后用真实流量做影子测试，先给新模型分配一小部分流量，只要它持续达标再逐步扩大。我们关于评估微调模型和在生产环境中对微调模型做 A/B 测试的指南覆盖了这两个阶段。

请在 2027 年 1 月 14 日前完成这一步，那时旧的微调模型还在，可以作为对照。

从 OpenAI 微调迁移出来要花多少钱？

单次任务的成本由两部分决定：每个 token 的价格，以及每次任务消耗的 token 数量。微调模型能把第二项压得很低，因为指令和样本已经训练进模型里。一旦失去微调，这些内容就要重新放回每一个提示词。

下面的示例是一个分类任务，每次输入 600 个 token、输出 150 个 token，每月运行 100 万次，价格采用 OpenAI 定价页面截至 2026 年 10 月的标准价。第二行和第三行在每个提示词中加入 3,000 个 token 的指令和样本，用来替代失去的微调。

表中使用的价格：微调过的 GPT-4.1 mini 每百万输入 token 0.80 美元、每百万输出 token 3.20 美元；GPT-6 Luna 分别为 0.10 美元和 0.50 美元，缓存输入为 0.01 美元。即使带着更长的提示词，GPT-6 Luna 依然更便宜，所以对很多任务来说，成本问题很快就有答案。悬而未决的是质量。最便宜的方案只有在达到您的质量标准时才算数，这也是为什么第 4 步要放在比较账单之前。

改用自行训练的模型后，提示词依然可以保持 600 个 token 的规模，剩下的就看它每个 token 的价格。请用您日志中的实际 token 数，对每个候选方案做同样的计算。我们的单任务成本计算器（英文）可以替您完成这笔计算，并区分差额中有多少来自每个 token 的价格，有多少来自每项任务发送的 token 数量。

Ertas 能提供什么？

Ertas 提供自适应模型 endpoint：一个针对您的任务训练的模型，通过兼容 OpenAI 的 API 提供服务，接入方式就是第 3 步中修改 base URL 和模型名称。它可以由 Ertas 托管，也可以运行在您自己的云或本地环境中。每个新版本都要通过您的评估集检验，并经您的团队批准后才会承接流量。该 endpoint 目前仅限受邀企业使用，我们正在开发一个更简化的版本，让更多企业可以接入。

合作从一次免费审计开始，梳理您的 AI 支出流向哪里、哪些任务在重复。构建费用在审计后按范围确定，为固定费用；运行费用可以按 token 计费、按月固定席位计费，或使用专用硬件，详见我们的定价页面。如果您更想自己动手训练，Ertas Studio 可以在托管基础设施上训练模型，并让您下载最终的模型文件。

需要在 2027 年 1 月 14 日前迁移微调过的 GPT 模型？了解自适应 endpoint 的工作方式，并在那里预约通话。

常见问题

微调现在还有人用吗？

有。团队每天都在微调开放模型，让模型在某一项任务上稳定可靠；截至 2026 年 10 月，Google 也仍在 Gemini Enterprise Agent Platform 上提供 Gemini 的监督微调。正在收缩的是闭源模型的自助微调：OpenAI 将于 2027 年 1 月 6 日停止创建新任务，Mistral 也已把其微调 API 标为弃用。

微调一个大语言模型要花多少钱？

截至 2026 年 10 月，OpenAI 的监督微调对 GPT-4.1 mini 按每百万训练 token 5 美元收费，对 GPT-4.1 和 GPT-4o 按 25 美元收费，训练出的模型另按 token 收取推理费用。在 Ertas Studio 上自助训练开放模型可以免费开始，截至 2026 年 10 月，付费方案每月 10 美元起。托管构建通常按任务规模收取固定费用。

OpenAI 什么时候停止微调服务？

现有客户可以在 2027 年 1 月 6 日前继续创建新的微调任务。新组织已于 2026 年 5 月 7 日失去访问权限。微调过的 GPT-4o、GPT-4o mini、GPT-4.1 和 GPT-4.1 mini 模型将于 2027 年 1 月 14 日随其基础模型一起下线。

微调过的 GPT-4.1 mini 模型应该换成什么？

可以用开放模型重新训练同一项任务，并通过兼容 OpenAI 的 API 提供服务；也可以换成 OpenAI 推荐的替代模型 GPT-6 Luna，把指令写进提示词。请在 2027 年 1 月 14 日前用预留的评估集比较这两种方案，届时原来的微调模型仍可作为对照基准。

资料来源（查阅于 2026 年 10 月 28 日）： OpenAI 的弃用页面、监督微调指南和 API 定价；Google 的 Gemini API 微调和 Gemini Enterprise Agent Platform 监督微调文档；Mistral 的微调 API（legacy）。两款产品的对比，请参阅 Ertas 与 OpenAI 微调对比。