Si tu aplicación fija una versión de GPT-4o o GPT-4.1 en el código, hoy tienes una fecha concreta para revisar la dependencia. OpenAI anunció el 14 de octubre de 2026 la retirada de varios snapshots de la API el 14 de enero de 2027. No es un apagón de ChatGPT ni una retirada inmediata: hay tiempo para localizar usos, probar la alternativa y desplegar el cambio con calma.

Qué versiones salen

La página oficial de deprecaciones enumera gpt-4o-2024-08-06, gpt-4o-2024-11-20, gpt-4o-mini-2024-07-18, gpt-4.1-2025-04-14 y gpt-4.1-mini-2025-04-14. Todos tienen fecha de apagado 14 de enero de 2027 y OpenAI recomienda gpt-6-luna como reemplazo. Las versiones afinadas de esos modelos siguen el calendario de su modelo base. La noticia afecta a esos IDs concretos; revisa la documentación antes de extrapolarla a cualquier nombre que empiece por GPT-4.

«Deprecado» significa que ya se anunció el retiro; «apagado» significa que la API deja de dar acceso. Esa distinción importa para decidir la urgencia: hoy debes preparar la migración y probarla; el corte está programado para enero.

Encuentra dependencias reales

Busca las cadenas en código, configuraciones, variables de entorno, paneles de despliegue y jobs. En un repositorio local, este comando muestra coincidencias de los snapshots anunciados:

rg -n -F \
  -e 'gpt-4o-2024-08-06' \
  -e 'gpt-4o-2024-11-20' \
  -e 'gpt-4o-mini-2024-07-18' \
  -e 'gpt-4.1-2025-04-14' \
  -e 'gpt-4.1-mini-2025-04-14' .

Probamos el comando con un archivo de muestra que contenía uno de esos IDs y devolvió la línea correcta. Si tu modelo se configura fuera del repositorio, esta búsqueda no lo detectará: consulta secretos, dashboards y registros de peticiones. No copies credenciales al informe; guarda solo servicio, entorno, modelo y responsable.

Prueba el reemplazo con tus casos

1. Elige diez solicitudes reales o sanitizadas, con resultado esperado y criterios: formato JSON válido, citas, exactitud, latencia, costos y posibles rechazos.

2. Ejecuta los mismos casos con el snapshot actual y gpt-6-luna. Las recomendaciones oficiales no garantizan resultados idénticos; revisa prompts, esquemas y comportamiento en casos límite.

3. Haz un despliegue gradual con posibilidad de volver al modelo anterior mientras siga disponible. Registra errores, tiempo de respuesta y revisión humana, separando cambios de modelo de otros cambios de producto.

4. Actualiza documentación y alertas para que el equipo no vuelva a fijar un ID con fecha de apagado. Reserva una revisión antes de enero.

Un despliegue que puedas revertir

Separa el cambio de modelo de cualquier cambio de endpoint, interfaz o prompt. Si modificas todo a la vez, será difícil atribuir una regresión. Guarda la configuración anterior y una fecha de revisión, y define un criterio de salida: por ejemplo, cero fallos de formato en las diez solicitudes de control y ninguna respuesta que omita una cita requerida. Esa meta es solo un ejemplo; adapta los umbrales a tu producto y valida también el costo real de la nueva ruta.

Si usas un modelo afinado, considera además qué capacidades equivalentes necesitas reconstruir o validar; el aviso dice que el calendario sigue al modelo base, pero una sustitución simple del nombre puede no preservar el comportamiento. Para flujos críticos, conserva ejemplos de entrada y salida y un dueño claro de la migración.

La acción útil esta semana es un inventario corto y una prueba representativa. Así evitas descubrir la dependencia cuando empiece a fallar una función de producción.

Fuente primaria: OpenAI API, deprecaciones; actualización del 14 de octubre de 2026. El plan de pruebas es propuesta editorial de SoyJB.