OpenAI está cerrando su plataforma de ajuste fino (fine-tuning) de autoservicio, y eso significa que los modelos personalizados que muchas empresas usan en producción dejarán de funcionar. Los clientes existentes elegibles solo podrán crear nuevos trabajos de entrenamiento hasta el 6 de enero de 2027, y el 14 de enero se apagarán las versiones ajustadas de GPT-4o, GPT-4o mini, GPT-4.1 y GPT-4.1 mini, junto con sus modelos base. Para los equipos de producto en México y Latinoamérica que dependen de estos modelos para tareas específicas, el reloj ya está corriendo: quedan menos de dos meses para reemplazarlos.
Un modelo ajustado es un modelo estándar de OpenAI al que se le da entrenamiento adicional con ejemplos propios para que haga un trabajo a tu manera. Si tu producto llama a uno de estos modelos, necesitas un plan de migración. La buena noticia es que los datos son tuyos: los ejemplos con los que entrenaste, los casos de prueba con los que evaluaste y las solicitudes de producción que ha respondido. Eso es suficiente para entrenar un reemplazo que tú controles. Los pesos del modelo, en cambio, se quedan con OpenAI.
Es como cerrar un restaurante en un local rentado. La cocina se queda con el dueño del inmueble, pero las recetas y el registro de lo que pidieron los clientes son tuyos, y con eso puedes reabrir en otro lado. Empieza ahora, porque el modelo viejo es el parámetro que el nuevo tiene que superar, y solo puedes medirlo mientras siga respondiendo.
Fechas clave que debes tener en cuenta
Las fechas provienen de la página de deprecaciones de OpenAI y su guía de ajuste fino supervisado. Un modelo ajustado sigue respondiendo hasta que su modelo base se apaga, así que revisa la base de cada modelo que ejecutes contra la tabla oficial. Si tus casos de prueba viven en OpenAI Evals, tu fecha límite es antes: la API de Evals se apaga el 30 de noviembre de 2026.
- 6 de enero de 2027: último día para crear nuevos trabajos de ajuste fino.
- 14 de enero de 2027: apagado de GPT-4o, GPT-4o mini, GPT-4.1 y GPT-4.1 mini ajustados, y sus bases.
- 30 de noviembre de 2026: cierre de la API de Evals.
Primer paso: documenta lo que hace el modelo actual
Antes de reconstruir nada, escribe qué hace el modelo viejo y qué tan bien lo hace. Necesitas una lista de todos los modelos ajustados de tu organización, con su modelo base y el ID del archivo de entrenamiento. Guarda una copia local de cada archivo de esa lista.
La referencia de la API de OpenAI dice que los datos de entrenamiento se pueden recuperar con la API de Files, pero una respuesta del personal de OpenAI en su foro en 2021 indicó que los archivos subidos para ajuste fino no se pueden descargar, y un desarrollador reportó lo mismo en 2025. Busca primero tu propia copia. Si necesitas la API, pruébala ahora y no en enero. La documentación de ajuste fino de OpenAI no describe ninguna forma de exportar los pesos de un modelo ajustado, así que el modelo se queda atrás. Puedes recopilar los datos que lo rodean.
El tráfico de producción y la política de uso
El tráfico de producción requiere cuidado, porque las respuestas en él fueron escritas por un modelo de OpenAI. Las políticas de uso de OpenAI, vigentes a partir del 20 de noviembre de 2026, establecen que no debes usar modelos de OpenAI ni sus salidas “para generar, preparar, seleccionar o suministrar material de entrenamiento o señales para modelos que estén destinados como alternativas o sustitutos de los modelos o servicios de OpenAI”.
Las entradas que enviaron tus usuarios no son salidas de OpenAI, y tampoco lo son las respuestas que tu propio equipo escribió desde cero. Una respuesta que tu equipo corrigió a partir de un borrador del modelo es un área gris. Si no estás seguro de qué tipo de datos tienes, consulta a tu equipo legal antes de entrenar con ellos.
Aparte de la política, hay una razón de ingeniería para tomar tus objetivos de entrenamiento de tus propios registros. Un modelo entrenado con las respuestas del modelo viejo aprende también sus errores. La respuesta que aceptó una persona de tu equipo, o el resultado final en tu sistema de registro, es un mejor objetivo que lo que dijo el modelo.
Cómo construir el conjunto de datos de reemplazo
El siguiente proceso asume que registras cada solicitud con los mensajes que enviaste y, cuando existe, la respuesta que aceptó tu equipo. Se omiten las solicitudes sin respuesta aceptada y se eliminan las entradas repetidas, conservando la primera respuesta. Luego se reserva aproximadamente una de cada cinco conversaciones para pruebas (ninguna si tienes menos de cinco), de modo que ninguna conversación quede en ambos lados.
En una conversación con varios turnos, los mensajes anteriores del asistente fueron escritos por el modelo de OpenAI. Reemplázalos con las respuestas que tu equipo aceptó para esos turnos, o deja esas filas fuera, antes de entrenar. Si tus registros están en una herramienta de observabilidad, expórtalos primero.
Luego combina el resultado con tu archivo de entrenamiento original y elimina duplicados entre ambos. Antes de entrenar, lee 50 filas al azar. Verifica que aparezca cada tipo de solicitud que maneja tu producto y que ninguna entrada de prueba esté también en el archivo de entrenamiento.
La guía de ajuste fino de OpenAI recomienda comenzar con 50 ejemplos bien elaborados, y sus mejores prácticas esperan una ganancia similar cada vez que duplicas la cantidad. Puedes probar eso con tus propios datos: entrena con la mitad, luego con todo, y sigue agregando ejemplos solo mientras el puntaje de prueba siga subiendo.
Opciones de modelos open-weight para reemplazar tu fine-tune
Los pesos de un modelo open-weight son públicos, así que puedes entrenarlo y ejecutarlo donde quieras, dentro de su licencia. Tu ajuste fino hacía un trabajo estrecho, y un modelo abierto más pequeño entrenado para ese trabajo a menudo puede igualarlo. En el benchmark de revisión de contratos de Overmind, un modelo pequeño entrenado con Overmind obtuvo 91.6% frente al 82.0% de un modelo frontera en más de 4,000 preguntas de más de 100 contratos, y costó 20 veces menos ejecutarlo. El puntaje es F1, que penaliza tanto las cláusulas omitidas como las falsas alarmas.
LoRA es una forma de ajuste fino que entrena un pequeño complemento llamado adaptador y deja intactos los pesos originales. En LoRA Land, un informe técnico de 2024 de la empresa de ajuste fino Predibase, el mejor ajuste LoRA de diez modelos abiertos pequeños superó a GPT-4 en la mayoría de 31 tareas, muchas de ellas de clasificación. GPT-4 se mantuvo adelante en 6 tareas más amplias, como programación en Python.
La siguiente tabla lista seis modelos desde los que podrías empezar. Un parámetro es uno de los números aprendidos del modelo, y el conteo (2B significa dos mil millones) es una medida aproximada de tamaño.
- Qwen3.5-2B: ideal para tareas muy específicas y hardware limitado.
- Llama 3.1 8B Instruct: modelo popular con licencia gateada; requiere aceptar términos en Hugging Face.
- Qwen3.5-9B: equilibrio entre capacidad y costo.
- Gemma 4 12B: opción de Google con buen rendimiento en tareas de lenguaje.
- gpt-oss-20b: modelo abierto de OpenAI, con licencia permisiva.
- Qwen3.8-27B: mayor capacidad, pero costo de ejecución más alto.
Los tamaños, licencias y ventanas de contexto provienen de las tarjetas de modelo en Hugging Face. Los pesos a 16 bits equivalen al conteo completo de parámetros del checkpoint, incluidas las partes de visión, multiplicado por dos bytes. Un proveedor puede servir una ventana de contexto más corta que la indicada en la tarjeta, así que revisa su límite.
El costo de ejecución baja con el tamaño, aunque no siempre por debajo de lo que pagas hoy. La página de precios de OpenAI cobra el doble de la tarifa base por ejecutar un GPT-4.1 mini o GPT-4o mini ajustado. En OpenRouter, que lista los precios de varios proveedores para los mismos modelos abiertos, el precio de lista por token de salida del Qwen3.5-9B base al 9 de noviembre de 2026 era aproximadamente 13 veces menor que el precio de OpenAI para un GPT-4.1 mini ajustado, y el de gpt-oss-20b unas 36 veces menor. El de Qwen3.8-27B era más alto que el de un GPT-4o mini ajustado. Cada proveedor cotiza de manera distinta una copia ajustada en hardware dedicado, así que toma estos datos como una guía de escala.
Entrena el modelo más pequeño que pase tu conjunto de pruebas. Prueba dos tamaños a la vez, como un 2B y un 9B, y sube solo si ambos se quedan cortos. El tamaño también decide el hardware que necesitas. Para servir un modelo a 16 bits de precisión, cada mil millones de parámetros ocupa aproximadamente 2 GB de memoria GPU, más espacio para las solicitudes en vuelo. El entrenamiento necesita más.
Cómo comparar el modelo viejo con el nuevo
Decide qué significa “tan bueno como” antes de ver cualquier resultado, y luego exige eso a ambos modelos. Ambos hablan la misma API, así que un solo script puede puntuarlos. Esta versión usa coincidencia exacta, que sirve para etiquetas y extracciones cortas. Imprime los dos puntajes y nada más, así que escribe también las respuestas del modelo viejo en un archivo.
Si el nuevo modelo está detrás de un endpoint compatible con OpenAI, el cambio es de configuración. Tu código conserva el SDK de OpenAI y cambias la URL base, la clave de API y el nombre del modelo. Antes de cambiar, revisa qué APIs de OpenAI soporta tu nuevo proveedor. El endpoint de Overmind, por ejemplo, sirve Chat Completions con streaming y llamadas a herramientas, pero no sirve la API de Responses, así que cualquier llamada a Responses debe migrarse primero a Chat Completions.
Si prefieres ejecutar el modelo tú mismo, descarga los pesos entrenados y sírvelos con un servidor compatible con OpenAI como vLLM. Después de un entrenamiento LoRA, la descarga es un adaptador que vLLM carga sobre el modelo base abierto con el que se entrenó. vLLM acepta adaptadores hasta rango 16 a menos que aumentes --max-lora-rank, así que ajústalo al menos al valor r en el adapter_config.json del adaptador. El comando de abajo usa 64, que cubre los rangos predeterminados de Overmind de 16 y 32. Llama 3.1 es un modelo con acceso restringido, así que acepta su licencia en Hugging Face e inicia sesión antes de ejecutar.
Plan de migración en siete semanas
De cualquier manera, mueve el tráfico por etapas. Comienza en modo sombra, donde el nuevo modelo responde una copia de cada solicitud en vivo y los usuarios siguen viendo la respuesta del modelo viejo. Compara ambos en tráfico real, luego mueve el 5% de los usuarios, después la mitad y finalmente a todos. Mantén el modelo de OpenAI como respaldo hasta que se apague.
Si empiezas a mediados de noviembre, hay unas ocho semanas y media antes del 14 de enero, así que caben siete semanas laborables con como máximo una semana libre. Las semanas 6 y 7 caen en Navidad y Año Nuevo, así que si tu equipo toma un descanso de más de una semana, empieza antes. Y si quieres un último ajuste fino de OpenAI renovado como respaldo, inicia ese trabajo antes del 6 de enero.
Overmind cubre los pasos de datos, entrenamiento, comparación y servicio, y tu agente de programación puede ejecutar cada uno. Si tienes un modelo de OpenAI ajustado en producción, abre el repositorio de tu producto en Claude Code, Cursor, Codex o OpenCode y pega Set me up on Overmind https://console.overmindlab.ai/setup.md en el chat. Si no tienes un repositorio a mano, comienza gratis y sube el archivo JSONL con el que entrenaste. La consola te dará un prompt para tu agente de programación que funciona sin repositorio.