从 2026-02-13 起，ChatGPT 将在产品侧退役 GPT-4o 等旧模型；但 API 暂无变化，企业客户在 Custom GPTs 里还能多用一段时间。
目录
发生了什么：哪些模型退役、什么时候生效
为什么是现在：官方给出的理由，和背后的“质量含义”
对测试从业者有什么用：这件事本质上在逼你补齐哪些能力
迁移与验证清单：把“换模型”当一次线上大版本发布来做
三张工程图：时间线 / 迁移流 / QA 测试面
1) 发生了什么：哪些模型退役、什么时候生效
图片
OpenAI 的官方口径很清晰：
2026-02-13 起，ChatGPT 内将退役：GPT-4o、GPT-4.1、GPT-4.1 mini、OpenAI o4-mini，以及此前已宣布的 GPT-5（Instant & Thinking）。
API 暂无变化：这些“在 ChatGPT 里退役”的模型，当前仍可通过 OpenAI API 使用（至少在这次公告里不变）。
企业侧延后：ChatGPT Business / Enterprise / Edu 在 Custom GPTs 里可以继续访问 GPT-4o 直到 2026-04-03，之后才算全量退役。
退役后，历史对话/项目会默认转到 GPT-5.2 继续。
2) 为什么是现在：官方理由 + “质量含义”
官方博客给的关键点有三个：
“大多数使用量已迁移”：OpenAI 说日常仍选 GPT-4o 的只剩 0.1%。
“个性/风格可控性补齐了”：他们强调 GPT-5.1/5.2 在“风格、温暖感、创意支持”等方面做了改进，并提供更多“响应风格控制”。
“未成年人保护加强”：提到多数市场对 18 岁以下用户做了年龄预测/保护策略。
这次退役不是“能力不够”，更像是“行为边界与风险成本”重新划线。也就是说——从现在起，你不能只测“准不准”，还得测“像不像、稳不稳、会不会跑偏”。
3) 对测试从业者有什么用：它在逼你补齐哪些能力
模型生命周期测试（Model Lifecycle QA）：模型会退役、会切换、会分层（ChatGPT vs API vs 企业计划），你的用例和监控要能跟上节奏。
回归的核心从“功能”转到“行为”：同样的 Prompt，不同模型会给出“同样正确但风格不同”的输出；你的断言方式必须升级（不能全靠精确匹配）。
“个性/温暖”是可变参数：官方把“风格控制”当能力卖点，本质上意味着输出分布变宽——测试要覆盖“配置组合爆炸”。
合规与未成年策略会改变边界：你会看到更多“阈值型变化”（拒答、改写、降级），这类最容易引发线上投诉和舆情。
4) 迁移与验证清单：把“换模型”当一次线上大版本发布来做
下面这份清单，按“上线前—灰度—上线后”来跑，基本能把坑踩完：
A. 上线前（冻结基线）
固化 Golden Prompts：高频业务场景（咨询、总结、代码、检索、客服、审核）各选 20–100 条
固化 Golden Outputs 的判定规则：
允许同义改写，但要求关键信息不丢
关键字段（数值、结论、风险提示、引用）必须可抽取并一致
做一次 模型 A/B 离线评测：4o vs 5.2（或你将切换的目标模型）
明确 不可接受变化：例如拒答率上升、幻觉率上升、结构化字段缺失、关键术语漂移
B. 灰度期
灰度流量 + 分桶：新模型先吃低风险请求
监控四件事：
失败率/超时
拒答率/安全改写率
用户二次追问率（“你没回答我的问题”）
投诉与人工转接率
对“长尾灾难样本”做回灌：把线上坏例子加入 Golden Prompts
C. 上线后
建立 Prompt/配置变更审计（谁改了、改了什么、影响了哪些用例）
每周跑一次 回归套件（别等到用户替你做测试）
给产品准备一份“用户可解释的变更说明”：减少“感觉变冷/变啰嗦/变保守”的误解成本
5) 三张工程图
1：ChatGPT 侧退役时间线
2：一次“换模型”的标准迁移流
3：模型变更的 QA 测试面（你该测什么）
把“模型退役”当成一次行业级的回归演练
这次 GPT-4o 在 ChatGPT 的退役，官方信息本身并不复杂；复杂的是它提醒你：大模型不是一个“永远稳定的依赖项”，它更像一个会持续变更的运行时环境。
对测试从业者来说，这反而是好消息：当行业从“谁更强”卷到“谁更可控、可测、可回归”，测试的含金量会重新上升——而且是工程含金量，不是嘴炮含金量。
