OpenAI ritira le API di GPT-4o e 4.1 il 14 gennaio: costi e insidie della migrazione a GPT-6 Luna

OpenAI ha notificato agli sviluppatori la rimozione dalle API di cinque versioni dei modelli della serie GPT-4: gpt-4o-2024-08-06, gpt-4o-2024-11-20, gpt-4o-mini-2024-07-18, gpt-4.1-2025-04-14 e gpt-4.1-mini-2025-04-14. Lo spegnimento è fissato al 14 gennaio 2027. I modelli personalizzati tramite fine-tuning (l’addestramento supplementare su dati propri) derivati da queste basi seguono la stessa scadenza. Per tutti, il sostituto indicato è gpt-6-luna, il modello più economico della famiglia GPT-6, rilasciato il 22 settembre, che però – a differenza di GPT-4 – non supporta il fine tuning.

Nella stessa pagina in cui elenca i modelli deprecati, OpenAI indica per i modelli in disponibilità generale un preavviso minimo di sei mesi, salvo motivi di sicurezza o conformità. Per GPT-4o e GPT-4.1 il preavviso è invece di soli tre mesi. La pagina non ne spiega il  motivo, ma OpenAI ricorda che, in alcuni casi, è possibile acquistare capacità dedicata per continuare a usare un modello dopo lo spegnimento, contattando il reparto commerciale.

La finestra si sovrappone ad altre scadenze già annunciate: la chiusura dei modelli di sintesi vocale il 6 gennaio, quella dei modelli audio e realtime legacy il 20 gennaio, quella delle trascrizioni il 26 febbraio. Chi ha costruito applicazioni su più servizi OpenAI, rischia di dover gestire più migrazioni nello stesso trimestre.

Cerchiamo quindi di capire cosa comporterà la migrazione in termini di costi di utilizzo e funzionalità dei workflow attualmente cablati su GPT-4.

Il listino: Luna costa meno, ma non in tutti i casi

Partiamo dai costi. Questi sono i prezzi per milione di token secondo la documentazione OpenAI (input / output):

(* Oltre i 272.000 token di input, l’intera richiesta è tariffata al doppio per l’input e a 1,5 volte per l’output: un aspetto da verificare per chi sfruttava la finestra da un milione di token di GPT-4.1 a prezzo fisso)

Il confronto diretto, però, è fuorviante. GPT-4o e GPT-4.1 sono modelli senza fase di ragionamento: generano direttamente la risposta. GPT-6 Luna è invece un modello di ragionamento, che produce token intermedi prima della risposta finale. Questi token non sono visibili nell’output, ma vengono conteggiati e fatturati come output. Soprattutto, il livello di ragionamento predefinito di Luna è medium: un’applicazione migrata cambiando solo il nome del modello attiva il ragionamento, con conseguenze sui costi.

Per dare un ordine di grandezza abbiamo calcolato il costo di un milione di richieste tipiche, con 2.000 token di input e 500 di output visibile, senza cache:

Per chi arriva da GPT-4o o GPT-4.1 il risparmio resta ampio anche con un ragionamento intenso: Luna diventerebbe più cara solo producendo un output complessivo 30-40 volte superiore. Rispetto a GPT-4.1 mini il margine si riduce, con un punto di pareggio intorno ai 2.800 token di output per richiesta. Il caso critico è GPT-4o mini, il modello più usato per classificazione ed estrazione ad alto volume: bastano circa 300 token di ragionamento per richiesta perché Luna costi più del modello che sostituisce.

Le leve per contenere la spesa ci sono. Luna accetta il livello di ragionamento none, che lo avvicina al comportamento dei modelli precedenti, e il parametro text.verbosity per regolare la lunghezza delle risposte. Batch e Flex costano la metà della tariffa standard. Va considerato anche il nuovo schema della cache: la lettura di token in cache costa il 10% dell’input, ma la scrittura in cache viene fatturata a 1,25 volte la tariffa piena.

OpenAI sostiene che la generazione GPT-6 raggiunga gli stessi risultati con meno token di output rispetto ai modelli precedenti in confronto a con GPT-5.6, non con la serie GPT-4, e non abbiamo trovato dati pubblici ufficiali sulla verbosità di Luna rispetto a GPT-4o.

Cosa cambia nel funzionamento dei flussi di lavoro

Il costo non è l’unico rischio. Il passaggio da un modello senza ragionamento a uno con ragionamento introduce differenze tecniche che possono rompere integrazioni esistenti:

• Parametri non supportati. Quando il ragionamento è attivo, Luna non accetta temperature, top_p, top_logprobs e, in Chat Completions, logprobs. Chi usa la temperatura bassa per ottenere output ripetibili, o le probabilità dei token per stimare la confidenza di un classificatore, deve rivedere l’architettura.
• Chiamata di funzioni. In Chat Completions, Luna supporta la chiamata di funzioni solo con ragionamento impostato a none. Per combinare ragionamento e strumenti OpenAI indica la Responses API: per molti significa dover modificare anche l’interfaccia, non solo il modello.
• Fine-tuning non disponibile. Luna non supporta il fine-tuning, e OpenAI sta chiudendo la piattaforma di addestramento self-service: dal 6 gennaio 2027 nemmeno i clienti esistenti potranno avviare nuovi job. Un modello GPT-4o mini personalizzato non ha quindi un equivalente diretto. Il comportamento ottenuto con l’addestramento va ricostruito tramite prompt, esempi e output strutturati. Oppure su piattaforme di altri fornitori.
• Comportamento e stile. Per la famiglia GPT-6 OpenAI segnala una maggiore aderenza alle istruzioni, una tendenza a risposte formattate con elenchi e Markdown e una maggiore propensione a chiedere chiarimenti invece di procedere con ipotesi. La documentazione descrive questi comportamenti per GPT-6 Astra e invita a verificarli sul modello scelto. Prompt scritti per compensare i limiti di GPT-4o potrebbero produrre risultati diversi.
• Controlli di sicurezza. Per la generazione precedente, GPT-5.6, OpenAI documenta classificatori in tempo reale su contenuti di cybersecurity e biologia, che possono bloccare richieste o sospendere per alcuni secondi la generazione. In ambiti a duplice uso, come l’analisi di vulnerabilità, i classificatori possono intervenire anche su lavoro legittimo. La pagina di Luna non precisa quali di questi controlli si applichino: chi opera in ambito sicurezza dovrebbe testarlo in anticipo.
• Conoscenze più recenti. Il limite di aggiornamento delle conoscenze passa da ottobre 2023 (GPT-4o mini) o giugno 2024 (GPT-4.1) a maggio 2026, e l’output massimo sale a 128.000 token. È un vantaggio, ma cambia le risposte su eventi e prodotti recenti e va considerato nei test di regressione.

Le priorità per i team IT

La prima azione da fare è un inventario delle dipendenze: quali applicazioni chiamano i cinque modelli, con quale API e con quali parametri. OpenAI permette di monitorare le scadenze in modo automatico tramite il campo shutdown_date restituito dall’endpoint di elenco dei modelli. Segue la validazione: confrontare su casi reali Luna con ragionamento none e low, misurando qualità, latenza e token effettivamente consumati. Per i flussi basati su fine-tuning, la scadenza è la più stretta, perché il lavoro non è una semplice migrazione ma una riprogettazione.

Resta aperta la questione della dipendenza dal fornitore. Tra deprecazioni di modelli, chiusura dell’Assistants API, della piattaforma Evals e del fine-tuning self-service, il 2026 ha mostrato con quale frequenza OpenAI riorganizza la propria offerta.

Per le aziende che hanno messo in produzione applicazioni basate su questi modelli, il costo reale non è solo quello per token, ma quello di dover rivalidare tutto a intervalli sempre più brevi.