GPT Image 2.5 is live — OpenAI's newest image model, targeted edits that leave the rest of the frame alone
Alle Anleitungen

· reAPI Team

Together AI: Abkündigungen, Weiterleitungen und Migration

Bewältige Abkündigungen bei Together AI mit Routen-Checkliste, Ersatztests und Wiederherstellungsplan. Erfahre, wann IDs umgeleitet werden und wann eine Migration eine ausdrückliche Änderung erfordert.

Together AI: Abkündigungen, Weiterleitungen und Migration

Eine Abkündigung lässt zwei unterschiedliche Fragen offen. Wird die alte Modell-ID nicht mehr funktionieren, oder funktioniert sie weiter und sendet dabei Anfragen an eine neuere Version? Prüfe vor Änderungen an deiner Anwendung, welches Ereignis Together beschreibt.

Togethers Dokumentation zum Lebenszyklus unterscheidet zwischen Upgrades, die bestimmte Voraussetzungen erfüllen und nach einer Ankündigung einen bestehenden Endpunkt umleiten können, und wesentlich anderen neuen Modellen, die eine ausdrückliche ID-Änderung erfordern. Sie führt außerdem Serverless-Entfernungen und die für bestimmte Einträge verfügbare Unterstützung für dedizierte Bereitstellungen auf.[1] Ein empfohlener Nachfolger, eine automatische Umleitung und eine entfernte Route sind nicht dieselbe Migration.

Lies das Wirksamkeitsdatum zusammen mit der bereitstellenden Route

Übernimm die vollständige Modellzeichenfolge aus einer tatsächlichen Anfrage und gleiche sie mit der Ankündigung ab. Beziehe den API-Host und den aufgerufenen Endpunkt ein. Ein verständlicher Modellname in deinen Anwendungseinstellungen kann einen Alias oder Bereitstellungsnamen verbergen. Deshalb lohnt es sich, den übertragenen Wert zu prüfen, bevor du jemandem die Änderung zuweist.

Togethers allgemeine Ankündigungstabelle nennt für Serverless- und dedizierte On-Demand-Modelle zwei oder drei Wochen, abhängig von Nutzung und Verfügbarkeit eines Ersatzes. Für Vorschaumodelle gilt nach ihrer Anfangsphase eine andere Richtlinie. Der Abschnitt zum Lebenszyklus nennt separat eine Ankündigungsfrist von drei Tagen für Upgrades, die bestimmte Voraussetzungen erfüllen.[1] Diese Zeiträume gelten für unterschiedliche Ereignisse. Ermittle deine Frist anhand des konkreten Eintrags und der Kontobenachrichtigung, statt eine allgemeine Schonfrist zu dem Tag zu addieren, an dem du zufällig die E-Mail gelesen hast.

Speichere die Ankündigung und das Datum deiner Prüfung. Widerspricht ihr Entfernungsdatum einer Kontobenachrichtigung, kläre diese Abweichung vor der Planung der Umstellung. Ein ungeklärtes Datum ist ein Terminproblem. Das spätere zu wählen, weil es bequemer ist, löst es nicht.

Auch eine ID, die weiterhin HTTP 200 zurückgibt, verdient Aufmerksamkeit. Bei einer dokumentierten Umleitung können fortbestehender Zugriff und ein Wechsel des Modells, das die Anfrage verarbeitet, gleichzeitig auftreten. Eine erfolgreiche Antwort prüft die Verfügbarkeit in diesem Moment. Sie belegt weder dieselbe Antwortstruktur noch, dass ein Agent dasselbe Werkzeug wählt.

Auch Zeitpläne gehören zum Dienst, der sie veröffentlicht. OpenAI führt eigene modellspezifische Einträge zur Abkündigung und Abschaltung. Ein abgekündigtes OpenAI-Modell bleibt bis zu seinem aufgeführten Abschaltdatum nutzbar.[2] Dort prüfst du die Stilllegung einer OpenAI API. Weder diese Termine noch Togethers Ankündigungsfristen lassen sich auf einen anderen Host übertragen, nur weil beide ein verwandtes Modell aufführen.

Verfolge ein Anwendungsverhalten durch die Änderung

Betrachte einen hypothetischen Klassifikator für Supporttickets. Er empfängt die Nachricht eines Kunden und gibt eine Kategorie zurück, anhand derer deine Anwendung das Ticket weiterleitet. Der verarbeitende Teil erwartet eine zulässige Kategorie in einem bestimmten JSON-Feld. Dies ist ein Entwurfsbeispiel, kein gemeldeter Fehler eines Together-Modells.

Ersetze nun das Modell. Das neue erzeugt einen klaren, hilfreichen Satz, der die richtige Kategorie erläutert. Ein Mensch versteht die Antwort, doch die Anwendung kann das erwartete Feld weiterhin nicht lesen. Die Anfrage wurde abgeschlossen; die Weiterleitungsaufgabe hat ihren Vertrag nicht erfüllt.

Dieses Beispiel legt eine bessere Abnahmeprüfung nahe als „das neue Modell antwortet“. Gib dem Kandidaten repräsentative zulässige Anfragen und verarbeite seine Antworten mit demselben Parser und derselben Validierung wie die Anwendung. Prüfe auch die gewählte Kategorie gegen die beabsichtigte Entscheidung. Ein gültiges JSON-Objekt kann ein Ticket trotzdem falsch weiterleiten.

Beziehe Fälle ein, die für das tatsächliche Produkt wichtig sind. Eine gewöhnliche Anfrage prüft den grundlegenden Ablauf. Eine Nachricht, die mehreren Kategorien angehören könnte, testet Mehrdeutigkeit. Eine lange Anfrage testet die Eingabe- und Ausgabegrenzen, auf die du angewiesen bist. Eine Nachricht, die der Workflow nicht automatisch klassifizieren sollte, testet, ob er eine Prüfung anfordern kann. Dies sind vorgeschlagene Evaluierungsfälle, keine Ergebnisse eines für diesen Artikel durchgeführten Benchmarks.

Bewahre die Anfrageeinstellungen mit jedem Ergebnis auf. Änderst du Prompt, Modell, Ausgabebudget und Client gemeinsam, gibt es mehrere mögliche Erklärungen für eine Verbesserung oder Regression. Beginne mit einer dokumentierten Anfrage, die der Kandidat unterstützt, und ergänze anschließend gezielt die relevanten Anwendungsfunktionen. Erhalte notwendige Unterschiede, statt inkompatible Optionen in eine scheinbar identische Anfrage zu zwingen.

Verfolge bei einem Agenten, der Werkzeuge aufruft, den Vorgang über flüssigen Text hinaus. Untersuche das gewählte Werkzeug, seine Argumente und die Verarbeitung des zurückgegebenen Ergebnisses durch die Anwendung. Ein gültiger Werkzeugname mit einem fehlenden Pflichtargument kann den Workflow trotzdem stoppen. Auch eine andere Aktion kann eine Produktentscheidung erfordern, selbst wenn ihre Argumente gültig sind.

Dokumentiere zufriedenstellende Fälle ebenso wie Fehler. Es geht darum festzustellen, ob der Ersatz der Anwendung dient, nicht darum zu beweisen, dass Veränderung schlecht ist. Beeinflusst ein Unterschied die Anforderung nicht, dokumentiere ihn, ohne jede Formulierungsvariation zum Migrationshindernis zu machen.

Das Modell beizubehalten kann einen Wechsel des Hostings bedeuten

Ist die Beibehaltung des aktuellen Modells wichtig, prüfe Togethers Eintrag zur Unterstützung dedizierter Bereitstellungen für genau diese Entfernung. Manche Einträge beziehen sich auf eine bestimmte zugrunde liegende Variante. Gehe nicht davon aus, dass jedes aus Serverless entfernte Modell auf Abruf weiterbetrieben werden kann.[1]

Together beschreibt Alternativen wie ein anderes Serverless-Modell, einen dedizierten On-Demand-Endpunkt, sofern unterstützt, und eine monatliche Reservierung. Die Migrationsseite unterscheidet zwischen minutengenauer Abrechnung dedizierter On-Demand-Bereitstellungen und monatlicher Abrechnung reservierter Bereitstellungen.[1] Vertrautes Modellverhalten beizubehalten kann daher eine andere Kapazitäts- und Kostenentscheidung mit sich bringen.

Bestätige die unterstützte Variante, den tatsächlich aufzurufenden Endpunkt und ob die Bereitstellung für dein Konto betriebsbereit werden kann. Dass ein Modell noch im Katalog erscheint, belegt nicht, dass die entfernte Serverless-Route weiterhin nutzbar ist. Der Leitfaden zu nicht verfügbaren Modellen behandelt diesen Unterschied und die zu prüfenden Konfigurationswerte.

Beziehe das Klassifikatorbeispiel wieder in diese Entscheidung ein. Erfüllt nur ein bestimmtes Modell seine Abnahmeanforderungen, kann sich die Evaluierung dedizierten Hostings lohnen. Besteht ein unterstützter Serverless-Nachfolger dieselben Prüfungen, kann die Pflege einer Bereitstellung unnötige Arbeit verursachen. Die Dokumentation grenzt die Möglichkeiten ein; deine beobachteten Anwendungsergebnisse und die erwartete Arbeitslast entscheiden, welche passt.

Ziehst du stattdessen einen anderen Anbieter in Betracht, prüfe das genaue Modell und den Anfragevertrag des Kandidaten. Der reAPI-Katalog ist ein Ausgangspunkt zur Suche nach unterstützten Modellen. Die Authentifizierungsdokumentation beschreibt die dort erforderlichen Zugangsdaten.[3] Ein Together-Schlüssel oder -Guthaben lässt sich nicht übertragen. Dieser Leitfaden belegt auch nicht, dass reAPI jede stillgelegte Together-Version hostet oder irgendeine Version unbegrenzt beibehält.

Trenne die Modellentscheidung von der Hostentscheidung. Beides zu ändern kann gleichzeitig Kennungen, unterstützte Einstellungen, Fehlerbehandlung und Nutzungsberichte beeinflussen. Eine OpenAI-kompatible Anfragestruktur hilft bei der Integration, bestätigt aber weder die Entscheidungen des Klassifikators noch das Werkzeugverhalten eines Agenten.

Mache den Rollback auch nach der Frist nutzbar

Bevor die alte Route verschwindet, kann das Zurücksetzen eines Konfigurationswerts sie wiederherstellen. Nach der Entfernung verweist dieser Wert auf eine Route, von der du bereits weißt, dass sie nicht verfügbar ist. Ein Rollback-Plan, der das Entfernungsdatum ignoriert, kann bei der Probe funktionieren und dann scheitern, wenn du ihn am dringendsten brauchst.

Bei einem Upgrade, das die alte ID umleitet, kann die Rückkehr zu dieser Zeichenfolge weiterhin die neuere Version erreichen. Bestätige, welche Version das Wiederherstellungsziel tatsächlich bereitstellt. Der unveränderte Name allein kann das frühere Verhalten nicht wiederherstellen.[1]

Wähle ein Wiederherstellungsziel, das nach Abschluss der Migration noch verfügbar sein wird. Das könnte ein zweites unterstütztes Modell sein, das die wesentlichen Prüfungen bestanden hat, eine unterstützte Bereitstellung oder ein Produktablauf mit reduziertem Funktionsumfang, während ein Mitarbeiter eingreift. Das sind zu evaluierende Entwurfsoptionen, keine Garantien, dass ein Anbieter jede davon bereitstellt.

Beim hypothetischen Klassifikator könnte ein reduzierter Ablauf unsichere Tickets zur menschlichen Prüfung schicken, statt sie automatisch weiterzuleiten. Das tauscht Automatisierung gegen eine kontrollierte betriebliche Belastung ein. Entscheide, ob das Team diese Belastung bewältigen kann, bevor du dies als Wiederherstellung beschreibst. Für einen Workflow, der einen solchen Rückfallmechanismus nicht tolerieren kann, braucht das alternative Modell oder die Bereitstellung gründlichere Vorbereitung.

Trenne anschließend die Kandidatenvalidierung von der Produktionseinführung. Unterstützt deine Anwendung eine begrenzte Verkehrsumstellung, beobachte damit sowohl den verarbeitenden Teil als auch die Anbieterantwort. Achte auf Parsingfehler, falsche Entscheidungen, unvollständige Antworten und die Kosten der migrierten Arbeitslast. Lege Stoppbedingungen anhand der Anforderungen und des Normalverhaltens der Anwendung fest. Dieser Artikel liefert keinen universellen Schwellenwert für Fehlerrate oder Latenz.

Verlässt du dich auf verwaltete Einführungssteuerungen, lies genau, was Pausieren und Abbrechen bedeuten. Leite nicht ab, dass eine dieser Aktionen den gesamten Verkehr zum vorherigen Modell zurückführt. Bestätige das aktuelle Verkehrsziel und den notwendigen Vorgang zu dessen Änderung. Dieselbe Vorsicht gilt für einen Rückfallmechanismus der Anwendung: Sein Ziel muss die Anfrage akzeptieren und eine Antwort erzeugen, die der verarbeitende Teil nutzen kann.

Halte das Wirksamkeitsdatum während dieser Arbeit sichtbar. Eine kleine Einführung, die vor der Stilllegung beginnt, danach aber die meisten Aufrufer auf der alten Route belässt, hat die Frist nicht eingehalten. Der Zeitplan braucht Spielraum, um einen fehlgeschlagenen Vergleich zu korrigieren oder einen anderen Wiederherstellungsweg einzurichten.

Der letzte Aufrufer könnte ein geplanter Job sein

Sieh dir nach der Umstellung der Hauptanwendung die tatsächlich noch gesendeten Modellzeichenfolgen an. Prüfe Worker, geplante Berichte, gespeicherte Agentenkonfigurationen und Workflow-Voreinstellungen, die die auslaufende ID verwenden. Eine Quellcodesuche ist nützlich, findet aber keine Modellauswahl, die in einer externen Automatisierung oder Datenbankeinstellung gespeichert ist.

Weise jedem Aufrufer einen Verantwortlichen und einen erwarteten Ausführungszeitpunkt zu. Ein nächtlicher Bericht kann bei einem nachmittäglichen Test der Weboberfläche keine erfolgreiche Migration nachweisen. Beobachte seine nächste relevante Ausführung oder validiere den Aufrufer über das übliche genehmigte Verfahren des Teams, bevor du ihn als erledigt markierst.

Angenommen, der hypothetische Supportklassifikator ist migriert, während ein wöchentlicher Qualitätsbericht weiterhin das alte Modell anfordert, um Klassifikationen zusammenzufassen. Der Bericht ist ein separater Aufrufer, auch wenn er zum selben Produkt gehört. Die Änderung der zentralen Einstellung des Klassifikators deckt ihn nur ab, wenn der Bericht diese Einstellung tatsächlich liest. Prüfe die Anfragemetadaten, statt aus gemeinsamer Verantwortung auf gemeinsame Konfiguration zu schließen.

Bewahre die Ankündigung, akzeptierte Kandidatenergebnisse und die endgültige Aufruferliste zusammen auf. Behalte veraltete Einstellungen, bis ihre Verantwortlichen festgestellt haben, dass sie nicht mehr verwendet werden, und entferne sie dann über den normalen Änderungsprozess. Bei einer videospezifischen Stilllegung behandelt der Sora-Migrationsleitfaden die zusätzlichen Fragen zu Assets. Bei dieser Migration ist der entscheidende Nachweis, dass die Anfrage des letzten Aufrufers die beabsichtigte unterstützte Route erreicht und ein Ergebnis erzeugt, das seine Anwendung nutzen kann.

Quellen

  1. Together AI, Abkündigungen: Modelllebenszyklus, Ankündigungsfristen, Entfernungstabellen und Migrationshinweise. Vollständige offizielle Seite am 15. November 2026 geprüft; Quell-URL und Momentaufnahme im Recherchearchiv aufbewahrt.
  2. OpenAI, Abkündigungen: Lebenszykluszustände und modellspezifischer Abschaltplan. Am 16. November 2026 geprüft.
  3. reAPI, Authentifizierung: Zugangsdaten und Authentifizierungsfehler. Am 15. November 2026 geprüft.
Alle Anleitungen