Una plataforma de evals y un endpoint MCP se apagan el 30 de noviembre. Su suite debe sobrevivir al proveedor
OpenAI Evals, un modelo de Copilot Studio y un endpoint MCP de Databricks se retiran en seis semanas. Los retiros son rutina. Perder el instrumento que los comprueba, no.
Escuche este artículo · 5 min
Narración completa del artículo, generada con IA.
Este es un calendario de seis semanas para un entorno de IA empresarial bastante común.
Seis semanas de fechas del ciclo de vida de proveedores
15 de octubre30 de noviembre
- 15 octCopilot Studio retira GPT-5.3 Chat y GPT-5.4 Reasoning, extensión de hasta 30 días
- 31 octCopilot Studio retira GPT-5.5 Chat, sin extensión; OpenAI Evals pasa a solo lectura
- 12 novCopilot Studio retira GPT-4.1, GPT-4.1 Mini, GPT-5 Chat y GPT-5 Auto
- 30 novEl dashboard y la API de OpenAI Evals se apagan; el endpoint Beta de Genie One MCP en Databricks termina
Ninguno de estos es una crisis. Microsoft nombra un reemplazo para cada modelo de Copilot Studio que se retira, GPT Chat Latest, un valor predeterminado que sigue snapshots de chat compatibles. Databricks movió la fecha límite de su endpoint Beta de Genie One MCP del 31 de octubre al 30 de noviembre y apunta a un reemplazo en disponibilidad general (GA) en Unity Gateway. OpenAI anunció el fin de su plataforma Evals el 3 de junio y publicó una ruta de migración a Promptfoo. Los proveedores hacen lo que deberían: avisar.
Lo que merece atención es una línea de ese calendario, porque es distinta en naturaleza.
El instrumento también se retira
El retiro de un modelo cambia lo que está probando. El retiro de un endpoint cambia cómo se llega a eso. El retiro de una plataforma de evaluación elimina el instrumento que usa para saber si alguno de los otros cambios rompió algo.
Piense en un equipo que construyó su suite de regresión en OpenAI Evals: datasets de casos reales, evaluadores que puntúan respuestas, umbrales que condicionan un lanzamiento. Desde el 31 de octubre, esas evals son de solo lectura. Después del 30 de noviembre, el dashboard y la API tienen previsto detenerse. Si ese equipo también opera un agente de Copilot Studio cuyo modelo GPT-5.5 Chat fue reemplazado el 31 de octubre sin extensión, tuvo que validar un cambio de modelo forzado en las mismas semanas en que perdía la herramienta con la que valida. OpenAI señala que los evaluadores documentados para flujos de trabajo de evals forman parte de la transición.
Hemos sostenido desde septiembre que la evaluación es la superficie de control de los sistemas de IA, y en octubre que los retiros de modelos pertenecen al calendario de cambios. Este calendario añade un matiz: la suite de evaluación es en sí misma una dependencia, y es la que menos puede permitirse ser alquilada.
Qué significa poseer la suite de evaluación en la práctica
Poseerla no significa construir su propia plataforma de evaluación. Significa que los activos sobreviven a cualquier plataforma.
Datasets en un formato neutro. Los casos de prueba, los resultados esperados y la procedencia de cada caso (de dónde salió, quién lo aprobó) viven en su repositorio o plataforma de datos, como archivos o tablas, no solo dentro del dashboard de un proveedor.
Evaluadores como código o como rúbricas escritas. Un evaluador es una definición de “correcto”. Consérvelo como código que pueda ejecutar en cualquier lugar, o como una rúbrica lo bastante precisa para reconstruirlo. Un juez LLM también necesita su modelo y su prompt versionados, porque un juez sobre un snapshot que se retira también desplazará las puntuaciones.
Umbrales e historial. La tasa de aprobación que autorizó el último lanzamiento, y los resultados que la respaldan, son la línea base para el siguiente. Pierda el historial y cada comparación empieza de cero.
Un segundo runner. Poder ejecutar la misma suite en dos herramientas, aunque sea de forma ocasional, es la prueba de que la suite es portátil. Una migración forzada por una fecha límite es el peor momento para descubrir qué vivía solo en la herramienta anterior.
La idea de fondo
La IA en producción depende de piezas que cambian según el calendario de otros: snapshots de modelos, valores predeterminados del harness, conectores, endpoints de protocolo y servicios de evaluación. Eso es normal, y la respuesta no es evitar a los proveedores. Es saber qué piezas son intercambiables y cuáles llevan el criterio de la organización.
Los modelos son cada vez más intercambiables. La definición de una buena respuesta no lo es. Hicieron falta expertos en la materia para escribirla, codifica lo que el negocio acepta y es lo que permite intercambiar todo lo demás con seguridad. Pertenece a la lista corta de cosas que una empresa debería conservar después de cualquier traspaso de proveedor, junto a la identidad y las definiciones de negocio.
Si el 30 de noviembre está en su calendario por una migración, úselo para una tarea más: compruebe que cada activo de evaluación del que depende existe en algún lugar que usted controla y que puede ejecutarlo sin el proveedor que se va.