Freigeben über

Wartungsrichtlinie für generative KI-Modelle

In diesem Artikel wird die Modellwartungsrichtlinie für die Foundation-Modell-APIs pay-per-token, Foundation Model APIs bereitgestellter Durchsatz und Foundation Model Fine-Tuning-Angebote beschrieben.

Um weiterhin die modernsten Modelle zu unterstützen, kann Databricks unterstützte Modelle aktualisieren oder ältere Modelle für diese Angebote zurückziehen.

Modellrichtlinie für den Ruhestand

In den folgenden Abschnitten wird die Einstellungsrichtlinie für die angegebenen Featureangebote zusammengefasst. Eine Liste der derzeit ausgemusterten Modelle und der vorgesehenen Ausmusterungsdaten finden Sie unter Ausgemusterte Modelle.

Wichtig

Die Einstellungsrichtlinien, die für die Foundation Model-APIs pay-per-token und Foundation Model Fine-Tuning-Angebote gelten, wirken sich nur auf unterstützte Chat- und Abschlussmodelle aus.

APIs für Foundation-Modelle, Bezahlung pro Token

In der folgenden Tabelle wird die Einstellungsrichtlinie für Foundation-Modell-APIs mit Pay-per-Token zusammengefasst.

Einstellungsbenachrichtigung Übergang zur Pensionierung Am Ruhestandsdatum
Databricks führt die folgenden Schritte aus, um Kunden über ein Modell zu informieren, das für den Ruhestand festgelegt ist:
  • Auf der Seite "Verarbeiten" Ihres Databricks-Arbeitsbereichs wird auf der Modellkarte eine Warnmeldung angezeigt, die angibt, dass das Modell für den Ruhestand geplant ist.
  • Die entsprechende Dokumentation enthält einen Hinweis, der darauf hinweist, dass das Modell auslaufen soll und ab welchem Datum es nicht mehr unterstützt wird.
 Databricks wird das Modell in drei Monaten eingestellt. Während dieses dreimonatigen Zeitraums können Kunden:
  • Wählen Sie die Migration zu einem Foundation Model-APIs aus, der den Durchsatzendpunkt bereitgestellt hat, um das Modell über das Enddatum des Lebenszyklus fortzusetzen.
  • Migrieren Sie vorhandene Workflows, um empfohlene Ersatzmodelle zu verwenden.
 Das Modell ist nicht mehr für die Verwendung verfügbar und wird aus dem Produkt entfernt. Die anwendbare Dokumentation wird aktualisiert, um die Verwendung eines Ersatzmodells zu empfehlen.

Basismodell-APIs mit bereitgestelltem Durchsatz

In der folgenden Tabelle wird die Einstellungsrichtlinie für foundation Model-APIs zusammengefasst, die den Durchsatz bereitgestellt haben.

Einstellungsbenachrichtigung Übergang zur Pensionierung Am Ruhestandsdatum
Databricks führt die folgenden Schritte aus, um Kunden über ein Modell zu informieren, das für den Ruhestand festgelegt ist:
  • Für Endpunkte, die ein veraltetes Modell bedienen, wird auf der Detailseite des Endpunkts in Ihrem Databricks-Arbeitsbereich eine Warnmeldung angezeigt. Diese Meldung gibt an, dass das Modell für den Ruhestand und den anwendbaren Ruhestandsdatum geplant ist.
  • Eine QuickInfo-Meldung enthält empfohlene alternative Modelle für die Workloadmigration.
  • Die entsprechende Dokumentation enthält einen Hinweis, der darauf hinweist, dass das Modell auslaufen soll und ab welchem Datum es nicht mehr unterstützt wird.
 Databricks wird das Modell in sechs Monaten eingestellt. Während dieses Zeitraums von sechs Monaten:
  • Kunden können weiterhin vorhandene bereitgestellte Durchsatzendpunkte mit dem veralteten Modell bis zum Deaktivierungsdatum ausführen.
  • Kunden, die ein veraltetes Modell nicht aktiv verwenden, können keine neuen Endpunkte mit berechnetem Durchsatz erstellen oder gestoppte Endpunkte für ein veraltetes Modell neu starten.
 Das Modell ist nicht mehr für die Verwendung verfügbar und wird aus dem Produkt entfernt.
  • Alle Endpunkte, die das eingestellte Modell verwenden, werden mit einer beschreibenden Meldung in einen fehlerhaften Zustand umgestellt. Alle Anforderungen an diese Endpunkte schlagen fehl.
  • Der Kunde kann Endpunkte löschen, die das eingestellte Modell verwenden, aber nicht neu starten.
  • Die anwendbare Dokumentation wird aktualisiert, um die Verwendung eines Ersatzmodells zu empfehlen.

Feinabstimmung von Foundation-Modellen

Die folgende Tabelle enthält eine Zusammenfassung der Einstellungsrichtlinie für die Feinabstimmung des Foundation-Modells.

Einstellungsbenachrichtigung Übergang zur Pensionierung Am Ruhestandsdatum
Databricks führt die folgenden Schritte aus, um Kunden über ein Modell zu informieren, das für den Ruhestand festgelegt ist:
  • Auf der Registerkarte "Experimente " wird im Dropdownmenü für Foundation Model Fine-Tuning eine Warnmeldung angezeigt, die angibt, dass das Modell für den Ruhestand geplant ist.
  • Die entsprechende Dokumentation enthält einen Hinweis, der darauf hinweist, dass das Modell auslaufen soll und ab welchem Datum es nicht mehr unterstützt wird.
 Databricks zieht das Modell in drei Monaten zurück. Während dieses dreimonatigen Zeitraums können Kunden vorhandene Workflows migrieren, um empfohlene Ersatzmodelle zu verwenden. Das Modell ist nicht mehr für die Verwendung verfügbar und wird aus dem Produkt entfernt. Die anwendbare Dokumentation wird aktualisiert, um die Verwendung eines Ersatzmodells zu empfehlen.

Modellupdates

Databricks können inkrementelle Updates an Pay-per-Token-Modelle senden, um Optimierungen zu ermöglichen. Wenn ein Modell aktualisiert wird, bleibt die Endpunkt-URL gleich, aber die Modell-ID im Antwortobjekt ändert sich, um das Datum der Aktualisierung widerzuspiegeln. Wenn beispielsweise ein Update am 3.4.2024 an meta-llama/Meta-Llama-3.3-70B ausgeliefert wird, wird der Modellname im Antwortobjekt auf meta-llama/Meta-Llama-3.3-70B-030424aktualisiert. Databricks verwaltet einen Versionsverlauf der Updates, auf die Sie verweisen können.

Zurückgezogene Modelle

In den folgenden Abschnitten werden die aktuellen und anstehenden Modellrücksetzungen für die Foundation Model Fine-Tuning,Foundation Model APIs pay-per-token und Foundation Model-APIs zusammengefasst, die Durchsatzangebote bereitgestellt haben.

Einstellungen für Foundation Model-APIs mit tokenbasierter Bezahlung

Die folgende Tabelle zeigt Modelleinstellungen sowie ihre Einstellungstermine und die empfohlenen Ersatzmodelle für die Verwendung mit Workloads für Foundation Model-APIs mit tokenbasierter Bezahlung. Databricks empfiehlt, Ihre Anwendungen vor dem angegebenen Einstellungsdatum zu migrieren, um Ersatzmodelle zu verwenden.

Wichtig

Am 11. Dezember 2024 ersetzte Meta-Llama-3.3-70B-Instruct die Unterstützung für Meta-Llama-3.1-70B-Instruct in den Pay-per-Token-Endpunkten der Foundation Model APIs.

Modell Ruhestandsdatum Empfohlenes Ersatzmodell
Meta Llama 3.1 405B 15. Februar 2026 OpenAI GPT OSS 120B
Anthropic Claude 3.7 Sonnet 12. April 2026 Anthropic Claude Sonnet 4.5
DBRX-Anweisung 30. April 2025 Meta-Llama-4-Maverick
Mixtral-8x7B-Anweisung 30. April 2025 Meta-Llama-4-Maverick
Meta-Llama-3.1-70B-Instruct 11. Dezember 2024 Meta-Llama-4-Maverick
Meta-Llama-3-70B-Instruct 23. Juli 2024 Meta-Llama-4-Maverick
Meta-Llama-2-70B-Chat 30. Oktober 2024 Meta-Llama-4-Maverick
MPT 7B-Anweisung 30. August 2024 Meta-Llama-4-Maverick
MPT 30B-Anweisung 30. August 2024 Meta-Llama-4-Maverick

Wenn Sie langfristige Unterstützung für eine bestimmte Modellversion benötigen, empfiehlt Databricks die Verwendung des bereitgestellten Durchsatzes von Foundation Model-APIs für Ihre Bereitstellungsworkloads.

Bereitgestellte Foundation-Modell-APIs für Durchsatzrücksetzungen

In der folgenden Tabelle sind Modellfamilienrenten, deren Deaktivierungsdaten und empfohlene Ersatzmodelle für die Verwendung für Foundation Model-APIs aufgeführt, die durch den Durchsatz bereitgestellt werden. Databricks empfiehlt, Ihre Anwendungen vor dem angegebenen Einstellungsdatum zu migrieren, um Ersatzmodelle zu verwenden.

Modellfamilie Ruhestandsdatum Empfohlenes Ersatzmodell
Meta Llama 3.1 405B 15. Mai 2026 OpenAI GPT OSS 120B
Meta Llama 3 70B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Meta Llama 3 8B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Meta Llama 2 70B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Meta Llama 2 13B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Meta Llama 2 7B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Mistral 8x7B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
Mixtral 7B 15. Februar 2026 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
DBRX 19. Dezember 2025 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
MPT 30B 19. Dezember 2025 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.
MPT 7B 19. Dezember 2025 Vergleichbares Modell auf dem gleichen Angebot, wie Llama 3.2, 3.3 oder 4 Modell ähnlicher Größe.

Einstellungen für Foundation Model-Feinabstimmung

In der folgenden Tabelle sind ausgemusterte Modellfamilien, deren Deaktivierungsdaten und empfohlene Ersatzmodellfamilien zur Verwendung bei Foundation Model Fine-Tuning-Workloads aufgeführt. Databricks empfiehlt, Ihre Anwendungen vor dem angegebenen Einstellungsdatum zu migrieren, um Ersatzmodelle zu verwenden.

Modellfamilie Ruhestandsdatum Empfohlene Ersatzmodellfamilie
DBRX 30. April 2025 Llama-3.1-70B
Mixtral 30. April 2025 Llama-3.1-70B
Mistral 30. April 2025 Llama-3.1-8B
Meta-Llama-3.1-405B 30. Januar 2025 Llama-3.1-70B
Meta-Llama-3 7. Januar 2025 Meta-Llama-3.1
Meta-Llama-2 7. Januar 2025 Meta-Llama-3.1
Code Llama 7. Januar 2025 Meta-Llama-3.1
  • Last updated on