Deprekasi dan Versi Model AI: Menjaga Stabilitas Integrasi API

Deprekasi dan versi model AI adalah praktik melacak pengidentifikasi (identifier) model mana yang dipanggil oleh integrasi Anda, bagaimana penyedia layanan menghentikan atau mengubah pengidentifikasi tersebut dari waktu ke waktu, serta bagaimana Anda melindungi produk Anda dari perubahan tersebut. Jika salah langkah, pembaruan rutin dari penyedia layanan bisa berubah menjadi gangguan yang tidak direncanakan atau pergeseran kualitas output yang tidak disadari.

Hal ini menjadi lebih penting seiring dengan tim yang memanggil berbagai model frontier dan open-weight dalam satu produk. Model yang menjadi pilihan utama untuk agen pengodean enam bulan lalu mungkin kini telah diganti, diganti namanya, atau diubah harganya, dan integrasi yang mengasumsikan pengidentifikasi tetap akan menjadi yang pertama kali rusak.

Poin Penting

• Deprekasi model terjadi berdasarkan jadwal penyedia layanan, bukan jadwal Anda. Mengunci (pinning) pengidentifikasi model versi tertentu, alih-alih menggunakan alias yang terus bergulir, adalah pertahanan utama terhadap perubahan perilaku yang tidak disadari.
• Peningkatan otomatis ke alias default atau "terbaru" (latest) dari penyedia layanan menukar stabilitas dengan kemutakhiran. Lakukan ini hanya di balik rangkaian pengujian (test suite) yang membatasi regresi output dan biaya sebelum mencapai produksi.
• Direktori model dan Model Data Center TokenLab (/models dan /models/data) menerbitkan daftar pengidentifikasi model berdasarkan penyedia yang dapat digunakan pengembang sebagai titik referensi saat mengaudit versi mana yang sebenarnya dipanggil oleh sebuah integrasi.
• Integrasi yang tahan terhadap deprekasi menyimpan pengidentifikasi model dalam lapisan konfigurasi atau perutean, terpisah dari logika aplikasi, sehingga pemberitahuan penghentian berarti hanya perlu mengubah satu nilai alih-alih mencari di seluruh basis kode.

Apa arti sebenarnya dari deprekasi dan versi dalam integrasi API

Setiap permintaan ke API model menyertakan pengidentifikasi model, sebuah string seperti gpt-5.5 atau claude-sonnet-5, yang memberi tahu penyedia layanan checkpoint mana yang harus dijalankan. Tiga hal berbeda terjadi pada pengidentifikasi ini selama masa pakai model:

Versi (Versioning). Penyedia layanan mengeluarkan snapshot bertanggal atau bernomor (checkpoint spesifik yang dibekukan pada titik waktu tertentu) bersama dengan alias yang bergulir (nama seperti "latest" yang secara diam-diam mengarah ke checkpoint mana pun yang saat ini direkomendasikan oleh penyedia). Memanggil alias berarti perilaku integrasi Anda dapat berubah tanpa perubahan kode di sisi Anda.

Deprekasi. Penyedia layanan mengumumkan bahwa pengidentifikasi model tertentu tidak akan lagi dilayani setelah tanggal tertentu. Permintaan yang dibuat setelah tanggal tersebut biasanya akan mengembalikan kesalahan alih-alih merutekan ke penggantinya.

Penghentian atau sunset. Pengidentifikasi dihapus sepenuhnya. Beberapa penyedia layanan mengalihkan pengidentifikasi lama ke default yang lebih baru selama jendela transisi; yang lain tidak. Perilaku pastinya bersifat spesifik untuk setiap penyedia dan berubah dari waktu ke waktu, jadi verifikasi kebijakan saat ini secara langsung di dokumentasi masing-masing penyedia sebelum Anda mengandalkannya.

Memahami ketiga konsep ini dengan benar adalah langkah pertama dalam memperlakukan pilihan model sebagai dependensi operasional, bukan keputusan satu kali yang dibuat saat peluncuran.

Apa yang didokumentasikan penyedia layanan tentang permintaan model

Menurut dokumentasi quickstart API OpenAI (diamati pada 2026-07-14), permintaan ke API Responses menentukan model sebagai parameter string dalam badan permintaan, bersama dengan konten input. Ini mengonfirmasi mekanisme dasar yang diandalkan pengembang: pengidentifikasi model hanyalah data yang diteruskan dalam permintaan, bukan sesuatu yang tertanam dalam versi SDK atau URL endpoint. Itu adalah kabar baik untuk strategi versi, karena berarti menukar model, pada tingkat permintaan, hanyalah perubahan satu baris.

Apa yang tidak dicakup oleh halaman quickstart adalah kebijakan deprekasi itu sendiri: tanggal penghentian yang tepat, jendela transisi, atau apakah pengidentifikasi lama menghasilkan error atau pengalihan setelah batas waktu. Detail tersebut ada dalam dokumentasi model atau deprekasi masing-masing penyedia dan sering berubah sehingga artikel ini tidak akan menyatakan tanggal spesifik. Jika integrasi Anda bergantung pada jadwal deprekasi, konfirmasikan dengan kebijakan publikasi penyedia saat ini sebelum Anda melakukan pengiriman (ship), bukan berdasarkan postingan blog.

Halaman deprekasi OpenAI memberikan contoh konkret. Pemberitahuan 2026-06-11 memberikan tanggal penutupan 2026-12-11 untuk snapshot GPT-5 dan o3 yang lebih lama, mengidentifikasi ID yang terpengaruh termasuk gpt-5-2025-08-07 dan o3-2025-04-16, serta mencantumkan gpt-5.5 sebagai pengganti yang direkomendasikan untuk keduanya. Baca entri deprekasi dalam urutan tersebut: tanggal pengumuman, tanggal penutupan, ID model yang tepat terpengaruh, lalu penggantinya. Cari kode aplikasi dan konfigurasi untuk ID yang terpengaruh, bandingkan tanggal penutupan dengan jadwal penyebaran Anda, dan selesaikan pengujian penggantian sebelum tanggal tersebut.

Pola bentuk permintaan yang sama (string model ditambah input) umum di seluruh penyedia utama, meskipun nama field, default, dan konvensi versi yang tepat berbeda. Perlakukan perilaku penyedia lain sebagai sesuatu yang harus diverifikasi dalam dokumentasinya sendiri, alih-alih berasumsi dari contoh OpenAI.

Di mana risiko deprekasi benar-benar merusak integrasi produksi

Dalam praktiknya, masalah deprekasi dan versi muncul dalam beberapa pola yang berulang:

• Pergeseran diam-diam dari alias yang bergulir. Integrasi memanggil alias generik alih-alih versi bertanggal. Penyedia memperbarui alias ke checkpoint baru, dan prompt yang disetel terhadap model lama mulai menghasilkan nada, panjang, atau perilaku pemanggilan alat (tool-call) yang berbeda, tanpa error dan tanpa entri log untuk ditunjuk.
• Pemutusan keras pada versi yang dikunci. Pengidentifikasi model bertanggal yang dikunci dihentikan. Permintaan mulai gagal dengan error kelas 4xx, dan jika pengidentifikasi tersebut terkubur di banyak tempat dalam basis kode, perbaikannya memakan waktu lebih lama dari yang seharusnya.
• Perubahan jendela konteks dan harga yang terikat pada versi. Versi model baru dapat dirilis dengan batas konteks atau harga token yang berbeda, yang mengubah biaya dan, dalam beberapa kasus, mengubah apa yang dapat dimuat oleh agen yang berjalan lama ke dalam satu panggilan.
• Format agen pengodean dan pemanggilan alat bergeser antar versi. Skema pemanggilan alat dan fungsi dapat berubah secara halus antar versi model, yang merupakan risiko khusus bagi agen pengodean yang dibangun terhadap model seperti Claude Sonnet 5, Kimi K2.7 Code, atau DeepSeek V4 Pro, di mana integrasi bergantung pada model yang secara andal mengeluarkan pemanggilan alat terstruktur.

Tidak satu pun dari mode kegagalan ini mengharuskan penyedia untuk melakukan sesuatu yang tidak biasa. Ini adalah hasil yang dapat diprediksi dari memperlakukan pengidentifikasi model sebagai konstanta tetap alih-alih dependensi yang memiliki versi.

Daftar periksa untuk integrasi yang tahan terhadap deprekasi

Gunakan ini sebagai daftar periksa saat Anda mengirim atau meninjau integrasi model.

• Pengidentifikasi model berada dalam satu lapisan konfigurasi (variabel lingkungan, file konfigurasi, atau layanan perutean), tidak tersebar di seluruh lokasi panggilan.
• Lalu lintas produksi menggunakan pengidentifikasi bertanggal atau berversi di mana penyedia menawarkannya, bukan alias "terbaru" yang tidak memenuhi syarat, kecuali Anda telah secara eksplisit memilih untuk menerima pergeseran sebagai ganti kemutakhiran otomatis.
• Ada proses yang dimiliki (pengingat kalender, tiket pelacakan dependensi, atau peringatan pemantauan) untuk memeriksa pemberitahuan deprekasi setiap penyedia, karena ini biasanya diumumkan dengan waktu tunggu alih-alih diterapkan secara instan.
• Model cadangan atau jalur perutean ada untuk setidaknya lokasi panggilan lalu lintas tertinggi Anda, sehingga pemutusan keras menurunkan layanan alih-alih merusaknya sepenuhnya.
• Rangkaian pengujian prompt dan pemanggilan alat dijalankan terhadap model pengganti kandidat sebelum perubahan versi mencapai produksi, terutama untuk agen pengodean dan alur output terstruktur.
• Asumsi biaya dan jendela konteks diperiksa ulang setiap kali versi model berubah, bukan hanya kebenarannya.
• Seseorang di tim dapat menjawab, tanpa mencari kode, pengidentifikasi model mana yang tepat yang melayani setiap lokasi panggilan produksi saat ini.

Contoh: pinning dan perutean cadangan

Mengunci versi tertentu dan menentukan cadangan eksplisit adalah pola sederhana yang menghilangkan sebagian besar kejutan operasional. Contoh di bawah ini menunjukkan bentuk pendekatan berbasis konfigurasi: pengidentifikasi model adalah nilai, bukan string yang dikodekan keras dalam logika permintaan.

# model_config.py
MODEL_CONFIG = {
    "primary_chat": {
        "provider": "openai",
        "model": "gpt-5.5",          # kunci ke pengidentifikasi spesifik yang didokumentasikan
        "fallback": "claude-sonnet-5" # digunakan jika utama error atau dihentikan
    },
    "coding_agent": {
        "provider": "anthropic",
        "model": "claude-sonnet-5",
        "fallback": "deepseek-v4-pro"
    },
}

# request.py
import requests
from model_config import MODEL_CONFIG

def call_model(task_key: str, input_text: str):
    cfg = MODEL_CONFIG[task_key]
    try:
        response = requests.post(
            "https://api.openai.com/v1/responses",
            headers={"Authorization": "Bearer $OPENAI_API_KEY"},
            json={"model": cfg["model"], "input": input_text},
            timeout=30,
        )
        response.raise_for_status()
        return response.json()
    except requests.HTTPError as err:
        if err.response.status_code in (404, 410):
            # pengidentifikasi model dihentikan atau tidak ditemukan: fail over
            return call_model_with_id(cfg["fallback"], input_text)
        raise

Ini bersifat ilustratif, bukan pustaka siap pakai. URL permintaan, header, dan kode error bervariasi menurut penyedia, dan Anda harus mengonfirmasi bentuk permintaan dan semantik error yang tepat terhadap dokumentasi penyedia saat ini seperti quickstart API OpenAI sebelum mengandalkan pola ini dalam produksi.

Tabel keputusan: pin, alias, atau rute

Strategi	Apa artinya	Kesesuaian terbaik	Risiko utama
Pin ke versi bertanggal	Memanggil pengidentifikasi model yang tepat dan memiliki versi	Alur yang diatur atau berisiko tinggi di mana konsistensi output lebih penting daripada tetap mutakhir	Pemutusan keras saat penyedia menghentikan versi tersebut; memerlukan proses peningkatan yang dimiliki
Gunakan alias bergulir penyedia	Memanggil nama generik seperti "latest" yang diubah arahnya oleh penyedia seiring waktu	Kasus penggunaan berisiko rendah dan toleransi tinggi seperti alat internal atau pembuatan draf	Perilaku diam-diam dan pergeseran biaya tanpa perubahan kode untuk menandainya
Rute melalui lapisan konfigurasi atau gateway	Aplikasi memanggil nama internal; lapisan menyelesaikannya ke model penyedia, dengan logika cadangan	Produk multi-model, agen pengodean, atau tim yang menjalankan perbandingan di seluruh model seperti GLM-5.2, Qwen3.7 Plus, atau Gemini 3.5 Flash	Kompleksitas operasional tambahan dalam memelihara lapisan perutean itu sendiri

Untuk sebagian besar integrasi produksi yang memanggil lebih dari satu model atau penyedia, lapisan perutean sepadan dengan kompleksitas tambahannya, karena mengubah pemberitahuan deprekasi menjadi perubahan konfigurasi alih-alih audit kode.

Bagaimana TokenLab menampilkan informasi versi model

Direktori model dan Model Data Center TokenLab mencantumkan pengidentifikasi model berdasarkan penyedia, yang dapat digunakan pengembang sebagai titik referensi saat mengaudit apa yang saat ini dipanggil oleh integrasi dan alternatif apa yang ada di berbagai kategori seperti model teks frontier, agen pengodean, perutean berbiaya rendah, pembuatan gambar, dan pembuatan video. Ini adalah permukaan daftar, bukan layanan pemberitahuan deprekasi, jadi ini tidak menggantikan pemeriksaan kebijakan deprekasi masing-masing penyedia secara langsung. Bagi tim yang memikirkan cara menjaga metadata model agar dapat dibaca mesin di seluruh lanskap model yang berkembang, diskusi dalam kebenaran model yang dapat dibaca agen dan kasus yang lebih luas untuk desain API yang mengutamakan agen mencakup dasar terkait mengapa data model yang terstruktur dan mutakhir penting bagi pengembang manusia maupun agen yang memanggil API ini atas nama mereka.

Batasan

Artikel ini menjelaskan pola umum dalam versi dan deprekasi model berdasarkan bagaimana parameter permintaan didokumentasikan dalam quickstart API OpenAI dan bagaimana permukaan model publik TokenLab disusun. Artikel ini tidak menyatakan tanggal deprekasi spesifik, jendela penghentian, atau perubahan harga untuk model apa pun, karena detail tersebut dikendalikan oleh penyedia, sering berubah, dan tidak ditetapkan dalam sumber yang digunakan di sini. Sebelum Anda mengandalkan tanggal pemutusan atau perilaku cadangan tertentu, konfirmasikan secara langsung terhadap dokumentasi penyedia yang relevan saat ini.

FAQ

Apakah mengunci versi model menjamin model tersebut tidak akan pernah dideprekasi? Tidak. Mengunci ke pengidentifikasi bertanggal tertentu menghindari pergeseran diam-diam dari alias bergulir, tetapi penyedia masih dapat menghentikan versi tersebut berdasarkan jadwalnya sendiri. Mengunci memberi Anda mode kegagalan yang dapat diprediksi (error pada tanggal yang diketahui) alih-alih yang tidak dapat diprediksi (perubahan perilaku diam-diam).

Bagaimana saya tahu kapan model yang saya andalkan akan dideprekasi? Periksa dokumentasi penyedia spesifik dan halaman deprekasi atau changelog secara langsung, karena jadwal bersifat spesifik untuk penyedia dan berubah. Perlakukan ringkasan pihak ketiga mana pun, termasuk artikel ini, sebagai titik awal untuk verifikasi alih-alih sumber tanggal yang tepat.

Haruskah saya selalu menggunakan versi model terbaru yang tersedia? Tidak secara otomatis. Versi yang lebih baru dapat mengubah format output, perilaku pemanggilan alat, jendela konteks, atau biaya. Uji kandidat pengganti terhadap rangkaian prompt dan pemanggilan alat Anda yang ada sebelum mengalihkan lalu lintas produksi, terutama untuk agen pengodean dan alur kerja output terstruktur.

Untuk memeriksa apakah ID model masih terdaftar sebagai saat ini, gunakan Model Data Center TokenLab sebagai referensi pengidentifikasi titik waktu. Ini bukan dokumentasi penyedia atau layanan pemberitahuan deprekasi, jadi konfirmasikan tanggal penghentian terhadap pemberitahuan penyedia itu sendiri.