OpenAI 关停微调 API：定制时代落幕，初创公司失去护城河

产品更新

OpenAI 宣布全面关停自助微调服务，新用户即刻停用，老用户最迟用到 2027 年 1 月。官方理由是 GPT-5.5 已经够强，Prompt + RAG 可覆盖绝大多数场景。但这背后是底层接口的收缩，初创团队基于微调建立壁垒的路径就此被堵死。

一封邮件，关掉了一条产业链

2026 年 5 月 8 日，OpenAI 给开发者发了一封措辞克制的邮件：自助微调（Fine-tuning）API 即将全面下线。新用户从即日起就别想再创建任务了，存量活跃用户能用到 2027 年 1 月 6 日；至于那些已经训练好、跑在生产环境的微调模型，命运和底层基座绑定——基座一旦退役，模型立刻停止推理。

这不是一次普通的产品调整。自助微调 API 自 2023 年 8 月 GPT-3.5 时代上线以来，已经被数千家组织用来训了几十万个模型。Indeed 用它把推荐 token 数砍掉 80%、月推送从不到 100 万条干到 2000 万条；Harvey 借助定制模型让律师在 97% 的场景下更愿意用它而非 GPT-4。如今，这条被无数初创团队当作"垂直行业起手式"的路径，被 OpenAI 亲手关上了。

OpenAI 关停微调 API 公告示意

OpenAI 的官方说法：你不需要微调了

邮件里给的理由很"OpenAI"——

新一代基座模型（GPT-5.5）在指令遵循和格式控制上已经足够强大，相比昂贵且笨重的微调，Prompt 工程 + RAG（检索增强）更便宜、更快、覆盖面更广，足以解决绝大多数场景。

这话听起来政治正确，技术上也确实有几分道理。GPT-5.5 这一代模型在长上下文（已经稳定支持 1M token）、JSON Schema 严格输出、工具调用这些"以前必须微调才能稳"的能力上，确实已经做到了开箱即用。配合 OpenAI 自家的 Responses API 和向量存储，Prompt + RAG 的工程组合现在能覆盖 80% 以上的常见场景。

但"绝大多数"不是"全部"，这恰恰是问题所在。

微调到底解决什么 Prompt 解决不了的事？

搞过严肃产品的人都明白，微调和 Prompt 是两个层次的事：

  • 风格与语气的内化：医疗、法律、金融这些行业，用词的精确度不是塞几条 few-shot 能稳住的。Harvey 当年喂了100 亿 token 的法律语料才让模型"像律师一样说话"，这种深度无法用上下文窗口替代。
  • token 成本的结构性压缩：Indeed 的案例就是教科书——把指令"烧"进权重里，prompt 从几千 token 缩到几百，规模化之后省下来的是真金白银。
  • 小语种与垂直语料：SK Telecom 在韩语电信客服场景里，微调后意图识别提升 33%、满意度从 3.6 拉到 4.5，这种领域差距 RAG 补不上来，因为问题不在"知识"而在"表达分布"。
  • 延迟敏感场景：微调后的小模型可以做到几十毫秒级响应，而塞满 RAG 上下文的大模型动辄秒级延迟。

换句话说，OpenAI 说"你不需要微调"，约等于说"绝大多数客户不值得我为之维护这条产品线"。

真实原因：底层接口的战略收缩

科技媒体 Startup Fortune 的判断我比较认同：这是 OpenAI 在主动收缩它的底层模型接口。

过去两年里，OpenAI 已经悄悄做了几件类似的事：

  1. 从 GPT-5.4 开始，不再发布单独的 -chat 系列 API 模型，开发者只能用统一的产品化接口；
  2. Assistants API 在 2025 年中被合并进 Responses API，参数自由度下降；
  3. logprobs、embedding 维度自定义等"底层把手"陆续收回；
  4. 现在轮到了微调。

这是一条非常清晰的产品哲学迁移：OpenAI 不再希望你把它当"模型供应商"，而是希望你把它当"AI 产品平台"。它要的是垂直一体化——你用 ChatGPT、用 GPT Store、用它的 Agent Builder，而不是拿走它的权重去做你自己的差异化产品。

对 OpenAI 自己来说，这笔账很划算：

  • 微调服务的 GPU 占用极不经济，一个长尾客户的训练任务可能挤占本可以服务千万次推理的算力；
  • 维护多版本基座 + 海量定制权重的工程复杂度极高；
  • 而通用基座越强，定制需求的边际价值越低。

初创公司的护城河，正在被填平

问题在于另一边。

过去三年，围绕 OpenAI 生态，有相当一批初创公司的技术叙事是这样的：

"我们用专有数据微调了 GPT-3.5/4，在 XX 垂直场景下比通用模型好 30%。"

这种"轻量定制壁垒"是很多 YC 项目能拿融资的核心叙事。微调 API 一关，这个叙事直接破产。

剩下的选项不多：

路径 现实问题
转向 Prompt + RAG 没有壁垒，竞品复制只需一周
走 OpenAI 的 Custom Model 计划 起步报价百万美元级，初创公司玩不起
转投开源（Llama、Qwen、DeepSeek） 自建训练和推理栈，团队和成本陡增
用 Anthropic、Google 的微调 Claude 至今没开放公开微调，Gemini 的微调也在收紧

这就是 Startup Fortune 那句话的分量——"这改变了创业剧本"。当底层定制路径关闭，OpenAI 生态里的初创团队要么向上做应用层（卷 UI 和工作流），要么向下逃到开源（自建模型能力）。中间那条最舒服的"在巨人肩膀上做微调"的路，没了。

微调关停后初创公司的路径选择

给开发者的几条务实建议

如果你团队里现在还有跑在 OpenAI 微调模型上的生产业务，时间其实没那么充裕。基座退役通常提前 6 个月通知，意味着你最晚需要在 2026 年底之前完成迁移评估。

短期（3 个月内）：

  • 把所有依赖微调模型的链路盘一遍，标注它们对"格式稳定性"和"风格一致性"的依赖度；
  • 对每个微调任务做一次 GPT-5.5 + 精细 Prompt 的对照实验，很多场景你会发现确实可以平替；
  • 把训练数据备份好——这些数据在你转向开源方案时仍然是核心资产。

中期（6-12 个月）：

  • 高敏感、高定制度的业务，开始评估 Qwen3、DeepSeek-V4、Llama 4 这些开源底座的微调可行性；
  • 推理侧考虑多模型路由架构，不要把单一供应商当作架构假设。

顺便提一句，多模型路由这件事，OpenAI Hub 这类聚合平台目前是比较省事的方案——一个 Key 同时调 GPT-5.5、Claude、Gemini、DeepSeek，国内直连，OpenAI 格式兼容。在你重构架构、做 A/B 评测的过渡期，至少能省掉一堆账号和网络的折腾。

一个时代的注脚

2023 年 8 月微调 API 上线时，OpenAI 写的产品博客标题是《让开发者更精准地掌控模型》。三年后，同一家公司宣布关停时的措辞是《Prompt 已经足够》。

这中间发生的，不只是一个 API 的生死，更是 AGI 公司心智模型的转变——当基座足够强，定制就成了一种"低效的浪费"。这个判断对不对，要看接下来一年里，那些被踢出微调俱乐部的初创公司，能不能在 Prompt + RAG 的红海里找到新护城河；也要看 Anthropic、Google、以及国内的开源阵营，会不会顺势接住这一波被释放出来的定制需求。

模型定制的"平民时代"结束了。下一个时代是什么样，可能比这次关停本身更值得关注。

参考来源