OpenAI släcker ned o3 – allt kortare varsel när modeller pensioneras

OpenAI har nu pensionerat resonemangsmodellen o3 i ChatGPT. Avvecklingen skedde efter en 90-dagarsperiod där modellen låg kvar som legacy-alternativ, och enligt OpenAI:s Model release notes är den inte längre valbar i modellväljaren. Samtidigt stängs den officiella DALL·E-GPT:n ned – användare uppmanas ladda ner bilder de vill behålla innan den försvinner.

Det är inte nedstängningen i sig som är den stora nyheten. Det är takten.

90 dagar, 30 dagar – och sedan bara en notis

o3 fick tre månaders varsel. GPT-4.5 fick 30 dagar innan den togs bort ur ChatGPT. Och GPT-5.1-modellerna har redan ersatts av GPT-5.3 Instant och GPT-5.4 Thinking respektive Pro, där befintliga konversationer migrerats automatiskt till de nya modellerna utan att användaren behöver göra något.

Automatisk migrering låter bekvämt, och för den som chattar sporadiskt är det precis det. Men för alla som byggt något ovanpå en specifik modellversion är det motsatsen till bekvämt. Ett prompt-bibliotek som finjusterats mot en modells egenheter kan bete sig annorlunda dagen efter en migrering – utan att en enda rad kod ändrats hos dig.

Mönstret går att följa i ChatGPT release notes och i sammanställningar som Releasebot, som loggar OpenAI:s uppdateringar löpande. Bilden som växer fram: livslängden på en enskild modellversion krymper, och avvecklingsfönstren med den.

Varför det här är en driftrisk, inte en teknikdetalj

Väldigt många svenska organisationer har det senaste året byggt in ChatGPT eller OpenAI:s API i vardagen. Kundtjänstsvar, sammanfattning av ärenden, dokumentgranskning, kodgenerering. Ofta har någon lagt ner rejält med tid på att få prompten att göra exakt rätt sak.

Problemet: den kvaliteten är kalibrerad mot en modell. När modellen byts ut kan tonläge, formatering, längd och följsamhet mot instruktioner förskjutas. Inte nödvändigtvis till det sämre – men annorlunda. Och "annorlunda" är illa nog om utdatan matas vidare in i ett annat system som förväntar sig ett visst format.

Det är värre för den som byggt en produkt än för den som chattar. Har du en tjänst i produktion mot en specifik modellsträng behöver du veta i god tid när den slutar fungera. 30 dagar är inte mycket i en organisation med förändringsråd, testmiljöer och en release-kalender.

Fyra saker att göra nu

1. Inventera var modellversioner är hårdkodade. Gå igenom kod, automationer, no-code-flöden och interna GPT:er. Skriv ner exakt vilka modellsträngar som används och vem som äger dem. Många organisationer vet faktiskt inte det idag.

2. Bygg ett regressionstest för dina prompter. Tio till trettio typiska indata med förväntat utfall. Kör dem mot en ny modell innan du byter. Då ser du på en halvtimme vad som annars upptäcks av en irriterad kund.

3. Abstrahera modellvalet. Lägg ett tunt lager mellan din applikation och leverantören så att modellnamnet är en konfigurationsparameter, inte något som ligger utspritt på fyrtio ställen. Det gör också att du kan testa en annan leverantör utan att skriva om något.

4. Prenumerera på release notes. Både ChatGPT- och modellsidorna hos OpenAI uppdateras löpande. Låt någon ha det som faktisk arbetsuppgift, inte som något man kollar när det redan smäller.

Frågan om leverantörsberoende blir konkret

Diskussionen om öppna kontra proprietära modeller har länge handlat om pris och prestanda. Den här typen av avvecklingar flyttar den till kontroll: en öppen modell du kör själv försvinner inte för att någon annan bestämt det. Vi har gått igenom avvägningarna i öppen källkod mot proprietära AI-modeller, och argumentet om driftsäkerhet väger tyngre nu än för ett år sedan.

Samma logik gäller för dig som automatiserat arbetsflöden med agenter – där sitter modellberoendet ofta ännu djupare in i kedjan. Vår genomgång av hur svenska företag bygger AI-agenter tar upp varför lösa kopplingar lönar sig. Och för den som vill veta vad de nyare modellerna faktiskt levererar finns vårt test av GPT-5.

Glöm inte bilderna

En konkret sak att göra idag: har du bilder i den officiella DALL·E-GPT:n som du vill behålla, ladda ner dem. När en GPT stängs ned är historiken inte garanterad att finnas kvar. Samma sak gäller egentligen allt du producerat i ett gränssnitt du inte äger – behandla det som lån, inte lagring. Behöver du nya bildidéer istället har vi samlat tio virala ChatGPT-bildtrender och prompterna.

Takeaway: Utgå från att varje modell du använder försvinner inom ett år, och att varslet blir kortare för varje gång. Bygg därefter – ett testbibliotek och ett abstraktionslager tar en eftermiddag att sätta upp och sparar dig veckan då modellen du litade på plötsligt inte finns i listan längre.