OpenAI přepnula Evals do režimu pouze pro čtení: vývojáři by si měli uložit své evaluace

Vývojáři, kteří na platformě OpenAI Evals uchovávají testy kvality modelů, mohou od 31. října 2026 existující evaluace prohlížet, ale ne upravovat. OpenAI naplánovala vypnutí rozhraní i API na 30. listopadu. Jde o dvě různé fáze přechodu: nyní zbývá čas na uložení potřebných materiálů, poté má platforma přestat fungovat. Změna se týká hostované služby Evals, nikoli samotné praxe evaluace modelů — takový termín uvádí seznam zastarávajících produktů OpenAI.

Co se změnilo 31. října

Od 31. října jsou stávající evaluace dostupné pouze pro čtení. Vypnutí rozhraní Evals a API je naplánováno na 30. listopadu. Dokumentace popisuje přechodné období, neslibuje však automatický převod uživatelských evaluací do jiného produktu.

Dokud jsou materiály dostupné, je užitečné uložit data potřebná k opakování kontrol: testovací příklady, instrukce k promptům, očekávané odpovědi, nastavení hodnoticích modulů a výsledky běhů. Jde o praktické doporučení pro migraci, nikoli o seznam zaručených formátů exportu: ověřte, co přesně má váš tým k dispozici a zda lze uložené soubory otevřít mimo rozhraní Evals.

Jaké možnosti OpenAI nabízí místo Evals

Dokumentace doporučuje zvážit dva scénáře. Datasets na platformě OpenAI jsou určeny pro rychlé iterace: tým přidává příklady, spouští varianty promptů, vyhodnocuje výsledky a podle potřeby používá hodnoticí moduly. Mezi popsané typy patří přesné porovnání řetězců, hodnocení podobnosti textů, modelové hodnoticí moduly a spouštění kódu v Pythonu.

Pro programové nastavení evaluací dokumentace popisuje Evals API. Podle harmonogramu OpenAI je však i samotné API, stejně jako rozhraní, naplánováno k vypnutí 30. listopadu. Je proto vhodné chápat ho jako popis dosavadního pracovního postupu, nikoli jako dlouhodobou náhradu platformy.

Přenos je nejlepší začít inventurou: jaký účel měla každá sada — ruční porovnávání promptů, automatický test v nasazovacím procesu, nebo dávkové spouštění? Pro rychlé iterace s příklady OpenAI nabízí Datasets. U scénářů závislých na API a rozsáhlých úloh bude tým muset vybrat a ověřit jiný pracovní postup, který zajistí potřebné operace a ukládání výsledků.

Co uložit před vypnutím

Sestavte seznam materiálů potřebných k opakování evaluací: vstupní příklady, očekávané odpovědi, texty promptů, kritéria a nastavení hodnoticích modulů i výsledky běhů důležité pro porovnání. Poté proveďte kontrolní test ve zvolené náhradě: zopakujte menší sadu testů a ověřte, že hodnoticí kritéria i interpretace výsledků zůstávají srovnatelné.

Referenční data a pravidla hodnocení pomáhají po přechodu test zopakovat. Pokud tým používal externí modely, běhy přes API nebo rozsáhlé sady, zahrňte tyto požadavky do kritérií výběru dalšího nástroje. Dokumentace OpenAI popisuje možnosti Datasets a dosavadního Evals API, nepotvrzuje však, že lze každý dřívější scénář automaticky převést do Datasets.

Ověřte, jaké způsoby uložení jsou dostupné pro váš účet, a získané soubory otevřete mimo Evals ještě před plánovaným vypnutím. Tento test ukáže, zda se podařilo zachovat data důležitá pro tým, aniž by bylo nutné předpokládat formát exportu nebo automatickou migraci, které dokumentace neslibuje.

Koho se přechod týká

Termíny jsou důležité pro vývojáře, kteří vytvářeli nebo spouštěli evaluace prostřednictvím rozhraní Evals, i pro týmy závislé na Evals API. Podle harmonogramu OpenAI mají být obě části platformy vypnuty 30. listopadu 2026; dokumentace neuvádí, že související API zůstane po tomto datu dostupné.

Praktickým krokem je uložit potřebné testovací materiály a výsledky a poté ověřit nový proces evaluace na malém vzorku. Tým tak bude moci pokračovat v porovnávání modelů a promptů, aniž by byl závislý na platformě, která končí.