Michael JohnsonUtvecklare som lagrar utvärderingar av modellkvalitet på OpenAI-plattformen Evals kan sedan den 31 oktober 2026 visa befintliga utvärderingar, men inte redigera dem. OpenAI har planerat att stänga gränssnittet och API:t den 30 november. Det rör sig om två olika steg i övergången: det finns fortfarande tid att spara det material som behövs, men därefter ska plattformen sluta fungera. Ändringen gäller den värdbaserade Evals-tjänsten, inte själva metoden att utvärdera modeller – tidsplanen anges i OpenAIs lista över produkter som fasas ut.
Vad ändrades den 31 oktober?
Sedan den 31 oktober är befintliga utvärderingar endast tillgängliga i skrivskyddat läge. Evals-gränssnittet och API:t ska stängas den 30 november. Dokumentationen beskriver en övergångsperiod, men lovar inte att användarnas utvärderingar automatiskt flyttas till en annan produkt.
Medan materialet fortfarande är tillgängligt är det klokt att spara de uppgifter som behövs för att upprepa kontrollerna: testexempel, instruktioner till promptar, förväntade svar, inställningar för graderare och resultat från körningar. Det här är en praktisk rekommendation inför migreringen, inte en lista över garanterade exportformat: kontrollera exakt vad som är tillgängligt för ert team och att de sparade filerna går att öppna utanför Evals-gränssnittet.
Vilka alternativ till Evals erbjuder OpenAI?
Dokumentationen föreslår två möjliga arbetssätt. Datasets på OpenAI-plattformen är avsedda för snabba iterationer: teamet lägger till exempel, testar promptvarianter, utvärderar resultaten och använder vid behov graderare. Bland de beskrivna typerna finns exakt strängmatchning, bedömning av textlikhet, modellbaserade graderare och körning av Python-kod.
För att konfigurera utvärderingar programmatiskt beskriver dokumentationen Evals API. Enligt OpenAIs tidsplan ska dock även själva API:t, liksom gränssnittet, stängas den 30 november. Därför bör det ses som en beskrivning av det tidigare arbetsflödet, inte som en långsiktig ersättning för plattformen.
Börja migreringen med en inventering: vilken uppgift hanterade varje utvärderingsuppsättning – manuell jämförelse av promptar, automatiserade tester i en releasepipeline eller batchkörning? OpenAI rekommenderar Datasets för snabba iterationer med exempel. För API-beroende scenarier och storskaliga körningar behöver teamet välja och testa ett annat arbetsflöde som stöder de nödvändiga åtgärderna och lagringen av resultat.
Vad bör sparas före stängningen?
Gör en lista över det material som behövs för att upprepa utvärderingarna: indataexempel, förväntade svar, prompttexter, kriterier och inställningar för graderare samt resultat från körningar som är viktiga för jämförelser. Testa sedan den valda ersättningen genom att köra en mindre uppsättning tester och kontrollera att utvärderingskriterierna och tolkningen av resultaten fortfarande är jämförbara.
Referensdata och utvärderingsregler hjälper till att återskapa kontroller efter övergången. Om teamet har använt externa modeller, API-körningar eller stora datamängder bör dessa krav ingå i kriterierna för nästa verktyg. OpenAIs dokumentation beskriver funktionerna i Datasets och det tidigare Evals API:t, men bekräftar inte att alla tidigare arbetssätt automatiskt kan flyttas till Datasets.
Kontrollera vilka sparmetoder som finns tillgängliga för ert konto och öppna de sparade filerna utanför Evals före den planerade stängningen. Testet visar om viktiga teamdata faktiskt har bevarats, utan antaganden om exportformat eller automatisk migrering som dokumentationen inte utlovar.
Vilka berörs av övergången?
Tidsfristerna är viktiga för utvecklare som har skapat eller kört utvärderingar via Evals-gränssnittet och för team som är beroende av Evals API. Enligt OpenAIs tidsplan ska båda plattformens delar stängas den 30 november 2026; dokumentationen anger inte att det tillhörande API:t fortsätter att vara tillgängligt efter det datumet.
Det praktiska rådet är att spara nödvändigt testmaterial och resultat och sedan prova den nya utvärderingsprocessen på ett mindre urval. Då kan teamet fortsätta jämföra modeller och promptar utan att vara bundet till plattformen som ska stängas.
