Modelo Kimi K2.7 do Moonshot AI tem data de desativação agendada
O modelo Kimi K2.7 será aposentado em 30 de outubro de 2026 e a recomendação é migrar para o Kimi K3.
O que mudou
O modelo Kimi K2.7 do Moonshot AI foi marcado para desativação no Databricks. A partir de 30 de outubro de 2026, ele deixará de funcionar e será removido das APIs de Modelos de Fundação.
Para que serve
Ajuda a identificar cargas de trabalho ativas que dependem do modelo Kimi K2.7 para planejar a migração antes da data limite.
Como usar
Execute a consulta SQL abaixo para localizar endpoints e usuários que utilizam o modelo descontinuado.
SELECT
eu.requester,
se.endpoint_name,
se.entity_name,
COUNT(*) AS request_count,
SUM(eu.input_token_count) AS total_input_tokens,
SUM(eu.output_token_count) AS total_output_tokens,
MIN(eu.request_time) AS first_request,
MAX(eu.request_time) AS last_request
FROM system.serving.endpoint_usage eu
JOIN system.serving.served_entities se
ON eu.served_entity_id = se.served_entity_id
WHERE LOWER(se.entity_name) LIKE '%kimi-k2.7%'
GROUP BY eu.requester, se.endpoint_name, se.entity_name
ORDER BY request_count DESC
O que acontece nesse código:
- Conecta os dados de uso de endpoints com as entidades servidas no catálogo de sistema.
- Filtra pelo nome do modelo que será desativado.
- Agrupa o volume de chamadas por usuário e nome do endpoint para auditoria.
Limitações e requisitos
O modelo Kimi K2.7 será totalmente descontinuado em 30 de outubro de 2026. A migração para o Kimi K3 deve ser feita antes dessa data para evitar interrupções nos fluxos.
Como aplicar num pipeline
Substitua a referência ao Kimi K2.7 por Kimi K3 nas configurações de inferência e nos prompts utilizados por aplicações de IA em produção.
- foundation model apis
- ai_query
- mlflow
- model serving
Moonshot AI Kimi K2.7 is scheduled for retirement
Resumo e explicação gerados por IA a partir da release note oficial. Em caso de dúvida, a documentação oficial da plataforma prevalece.
Relacionadas
- DatabricksGA
Repositórios de pacotes em nível de workspace para Databricks Apps
Administradores de workspace podem configurar repositórios padrão de pacotes Python e npm para Databricks Apps.
databricks apps · workspace settings - DatabricksGA
Redimensione partições de stateful streaming sem perder o checkpoint no Databricks
Agora é possível alterar o número de partições de shuffle em queries Structured Streaming e pipelines Lakeflow sem descartar o estado do checkpoint.
structured streaming · lakeflow - DatabricksAtualização
Google Gemini 4 Argon disponível no Unity Gateway do Databricks
O modelo multimodal Google Gemini 4 Argon já pode ser acessado via Foundation Model APIs e Unity Gateway.
unity catalog · foundation model apis