Meta Llama 3.2, Llama 3.3 & Llama 4 弃用状态、停服日期与迁移指南
追踪 Meta Llama 3.2, Llama 3.3 & Llama 4(Meta)在 AWS Bedrock, Azure OpenAI 中已确认的 UTC 弃用与停服日期。可在下方本地预览 meta.llama3-2-90b-instruct-v1:0 → meta.llama4-maverick-17b-instruct-v1:0 升级替换差异,前往模型配置审计工具扫描完整配置,或在 DevToken 测算调用成本。
1. 快速 .env 与 SDK 配置替换匹配器
在下方编辑或粘贴你的 .env 变量赋值、LiteLLM 路由条目或 SDK 模型标识符,即可在浏览器本地实时检测三态 EOL 状态并一键复制可直接应用的替换 diff。
替换差异预览(meta.llama3-2-90b-instruct-v1:0 → meta.llama4-maverick-17b-instruct-v1:0)
# BEDROCK_MODEL_ID: meta.llama3-2-90b-instruct-v1:0 -> meta.llama4-maverick-17b-instruct-v1:0 [RETIRED · EOL 2026-07-07]
- BEDROCK_MODEL_ID="meta.llama3-2-90b-instruct-v1:0"
+ BEDROCK_MODEL_ID="meta.llama4-maverick-17b-instruct-v1:0"
# AZURE_OPENAI_DEPLOYMENT: Llama-4-Maverick-17B-128E-Instruct-FP8 -> meta.llama4-maverick-17b-instruct-v1:0 [DEPRECATED · EOL 2026-11-19]
- AZURE_OPENAI_DEPLOYMENT="Llama-4-Maverick-17B-128E-Instruct-FP8"
+ AZURE_OPENAI_DEPLOYMENT="meta.llama4-maverick-17b-instruct-v1:0"
2. 跨生态 Meta Llama 3.2, Llama 3.3 & Llama 4 生命周期矩阵(12)
厂商直连 API 与各大云托管平台按各自独立的时间表下线日期快照。请在下方核对与你生产环境完全一致的模型 ID、厂商阶段标签及 UTC 停服日期。
| 模型 ID | 提供商 | 计算状态 | 确认停服日期(UTC) | 厂商原始阶段 | 替代模型与迁移 | 来源 |
|---|---|---|---|---|---|---|
Llama-4-Maverick-17B-128E-Instruct-FP8 |
Azure OpenAI | 已弃用(7 天) | 2026-11-197 天后 | GA | —审计 → |
文档 ↗ |
Llama-3.3-70B-Instruct |
Azure OpenAI | 已弃用(80 天) | 2027-01-3180 天后 | GA | —审计 → |
文档 ↗ |
Llama-4-Scout-17B-16E-Instruct |
Azure OpenAI | 已弃用(80 天) | 2027-01-3180 天后 | GA | —审计 → |
文档 ↗ |
meta.llama3-3-70b-instruct-v1:0 |
AWS Bedrock(Meta) | 已弃用(138 天) | 2027-03-30138 天后 | Legacy弃用:2026-09-30us-east-1, us-east-2, us-west-2 | —审计 → |
文档 ↗ |
meta.llama4-maverick-17b-instruct-v1:0 |
AWS Bedrock(Meta) | 已弃用(138 天) | 2027-03-30138 天后 | Legacy弃用:2026-09-30us-east-1, us-east-2, us-west-1, us-west-2 | —审计 → |
文档 ↗ |
meta.llama4-scout-17b-instruct-v1:0 |
AWS Bedrock(Meta) | 已弃用(138 天) | 2027-03-30138 天后 | Legacy弃用:2026-09-30us-east-1, us-east-2, us-west-1, us-west-2 | —审计 → |
文档 ↗ |
meta.llama3-2-11b-instruct-v1:0 |
AWS Bedrock(Meta) | 已停服 | 2026-07-07128 天前 | EOL弃用:2026-01-07us-east-1, us-east-2, us-west-2 | —审计 → |
文档 ↗ |
meta.llama3-2-1b-instruct-v1:0 |
AWS Bedrock(Meta) | 已停服 | 2026-07-07128 天前 | EOL弃用:2026-01-07eu-central-1, eu-west-1, eu-west-3, us-east-1, us-east-2, us-west-2 | —审计 → |
文档 ↗ |
meta.llama3-2-3b-instruct-v1:0 |
AWS Bedrock(Meta) | 已停服 | 2026-07-07128 天前 | EOL弃用:2026-01-07eu-central-1, eu-west-1, eu-west-3, us-east-1, us-east-2, us-west-2 | —审计 → |
文档 ↗ |
meta.llama3-2-90b-instruct-v1:0 |
AWS Bedrock(Meta) | 已停服 | 2026-07-07128 天前 | EOL弃用:2026-01-07us-east-1, us-east-2, us-west-2 | —审计 → |
文档 ↗ |
Llama-3.2-11B-Vision-Instruct |
Azure OpenAI | 已停服 | 2026-06-13152 天前 | Retired | —审计 → |
文档 ↗ |
Llama-3.2-90B-Vision-Instruct |
Azure OpenAI | 已停服 | 2026-06-13152 天前 | Retired | —审计 → |
文档 ↗ |
AWS Bedrock 区域范围覆盖已追踪的 7 个区域(eu-central-1, eu-west-1, eu-west-3, us-east-1, us-east-2, us-west-1);流量切换前请务必核验跨区域推理前缀(us.、eu.、apac.、global.)。
3. 生产环境迁移核查清单(meta.llama3-2-90b-instruct-v1:0 → meta.llama4-maverick-17b-instruct-v1:0)
在生产服务与 SDK 客户端下线固定模型快照前,建议遵循以下确定性工程步骤完成验证:
- 盘点已固定的模型 ID:全局检索代码库与部署清单中的
BEDROCK_MODEL_ID、LiteLLMbedrock/路由及 Meta Llama 3.2, Llama 3.3 & Llama 4 家族快照字符串(当前追踪 6 项弃用、6 项停服、0 项可用)。 - 评估继任模型质量与 Token 单价:在
meta.llama4-maverick-17b-instruct-v1:0上验证结构化输出 Schema、工具调用载荷与响应延迟,并在 DevToken 中对比输入、输出与缓存命中费率。 - 接入免密钥 CI 门禁保护:将 RSS、Atom、iCal 订阅源与 CI 守卫接入合并请求检查,防止已停服或已弃用的 Meta Llama 3.2, Llama 3.3 & Llama 4 标识符重新流入生产分支。
4. 相关 Meta 与跨生态迁移指南
对比同系列相邻模型家族,或查看托管该家族的各大生态完整生命周期时间表:
5. Meta Llama 3.2, Llama 3.3 & Llama 4 弃用与升级常见问题
Meta Llama 3.2, Llama 3.3 & Llama 4 在 AWS Bedrock, Azure OpenAI 中是否已被弃用或停服?
LLMEOL 在 AWS Bedrock, Azure OpenAI 中共追踪 12 个 Meta Llama 3.2, Llama 3.3 & Llama 4 变体,其中 6 个处于已公布停服计划的已弃用状态,6 个已超过 UTC EOL 日期并停服,0 个正常可用且未公布停服日期。请查阅上方跨生态矩阵了解各快照的精确日期。
从 meta.llama3-2-90b-instruct-v1:0 迁移时推荐升级到哪个替代模型?
meta.llama3-2-90b-instruct-v1:0 的首选推荐升级目标为 meta.llama4-maverick-17b-instruct-v1:0。在切换生产流量前,请务必在 meta.llama4-maverick-17b-instruct-v1:0 上回归测试提示词格式、最大输出长度与工具调用结构,并在 DevToken 中对比 Token 计费成本。
如何安全替换 .env 与 LiteLLM 配置文件中的 meta.llama3-2-90b-instruct-v1:0?
将你的 BEDROCK_MODEL_ID 赋值语句或 LiteLLM 模型配置块粘贴至本页的快速替换匹配器即可生成精确 diff,或打开完整本地模型配置审计工具在零网络上传的前提下扫描多服务配置文件。