代码没写模型名,也可能调用退役模型
文章指出,模型 SDK 的默认参数可能隐式选择即将停用的模型,导致仅扫描仓库内模型标识的检查漏报。作者通过 Since 工具的排查经历,讨论追踪依赖默认值的必要性。
AI 深度解读
代码里没有模型名,调用却可能落到已经退役的模型上。Since 作者发现,自己的扫描工具能追踪常量、别名和工厂函数,却漏掉了最普通的空参数构造:模型由依赖库默认选择,项目里根本没有可搜索的 ID。
这篇文章的价值,是把一个排查盲区讲透了:模型退役检查需要同时理解调用代码、依赖版本和实际平台。作者先补上默认值分析,又被跨包转导出绊了一次。对使用 LangChain 的 Node 项目,这套排查思路可以直接借鉴。
没写模型名,为什么仍然会调用旧模型
原文给出的入口很普通:new ChatOpenAI() 和 new ChatAnthropic()。没有显式配置,不代表没有选择;选择发生在依赖包内部。
ChatOpenAI 构造函数的关键逻辑是 this.model = fields?.model ?? fields?.modelName ?? this.model;。它先读调用者传入的 model,再读 modelName,都没有就沿用类字段里的默认值。
作者检查时,npm 上最新的 @langchain/openai 1.8.4 默认使用 gpt-3.5-turbo;@langchain/anthropic 1.6.5 默认使用 claude-sonnet-4-5-20250929。按原文提供的日期,前者已于 2026 年 10 月 23 日退役,后者将在 11 月 30 日退役。
作者在新目录里安装固定版本,避免复现结果被后续更新改变:
npm init -y
npm i @langchain/openai@1.8.4 @langchain/anthropic@1.6.5
这里要看清第二行:结论对应这些具体版本,不能直接外推到其他版本。
下面的脚本读取实例字段,验证库实际填入了什么:
// defaults.mjs
import { ChatOpenAI } from "@langchain/openai";
import { ChatAnthropic } from "@langchain/anthropic";
const openai = new ChatOpenAI({ apiKey: "not-a-real-key" });
const anthropic = new ChatAnthropic({ apiKey: "not-a-real-key" });
console.log("ChatOpenAI sends: ", openai.model);
console.log("ChatAnthropic sends:", anthropic.model);
要关注最后两行:它们只读取 .model。作者在 Node 24 下执行 node defaults.mjs,得到上述两个模型 ID,没有发送请求。因此,这个实验验证了默认字段值,不能当作接口退役后实际响应的测试。
同一套框架的不同语言包也不能混为一谈。作者检查的 Python 包 langchain-openai 1.8.3 和 langchain-anthropic 1.7.11 都没有默认模型,后者还要求必须提供 model。
扫描器为什么必须读懂依赖版本和平台
Since 原先的强项,是从项目代码中追踪模型 ID。即使经过常量、别名、聚合导出、继承成员或工厂函数,它也能找到对应位置。
漏洞藏在前提里:模型 ID 必须出现在项目中。
第一轮修复因此转向依赖源码。Since 按版本解析包文件,不执行代码,记录哪些类或函数提供了调用者可以覆盖的模型默认值,再检查项目调用是否已经指定模型。
这不是搜到字符串就算完成。分析器需要确认值如何进入字段:经过构造函数、super(),还是组装参数的辅助函数。Python 中还可能出现 model_name: str = Field(default="gpt-3.5-turbo", alias="model"),内部字段名和外部参数名并不相同。路径看不清,就不宣称找到了默认值。
默认模型属于具体依赖版本,也属于具体服务平台。
例如,旧版 @langchain/anthropic 0.2.14 默认使用 claude-2.1。判断 new ChatAnthropic() 调用什么,要读取锁文件实际解析出的版本。
平台同样影响退役日期。AzureChatOpenAI 使用 Azure,不能直接套用 OpenAI 的时间表。原文还指出,claude-sonnet-4-5 在 Claude API 的退役日是 11 月 30 日,在 Amazon Bedrock 则是 2027 年 4 月 8 日。
作者把第一轮修复用在一个公开 RAG 起步项目上,在第 9、10 行发现了没有模型参数的两个构造调用,分别指向 gpt-3.5-turbo 和 claude-2.1。这次验证说明,盲区确实存在于实际项目中。
为什么修复上线一天,又漏报了
11 月 19 日上线后,下一个公开仓库暴露了第二个问题:它从 langchain/chat_models/openai 导入 ChatOpenAI,而非直接从 @langchain/openai 导入。
langchain 0.1.28 会把另一个包中的类重新导出。扫描器按导入入口查规则,默认值却记录在来源包上,两边没有接通。
第二轮修复开始记录包如何转导出已声明依赖中的对象,最多沿链追踪三层包关系。只有沿途每个包都能匹配到实际解析的版本,调用才会被认定。
需要识别的形式也不少:ES 的 export { A } from、export *,TypeScript 生成的 CommonJS getter,以及 Python 的 __all__ 和模块级 __getattr__。旧版 Python langchain 0.1 就用后者动态提供其他包的类。
作者还发现,langchain-community 0.0.38 有 580 个类,其基类根本不承载模型。Since 会跳过这类子类,避免生成无法匹配实际调用的规则。
修复后的报告能串起完整原因:调用未提供 modelName,langchain 0.1.28 转导出了 @langchain/openai 的类,而实际解析到的 @langchain/openai 0.0.22 默认使用 gpt-3.5-turbo。
对应的修复 PR 直接在调用处设置 model。升级依赖未必有效,因为作者检查时,最新包仍然使用那个旧默认值。
我的判断
作者抓住的问题成立:只检查业务代码中的显式配置,覆盖不了依赖替你作出的决定。对于模型这种有退役时间的外部服务,把选择写进项目配置,也更方便评审和追踪。
但证据边界需要分开。默认字段有本地运行结果,漏报有公开仓库案例;模型退役日期则是原文给出的信息。文章没有展示真实请求结果,也没有提供大规模扫描的准确率、漏报率,或与其他工具的对照数据,不能据此判断 Since 已经覆盖得多完整。
三层追踪上限也留下了明确边界。更长的导出链、运行时决定的配置如何处理,原文没有说清。
如果团队只有少数几个模型调用,显式填写 model,配合统一配置和代码评审,可能已经足够。依赖静态分析更适合调用入口分散、旧包较多、封装层较深的项目。作者关于超时、区域、API 版本和重试次数的推广有启发,但文章没有验证这些领域的检测效果。
能拿来做什么
- 检查 Node 项目中的
new ChatOpenAI()、new ChatAnthropic()及相关封装,沿锁文件确认版本,再用原文脚本读取默认值。把结果记录为配置检查,避免把它当成联网验证。 - 在模型调用处或统一配置入口显式设置
model,评审时同时确认目标平台和替换模型。原文没有推荐替代型号,不能从退役日期直接推导迁移目标。 - 排查时把
langchain/chat_models/openai这类旧入口算进去。只搜直接依赖包的导入语句,可能再次漏掉转导出的调用。 - 做升级或退役检查时,要求报告列出调用位置、解析版本、默认模型和服务平台。这些信息齐全,开发者才容易判断告警是否适用于自己的项目。