Γρήγορη λειτουργία για πελάτες API

Η Γρήγορη λειτουργία προσφέρει αξιόπιστη απόδοση υψηλής ταχύτητας με την ευελιξία της χρέωσης ανά χρήση. Για το πιο πρόσφατο κορυφαίο μοντέλο μας, το gpt-5.6-sol, μπορείτε να έχετε έως και κατά 2,5 φορές υψηλότερες ταχύτητες με τη Γρήγορη λειτουργία.

Επιλέγοντας τη Γρήγορη λειτουργία, μπορείτε να ξεκλειδώσετε:

Προβλέψιμα χαμηλή λανθάνουσα καθυστέρηση: Η Γρήγορη λειτουργία δημιουργεί token πιο γρήγορα και με πιο σταθερή ταχύτητα από την υπηρεσία τυπικής επεξεργασίας, ακόμη και κατά την υψηλή ζήτηση.
Ευχρηστία και ευελιξία: Όπως και η τυπική επεξεργασία, η Γρήγορη λειτουργία μπορεί να είναι προσβάσιμη με ευέλικτο τρόπο, πληρώνοντας ανάλογα με τη χρήση, αντί να απαιτούνται εκ των προτέρων παροχές.

Σημείωση: Η επεξεργασία κατά προτεραιότητα μετονομάστηκε σε Γρήγορη λειτουργία στις 30 Ιουλίου 2026. Μπορείτε να χρησιμοποιήσετε είτε το «service_tier: priority» είτε το «service_tier: fast» στα αιτήματά σας προς το API.

	Short context			Long context			SLA διαθεσιμότητας³	SLA λανθάνουσας καθυστέρησης³
	Τιμή ανά 1 εκατομμύριο token εισαγωγής	Τιμή ανά 1M token εισαγωγής (στο cache)	Τιμή ανά 1 εκατομμύριο token αποτελέσματος	Τιμή ανά 1 εκατομμύριο token εισαγωγής	Τιμή ανά 1M token εισαγωγής (στο cache)	Τιμή ανά 1 εκατομμύριο token αποτελέσματος	SLA διαθεσιμότητας³	SLA λανθάνουσας καθυστέρησης³
GPT-5.6 Sol	10,00 $	1,00 $	60,00 $	20,00 $	2,00 $	90,00 $	99,9%	99% > 80 token ανά δευτερόλεπτο²
GPT-5.6 Terra	4,00 $	0,40 $	24,00 $	8,00 $	0,80 $	36,00 $	99,9%	99% > 70 token ανά δευτερόλεπτο²
GPT-5.6 Luna	0,40 $	0,04 $	2,40 $	0,80 $	0,08 $	3,60 $	99,9%	99% > 100 token ανά δευτερόλεπτο²
GPT-5.5 εξαιρεί το μακροσκελές θεματικό πλαίσιο¹	12,50 $	1,250 $	75,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5.4 mini εξαιρεί το μακροσκελές θεματικό πλαίσιο¹	1,50 $	0,150 $	9,00 $	—	—	—	99,9%	99% > 100 token ανά δευτερόλεπτο²
GPT-5.4 εξαιρεί το μακροσκελές θεματικό πλαίσιο¹	5,00 $	0,500 $	30,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5.2	3,50 $	0,350 $	28,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5.1	2,50 $	0,250 $	20,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5	2,50 $	0,250 $	20,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5 mini	0,45 $	0,045 $	3,60 $	—	—	—	99,9%	99% > 80 token ανά δευτερόλεπτο²
GPT-5.1 codex	2,50 $	0,250 $	20,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-5 codex	2,50 $	0,250 $	20,00 $	—	—	—	99,9%	99% > 50 token ανά δευτερόλεπτο²
GPT-4.1	3,50 $	0,875 $	14,00 $	—	—	—	99,9%	99% > 80 token ανά δευτερόλεπτο²
GPT-4.1 mini	0,70 $	0,175 $	2,80 $	—	—	—	99,9%	99% > 90 token ανά δευτερόλεπτο²
GPT-4.1 nano	0,20 $	0,050 $	0,80 $	—	—	—	99,9%	99% > 100 token ανά δευτερόλεπτο²
GPT-4o gpt-4o-2024-11-20 gpt-4o-2024-08-06	4,25 $	2,125 $	17,00 $	—	—	—	99,9%	99% > 80 token ανά δευτερόλεπτο²
gpt-4o-2024-05-13	8,75 $	—	26,25 $	—	—	—	99,9%	99% > 80 token ανά δευτερόλεπτο²
GPT-4o mini	0,25 $	0,125 $	1,00 $	—	—	—	99,9%	99% > 90 token ανά δευτερόλεπτο²
o3	3,50 $	0,875 $	14,00 $	—	—	—	99,9%	99% > 80 token ανά δευτερόλεπτο²
o4-mini	2,00 $	0,500 $	8,00 $	—	—	—	99,9%	99% > 90 token ανά δευτερόλεπτο²

1Ερωτήματα που εκτιμώνται σε περισσότερα από 272.000 token προτροπών

2Υπολογίζεται ως λανθάνουσα καθυστέρηση αιτήματος p50 σε βάση ανά 5 λεπτά. Για πελάτες με υφιστάμενες επιχειρησιακές συμφωνίες που έχουν SLA λανθάνουσας καθυστέρησης υπολογιζόμενα ως λανθάνουσα καθυστέρηση αιτήματος p50 ανά λεπτό, οι προηγούμενες SLA εξακολουθούν να ισχύουν επίσης.

3Αυτό ισχύει μόνο για τους πελάτες Enterprise

Πώς λειτουργεί

Οι πελάτες μπορούν να κατευθύνουν την κίνηση προς τη Γρήγορη λειτουργία ανά αίτημα, χρησιμοποιώντας την υπάρχουσα παράμετρο service_tier, με την επιλογή «service_tier = "fast"».

Τα token που εξυπηρετούνται από τη Γρήγορη λειτουργία θα χρεώνονται ανά token, με τιμή υψηλότερη σε σχέση με τις τυπικές τιμές επεξεργασίας.

Εκτός από τη ρύθμιση σε επίπεδο αιτήματος, μπορείτε επίσης να ορίσετε ένα έργο στη Γρήγορη λειτουργία από τις ρυθμίσεις του Έργου → Προεπιλεγμένο επίπεδο υπηρεσίας: Γρήγορο. Μπορείτε ακόμα να κάνετε παράκαμψη ανά αίτημα. Η επιλογή «Γρήγορο» στις ρυθμίσεις του έργου σας ισοδυναμεί με την επιλογή «Προτεραιότητα».

Περιορισμοί

Τα όρια ρυθμού της Γρήγορης λειτουργίας είναι κοινά με τα άλλα επίπεδα υπηρεσίας.
Σε σπάνιες περιπτώσεις, η ταχεία αύξηση στα token Γρήγορης λειτουργίας ανά λεπτό μπορεί να οδηγήσουν σε υπέρβαση των ορίων ρυθμού αύξησης. Εάν υπερβείτε το όριο ρυθμού αύξησης, τότε ενδέχεται να σταλεί επιπλέον κίνηση στην τυπική επεξεργασία.

Συχνές ερωτήσεις

Στις 30 Ιουλίου 2026, η Επεξεργασία κατά προτεραιότητα μετονομάστηκε σε Γρήγορη λειτουργία και αυξήσαμε τις ταχύτητες με τις οποίες εκτελούμε το gpt-5.6-sol, ώστε να είναι κατά 2,5 φορές ταχύτερο από τις τυπικές ταχύτητες. Η ονομασία «Γρήγορη λειτουργία» επικοινωνεί με μεγαλύτερη σαφήνεια το κύριο πλεονέκτημά της: ταχύτερες αποκρίσεις για φόρτους εργασίας με ευαισθησία στον λανθάνοντα χρόνο. Η νέα ονομασία αντικατοπτρίζει την ίδια ευέλικτη επεξεργασία με χρέωση βάσει χρήσης που χρησιμοποιούν ήδη οι πελάτες. Δεν πρόκειται για αλλαγή που προκαλεί ασυμβατότητα, καθώς τόσο το service_tier=priority όσο και το service_tier=fast εξακολουθούν να είναι αποδεκτά από το API μας για την πρόσβαση σε αυτήν τη λειτουργία.

Για υπάρχοντα μοντέλα, μπορείτε να ορίσετε το service_tier είτε σε προτεραιότητα είτε σε γρήγορη σε αιτήματα προς τα /v1/responses, /v1/chat/completions και /v1/usage. Και οι δύο επιλογές θα συνεχίσουν να επιστρέφουν την τιμή προτεραιότητας στις αποκρίσεις API και να εμφανίζονται ως προτεραιότητα στον πίνακα ελέγχου χρήσης και στα τιμολόγια.

Για μοντέλα που κυκλοφόρησαν μετά το gpt-5.6, οι αποκρίσεις API, οι αναφορές χρήσης και τα τιμολόγια θα αντικατοπτρίζουν το όνομα της γρήγορης λειτουργίας.

Τιμές

Το επίπεδο κλιμάκωσης θα παραμείνει ξεχωριστό από τη Γρήγορη λειτουργία.

Τα αιτήματα που αποστέλλονται στη Γρήγορη λειτουργία θα χρεώνονται ξεχωριστά και δεν θα υπολογίζονται στα αγορασμένα πακέτα TPM επιπέδου κλιμάκωσης.

Για να δείτε τα token που χρησιμοποιούνται με τη Γρήγορη λειτουργία (πρώην Επεξεργασία κατά προτεραιότητα), μεταβείτε στον πίνακα εργαλείων Usage (Χρήση), επιλέξτε Chat Completions (Ολοκληρωμένες συνομιλίες) ή Responses (Απαντήσεις) και Group by Service Tier (Ομαδοποίηση ανά Επίπεδο υπηρεσίας).

Για να δείτε το κόστος της Γρήγορης λειτουργίας, μεταβείτε στον πίνακα εργαλείων Usage (Χρήση) και επιλέξτε Group by Line Item (Ομαδοποίηση ανά στοιχείο γραμμής).

Στον πίνακα εργαλείων Usage (Χρήση), τα αιτήματα που χρησιμοποιούν είτε προτεραιότητα είτε γρήγορη λειτουργία ως service_tier θα συνεχίσουν να εμφανίζονται κατά προτεραιότητα. Η συγκεκριμένη παράμετρος θα ενημερωθεί στα μελλοντικά μοντέλα.

Μοντέλα

Η Γρήγορη λειτουργία υποστηρίζει τις ίδιες πολυτροπικές δυνατότητες που είναι διαθέσιμες στην τυπική επεξεργασία. Συγκεκριμένα, οι εικόνες μπορούν να χρησιμοποιηθούν ως εισαγωγές για την Επεξεργασία κατά προτεραιότητα και υποβάλλονται σε επεξεργασία με την ίδια γρήγορη λανθάνουσα καθυστέρηση.

Όρια ρυθμού

Η Γρήγορη λειτουργία έχει όρια ρυθμού αύξησης για να εξασφαλίζει σταθερά υψηλή απόδοση για όλους τους πελάτες, ενώ εξακολουθεί να παρέχει ευέλικτη και κατ' απαίτηση χρέωση. Εάν (α) η απόδοση της Γρήγορης λειτουργίας υποβαθμίζεται και (β) η κίνηση ενός πελάτη αυξάνεται πολύ γρήγορα, τότε ορισμένη κίνηση στη Γρήγορη λειτουργία ενδέχεται να υποβαθμιστεί σε τυπική επεξεργασία.

Το τρέχον όριο ρυθμού αύξησης της Γρήγορης λειτουργίας ορίζεται ως επεξεργασία τουλάχιστον 1 εκατομμυρίου token ανά λεπτό (TPM) και αύξηση της κίνησης πάνω από 50% token ανά λεπτό σε λιγότερο από 15 λεπτά.

Τα αιτήματα που υποβάλλονται σε επεξεργασία από το τυπικό επίπεδο υπηρεσίας θα χρεώνονται με τυπικές τιμές και δεν είναι επιλέξιμα για στόχους επιπέδου υπηρεσίας κατά προτεραιότητα.

Τα αιτήματα που υποβάλλονται σε επεξεργασία από το τυπικό επίπεδο υπηρεσίας θα περιλαμβάνουν το service_tier="Default" στην απάντηση.

Βέλτιστες πρακτικές για να παραμείνετε εντός των ορίων του ρυθμού αύξησης

Σταδιακά αυξήστε την κίνηση όταν αλλάζετε μοντέλα. Για παράδειγμα, εάν η εφαρμογή σας μεταβαίνει από ένα προηγούμενο στιγμιότυπο σε ένα νέο, χρησιμοποιήστε ένα χαρακτηριστικό σημαίας για να μεταφέρετε την κίνηση σταδιακά κατά τη διάρκεια μερικών ωρών αντί ταυτόχρονα παντού.
Αποφύγετε την εκτέλεση μεγάλων επεξεργασιών δεδομένων ή ασύγχρονων εργασιών στη Γρήγορη λειτουργία. Αυτές οι εργασίες μπορούν να αυξήσουν την κίνηση πολύ γρήγορα και συχνά δεν χρειάζονται τη βελτιωμένη απόδοση της Γρήγορης λειτουργίας.
Εάν συμπληρώνετε συχνά τα όρια ρυθμού αύξησης, σκεφτείτε να αγοράσετε χωρητικότητα κλιμακωτού επιπέδου, είτε ως αντικατάσταση είτε συμπληρωματικά.

Αξιοπιστία

Αν είστε πελάτης Enterprise, επικοινωνήστε με τον εκπρόσωπό σας για τυχόν ερωτήσεις ή προβληματισμούς.

Τα SLA επεξεργασίας κατά προτεραιότητα θα αντιμετωπίζονται το ίδιο με τα SLA κλιμακωτού επιπέδου. Θα προσφέρονται μονάδες εξυπηρέτησης σε περίπτωση που δεν ανταποκριθούμε σε αυτά τα SLA για πελάτες με εταιρικές συμφωνίες κατά τη διάρκεια μιας συγκεκριμένης χρονικής περιόδου.

Πολιτικές

Βέλτιστες πρακτικές για να παραμείνετε εντός των ορίων του ρυθμού αύξησης

Σταδιακά αυξήστε την κίνηση όταν αλλάζετε μοντέλα. Για παράδειγμα, εάν η εφαρμογή σας μεταβαίνει από ένα προηγούμενο στιγμιότυπο σε ένα νέο, χρησιμοποιήστε ένα χαρακτηριστικό σημαίας για να μεταφέρετε την κίνηση σταδιακά κατά τη διάρκεια μερικών ωρών αντί ταυτόχρονα παντού.
Αποφύγετε την εκτέλεση μεγάλων επεξεργασιών δεδομένων ή ασύγχρονων εργασιών στη Γρήγορη λειτουργία. Αυτές οι εργασίες μπορούν να αυξήσουν την κίνηση πολύ γρήγορα και συχνά δεν χρειάζονται τη βελτιωμένη απόδοση της Γρήγορης λειτουργίας.
Εάν συμπληρώνετε συχνά τα όρια ρυθμού αύξησης, σκεφτείτε να αγοράσετε χωρητικότητα κλιμακωτού επιπέδου, είτε ως αντικατάσταση είτε συμπληρωματικά.

Γρήγορη λειτουργία για πελάτες API

Πώς λειτουργεί

Περιορισμοί

Συχνές ερωτήσεις

Τι σημαίνει για τους πελάτες η μετάβαση από την Επεξεργασία κατά προτεραιότητα στη Γρήγορη λειτουργία;

Τιμές

(Για πελάτες Enterprise) Πώς αλληλεπιδρά αυτό με το πρόγραμμα κλιμακωτού επιπέδου;

(Για πελάτες Enterprise) Μπορώ να στέλνω αυτόματα την υπερχείλιση της κίνησης από το Επίπεδο κλιμάκωσης στη Γρήγορη λειτουργία;

(Για πελάτες Enterprise) Το ετήσιο συμβόλαιό μου συνδέεται με συγκεκριμένη λειτουργία επεξεργασίας;

Εξακολουθώ να έχω έκπτωση στα token εισαγωγής στο cache;

Πώς μπορώ να δω τη χρήση και τις δαπάνες μου για τη Γρήγορη λειτουργία;

Μοντέλα

Πώς λειτουργούν άλλες πολυτροπικές δυνατότητες με τη Γρήγορη λειτουργία;

Θα υποστηρίζονται τα μελλοντικά μοντέλα;