Forgangsvinnsla fyrir API-viðskiptavini

Fast mode offers reliable, high-speed performance with the flexibility to pay-as-you-go. For our latest frontier model, gpt-5.6-sol, you can access up to 2.5x faster speeds with Fast mode.

By choosing Fast mode, you can unlock:

Predictably low latency: Fast mode generates tokens faster and at a more consistent speed than the Standard processing service, even during peak demand.
Easy-to-use flexibility: Like Standard processing, Fast mode can be accessed on a flexible, pay-as-you-go basis instead of requiring advance provisioning.

Note: Priority processing was renamed Fast mode on July 30, 2026. You can use either service_tier: priority or service_tier: fast in your API requests.

	Verð fyrir hver 1 milljón inntaksmerki	Verð fyrir hver 1 milljón inntaksmerki (í skyndiminni)	Verð fyrir hver 1 milljón úttaksmerki	Uptime þjónustusamningur³	Biðtíma SLA³
GPT-5.6 Sol sleppir löngu samhengi¹	10,00 USD	1,00 USD	60,00 USD	99,9%	99% > 80 tákn á sekúndu²
GPT-5.6 Terra sleppir löngu samhengi¹	4,00 USD	0,40 USD	24,00 USD	99,9%	99% > 70 tákn á sekúndu²
GPT-5.6 Luna sleppir löngu samhengi¹	0,40 USD	0,04 USD	2,40 USD	99,9%	99% > 100 tákn á sekúndu²
GPT-5.5 sleppir löngu samhengi¹	12,50 USD	1,250 USD	75,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5.4 mini sleppir löngu samhengi¹	1,50 USD	0,150 USD	9,00 USD	99,9%	99% > 100 tákn á sekúndu²
GPT-5.4 sleppir löngu samhengi¹	5,00 USD	0,500 USD	30,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5.2	3,50 USD	0,350 USD	28,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5.1	2,50 USD	0,250 USD	20,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5	2,50 USD	0,250 USD	20,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5 mini	0,45 USD	0,045 USD	3,60 USD	99,9%	99% > 80 tákn á sekúndu²
GPT-5.1 codex	2,50 USD	0,250 USD	20,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-5 codex	2,50 USD	0,250 USD	20,00 USD	99,9%	99% > 50 tákn á sekúndu²
GPT-4.1	3,50 USD	0,875 USD	14,00 USD	99,9%	99% > 80 tákn á sekúndu²
GPT-4.1 mini	0,70 USD	0,175 USD	2,80 USD	99,9%	99% > 90 tákn á sekúndu²
GPT-4.1 nano	0,20 USD	0,050 USD	0,80 USD	99,9%	99% > 100 tákn á sekúndu²
GPT-4o gpt-4o-2024-11-20 gpt-4o-2024-08-06	4,25 USD	2,125 USD	17,00 USD	99,9%	99% > 80 tákn á sekúndu²
gpt-4o-2024-05-13	8,75 USD	—	26,25 USD	99,9%	99% > 80 tákn á sekúndu²
GPT-4o mini	0,25 USD	0,125 USD	1,00 USD	99,9%	99% > 90 tákn á sekúndu²
o3	3,50 USD	0,875 USD	14,00 USD	99,9%	99% > 80 tákn á sekúndu²
o4-mini	2,00 USD	0,500 USD	8,00 USD	99,9%	99% > 90 tákn á sekúndu²

1Beiðnir áætlaðar yfir 272.000 kvaðningartóka

2Reiknað sem biðtími fyrir p50 beiðni á 5 mínútna fresti. Fyrir viðskiptavini með núverandi fyrirtækjasamninga sem hafa biðtíma SLA reiknaða sem p50 biðtíma beiðna á mínútu fresti, eru fyrri SLA einnig enn í gildi.

3Þetta á aðeins við um Enterprise-viðskiptavini

Svona virkar þetta

Customers can direct traffic to Fast mode on a per request basis using the existing service_tier parameter, with the option service_tier = "fast".

Tokens served by Fast mode will be billed on a per-token basis, priced at a premium relative to Standard processing rates.

In addition to being configured at the request level, you can also default a project to Fast mode in Project settings > Default Service Tier: Fast. You can still override per request. Selecting Fast in your project settings is equivalent to selecting Priority.

Takmarkanir

Fast mode rate limits are shared with other service tiers.
In rare cases, rapid increases to your Fast mode Tokens per Minute can lead to hitting ramp rate limits. If you exceed the ramp rate limit, then additional traffic may be sent to Standard processing instead.

Frequently asked questions

On July 30, 2026, Priority processing was renamed to Fast mode, and we increased the speeds at which we run gpt-5.6-sol to make it 2.5x faster than standard speeds. The name Fast mode more clearly communicate its primary benefit: faster responses for latency-sensitive workloads. The new name reflects the same flexible, pay-as-you-go processing customers already use. This is not a breaking change as both service_tier=priority and service_tier=fast continue to be accepted by our API to access this functionality.

For existing models, you can set service_tier to either priority or fast in requests to /v1/responses, /v1/chat/completions, and /v1/usage. Both options will continue to return priority in API responses and appear as priority in the Usage dashboard and invoices.

For models released after gpt-5.6, API responses, usage reporting, and invoices will reflect the fast mode name.

Verð

Líkön

Hraðatakmarkanir

Forgangsvinnsla hefur hraðatakmarkanir til að tryggja stöðugt háa frammistöðu fyrir alla viðskiptavini, á sama tíma og hún býður upp á sveigjanlegt, eftirspurnardrifið verð. Ef (a) afköst forgangsvinnslu versna OG (b) umferð viðskiptavinar eykst of hratt, þá gætu sumar forgangsbeiðnir verið færðar niður í staðlaða vinnslu.

Núverandi hraðatakmarkanir fyrir forgangsvinnslu eru skilgreind sem að vinna að minnsta kosti 1 milljón TPM og auka umferð um >50% tákn á mínútu á innan við 15 mínútum.

Beiðnir sem eru unnar á staðlaða þjónustustiginu verða rukkaðar á stöðluðum taxta og eru ekki gjaldgengar fyrir forgangsvinnslu þjónustustigsmarkmiðs.

Beiðnir sem eru unnar af stöðluðu þjónustustigi munu innihalda service_tier=”Default” í svarinu.

Bestu starfsvenjur til að halda sig innan hraðatakmarka ramps þíns

Auktu smám saman umferðina þegar þú skiptir um líkön. Til dæmis, ef snjallforritið þitt er að færa sig frá fyrri skyndimynd yfir í nýja, notaðu eiginleikafána til að færa umferðina á nokkrum klukkustundum frekar en allt í einu.
Forðastu að keyra stóra gagnavinnslu eða ósamstillt verkefni á forgangsvinnslu. Þessi störf geta aukið umferð mjög hratt og þurfa oft ekki á bættum afköstum forgangsvinnslu að halda.
Ef þú lendir oft í hraðatakmörkunum ramps skaltu íhuga að kaupa stigskipt stig getu í staðinn eða til viðbótar.

Áreiðanleiki

Stefnur

Núverandi hraðatakmarkanir fyrir forgangsvinnslu eru skilgreind sem að vinna að minnsta kosti 1 milljón TPM og auka umferð um >50% tákn á mínútu á innan við 15 mínútum.

Beiðnir sem eru unnar á staðlaða þjónustustiginu verða rukkaðar á stöðluðum taxta og eru ekki gjaldgengar fyrir forgangsvinnslu þjónustustigsmarkmiðs.

Beiðnir sem eru unnar af stöðluðu þjónustustigi munu innihalda service_tier=”Default” í svarinu.

Bestu starfsvenjur til að halda sig innan hraðatakmarka ramps þíns

Auktu smám saman umferðina þegar þú skiptir um líkön. Til dæmis, ef snjallforritið þitt er að færa sig frá fyrri skyndimynd yfir í nýja, notaðu eiginleikafána til að færa umferðina á nokkrum klukkustundum frekar en allt í einu.
Forðastu að keyra stóra gagnavinnslu eða ósamstillt verkefni á forgangsvinnslu. Þessi störf geta aukið umferð mjög hratt og þurfa oft ekki á bættum afköstum forgangsvinnslu að halda.
Ef þú lendir oft í hraðatakmörkunum ramps skaltu íhuga að kaupa stigskipt stig getu í staðinn eða til viðbótar.

Forgangsvinnsla fyrir API-viðskiptavini

Svona virkar þetta

Takmarkanir

Frequently asked questions

What does the change from Priority processing to Fast mode mean for customers?

Verð

(Fyrir Enterprise-viðskiptavini) Hvernig hefur þetta samskipti við stigskipt stig?

(For Enterprise customers) Can I automatically send my Scale Tier spill-over traffic to Fast mode?

(Fyrir Enterprise-viðskiptavini) Er árleg skuldbindingin mín bundin við ákveðinn vinnsluhátt?

Fæ ég ennþá afslátt af ílagstáknum í skyndiminni?

Hvernig get ég skoðað notkun og útgjöld mín fyrir forgangsvinnslu?

Líkön

Is Fast mode available for long context, fine-tuned models, embeddings, etc.?

Hvernig virka aðrar aðferðir með forgangsvinnslu?

Verður stuðningur veittur við framtíðarlíkön?