API ဖောက်သည်များအတွက် Scale Tier

ဤ offering သည် Enterprise customers များအတွက် ရရှိနိုင်ပါသည်။ ပိုမိုသိရှိရန် ကျွန်ုပ်တို့၏ အရောင်းအဖွဲ့ကို ဆက်သွယ်ပါ⁠။ တူညီသော premium latency နှင့် reliability အကျိုးကျေးဇူးများကို flexible pay-as-you-go အခြေခံဖြင့် ရယူလိုပါက Priority processing⁠ ကိုကြည့်ပါ။

Scale Tier သည် သီးသန့် မော်ဒယ် snapshot တစ်ခုကို အသုံးပြုခွင့်ရရန် API input နှင့် output တိုကင်များကို တစ်မိနစ်လျှင် သတ်မှတ်အရေအတွက် (“token units” ဟုခေါ်သည်) ကို ကြိုတင်ဝယ်ယူနိုင်စေပါသည်။ token unit တစ်ခုစီကို အနည်းဆုံး ရက် 30 အတွက် ဝယ်ယူရပါသည်။ ဖောက်သည်စိတ်ဝင်စားမှုအပေါ် မူတည်ပြီး နောက်ထပ် မော်ဒယ်များလည်း ထည့်သွင်းနိုင်ပါသည်။

Scale Tier ကို ရွေးချယ်ခြင်းဖြင့် သင်သည် အောက်ပါတို့ကို ရရှိနိုင်သည်:

ခန့်မှန်းနိုင်သော latency: Scale Tier ကို တိုကင်များကို pay-as-you-go (PAYG) service ထက် ပိုမြန်စွာနှင့် ပိုတည်ငြိမ်သော အမြန်နှုန်းဖြင့် ထုတ်ပေးနိုင်ရန် ဒီဇိုင်းထုတ်ထားပြီး၊ peak demand အချိန်များတွင်လည်း ထိုကဲ့သို့ပင် ဖြစ်ပါသည်။
ကန့်သတ်မထားသော scale: Scale Tier ဖြင့် ဝယ်ယူထားသော quota များကို သင်၏ rate limits ထဲသို့ အလိုအလျောက် ထည့်ပေးသောကြောင့် သင် ယုံကြည်စိတ်ချစွာ ပိုမိုချဲ့ထွင်နိုင်ပါသည်။
ပိုမိုမြင့်မားသော reliability: Scale Tier traffic သည် 99.9% uptime SLA နှင့် prioritized compute ကို ပေးပါသည်။

	ထည့်သွင်းမှု ဘန်ဒယ်	အထွက်အစု	လုပ်ဆောင်ချိန် SLA	တုံ့ပြန်မှုအချိန် SLA
GPT-5.5	ယူနစ်/တစ်ရက်လျှင် ၅၀,၀၀၀ TPM ၇၅၀.၀၀ US$	N/A³	၉၉.၉%	၉၉% > 100 တိုကင်များစက္ကန့်လျှင် ²
GPT-5.4 mini	ယူနစ်/တစ်ရက်လျှင် ၅၀,၀၀၀ TPM ၁၀၀.၀၀ US$	N/A³	၉၉.၉%	၉၉% > 100 တိုကင်များစက္ကန့်လျှင် ²
GPT-5.4 ရှည်လျားသော အကြောင်းအရာ⁴မပါဝင်ပါ	ယူနစ်/တစ်ရက်လျှင် ၅၀,၀၀၀ TPM ၃၀၀.၀၀ US$	N/A³	၉၉.၉%	၉၉% > 50 တိုကင်များစက္ကန့်လျှင် ²
GPT-5.2	ယူနစ်/တစ်ရက်လျှင် ၂၅,၀၀၀ TPM ၁၀၅.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၂,၅၀၀ TPM ၈၄.၀၀ US$	၉၉.၉%	၉၉% > 50 တိုကင်များစက္ကန့်လျှင် ²
GPT-5.1	ယူနစ်/တစ်ရက်လျှင် ၂၅,၀၀၀ TPM ၇၅.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၂,၅၀၀ TPM ၆၀.၀၀ US$	၉၉.၉%	၉၉% > 50 တိုကင်များစက္ကန့်လျှင် ²
GPT-5	ယူနစ်/တစ်ရက်လျှင် ၂၅,၀၀၀ TPM ၇၅.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၂,၅၀၀ TPM ၆၀.၀၀ US$	၉၉.၉%	၉၉% > 50 တိုကင်များစက္ကန့်လျှင် ²
GPT-5 mini	ယူနစ်/တစ်ရက်လျှင် ၅၀၀,၀၀၀ TPM ၂၇၅.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၅၀,၀၀၀ TPM ၂၂၀.၀၀ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
GPT-4.1 ရှည်လျားသော အကြောင်းအရာ^၁ကို ချန်လှပ်ထားသည်	တစ်ယူနစ်လျှင် ၃၀,၀၀၀ TPM ၁၁၀.၀၀ US$	တစ်ယူနစ်လျှင် ၂၅၀၀ TPM ၃၆.၀၀ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
GPT-4.1 mini ရှည်လျားသော အကြောင်းအရာ^၁ကို ချန်လှပ်ထားသည်	တစ်ယူနစ်/တနေ့ လျှင် ၅၀၀,၀၀၀ TPM ၄၅၀.၀၀ US$	တစ်ယူနစ်လျှင် ၅၀,၀၀၀ TPM ၁၇၅.၀၀ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²
GPT-4.1 nano ရှည်လျားသော အကြောင်းအရာ^၁ကို ချန်လှပ်ထားသည်	တစ်ယူနစ်/တနေ့ လျှင် ၅၀၀,၀၀၀ TPM ၁၁၀.၀၀ US$	တစ်ယူနစ်လျှင် ၅၀,၀၀၀ TPM ၄၀.၀၀ US$	၉၉.၉%	၉၉% > 100 တိုကင်များစက္ကန့်လျှင် ²
GPT-4.1 fine tuning	တစ်ယူနစ်လျှင် ၃၀,၀၀၀ TPM ၁၆၅.၀၀ US$	တစ်ယူနစ်လျှင် ၂၅၀၀ TPM ၃၆.၀၀ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
GPT-4.1 mini fine tuning	တစ်ယူနစ်/တနေ့ လျှင် ၅၀၀,၀၀၀ TPM ၉၀၀.၀၀ US$	တစ်ယူနစ်လျှင် ၅၀,၀၀၀ TPM ၁၇၅.၀၀ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²
o3	ယူနစ်/တစ်ရက်လျှင် ၂၅,၀၀၀ TPM ၇၅.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၅,၀၀၀ TPM ၆၀.၀၀ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
o4-mini	ယူနစ်/တစ်ရက်လျှင် ၃၀,၀၀၀ TPM ၅၀.၀၀ US$	ယူနစ်/တစ်ရက်လျှင် ၅,၀၀၀ TPM ၃၂.၅၀ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²
GPT-4o	တစ်ယူနစ်လျှင် ၃၀,၀၀၀ TPM ၁၂၄.၅၉ US$	တစ်ယူနစ်လျှင် ၂၅၀၀ TPM ၃၉.၃၄ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
GPT-4o mini	တစ်ယူနစ်/တနေ့ လျှင် ၅၀၀,၀၀၀ TPM ၁၁၄.၇၅ US$	တစ်ယူနစ်လျှင် ၅၀,၀၀၀ TPM ၄၉.၁၈ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²
GPT-4o mini fine tuning	တစ်ယူနစ်/တနေ့ လျှင် ၅၀၀,၀၀၀ TPM ၂၂၉.၅၀ US$	တစ်ယူနစ်လျှင် ၅၀,၀၀၀ TPM ၉၈.၃၆ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²
o1	ယူနစ်/တစ်ရက်လျှင် ၅,၀၀၀ TPM ၁၆၃.၉၃ US$	ယူနစ်/တစ်ရက်လျှင် ၁,၀၀၀ TPM ၁၃၁.၁၅ US$	၉၉.၉%	၉၉% > 80 တိုကင်များစက္ကန့်လျှင် ²
o3-mini	ယူနစ်/တစ်ရက်လျှင် ၃၀,၀၀၀ TPM ၇၈.၆၉ US$	ယူနစ်/တစ်ရက်လျှင် ၅,၀၀၀ TPM ၅၂.၄၆ US$	၉၉.၉%	၉၉% > 90 တိုကင်များစက္ကန့်လျှင် ²

၁တုံ့ပြန်ညွှန်ကြားချက် တိုကင် ၁၂၈,၀၀၀ ကျော်အဖြစ် ခန့်မှန်းထားသော တောင်းဆိုမှုများ

၂၅ မိနစ်လျှင် p50 တောင်းဆိုမှု နှောင့်နှေးမှုအဖြစ် တွက်ချက်သည်။ တစ်မိနစ်လျှင် p50 တောင်းဆိုမှု နှောင့်နှေးမှုအဖြစ် တွက်ချက်ထားသော နှောင့်နှေးမှု SLA များပါသည့် ရှိပြီးသား လုပ်ငန်းဆိုင်ရာ သဘောတူညီချက်များရှိ ဖောက်သည်များအတွက်၊ ယခင် SLA များသည်လည်း အကျုံးဝင်နေဆဲဖြစ်သည်။

၃GPT-5.4 ဖြင့် စကေးအဆင့်ကို တစ်မိနစ်လျှင် အဝင်နှင့် အထွက် တိုကင်များ ပေါင်းစပ်ထားသော အစုအဝေးအဖြစ် ဝယ်ယူသည်။ ထည့်သွင်းမှု တိုကင်များ၊ ကက်ရှ်ထားသော ထည့်သွင်းမှု တိုကင်များနှင့် ထုတ်ပေးမှု တိုကင်များကို အသုံးပြုခြင်းသည် ဤပေါင်းစည်းထားသော ဘန်ဒယ်အပေါ် မတူညီသောနှုန်းထားများဖြင့် ရေတွက်သည်။ အောက်တွင်ရှိသော အလုပ်လုပ်ပုံ အပိုင်းကို ကြည့်ပါ။

၄ရှည်လျားသော အကြောင်းအရာသည် >272K ဖြစ်သည်

အလုပ်လုပ်ပုံ

Scale Tier ဖြင့် input နှင့် output token units များကို သင်ဝယ်ယူနိုင်ပါသည်။ ဥပမာ GPT‑4.1 တွင် input unit တစ်ခုလျှင် $110/day ကုန်ကျပြီး တစ်မိနစ်လျှင် input တိုကင် 30k ရပိုင်ခွင့်ရှိပါသည်။ output unit တစ်ခုလျှင် $36/day ကုန်ကျပြီး တစ်မိနစ်လျှင် output တိုကင် 2.5k ရပိုင်ခွင့်ရှိပါသည်။ token unit တစ်ခုစီကို အနည်းဆုံး ရက် 30 အတွက် ဝယ်ယူရပါသည်။

Scale Tier သည် Prompt Caching နှင့် မည်သို့ အပြန်အလှန်သက်ရောက်သည်ကို ပိုမိုသိရှိလိုပါက အောက်ပါ FAQ အပိုင်းတွင် ကြည့်နိုင်ပါသည်။

GPT‑5.4 ဖြင့် သင်သည် Combined Input and Output tokens/min ကို ဝယ်ယူပါသည်။ ၎င်းက သင့်ကို ပိုမိုပြောင်းလွယ်ပြင်လွယ် ဖြစ်စေပြီး input နှင့် output token ratio ကို ကြိုတင်ခန့်မှန်းရန် မလိုအပ်တော့ပါ။ scale tier ကို သင်အသုံးပြုသည့်အခါ ကျွန်ုပ်တို့သည် သင်၏ Combined Tokens ထဲသို့ အောက်ပါအတိုင်း တိုကင်များကို ရေတွက်ပါသည်:

Input tokens ကို 1 အဖြစ် ရေတွက်သည်
Cached input tokens သည် အောက်ပါ FAQ အပိုင်းရှိ per-model caching အတိုင်း လိုက်နာသည်
Output tokens ကို မော်ဒယ်အတွက် Output နှင့် Input tokens ၏ PayG price ratio အပေါ် အခြေခံ၍ ရေတွက်သည်။ ဥပမာ GPT‑5.4 တွင် output token တစ်ခုကို 6 အဖြစ် ရေတွက်သည်။

ဈေးနှုန်း

Scale Tier တိုကင်ယူနစ်များကို ပထမဆုံး ခွဲဝေသတ်မှတ်သည့် အချိန်တွင် ငွေတောင်းခံမှု စတင်ပြီး ပြက္ခဒိန်လစဉ် စက်ဝန်းအတိုင်း လည်ပတ်ပါသည်။ ငွေတောင်းခံလွှာများကို လစဉ် နောက်ကျသဘောဖြင့် ပေးပို့ပါမည်။

ငွေတောင်းခံမှုအတွက် tokens per minute (TPM) ကို နာရီအစနှင့် ကိုက်ညီသော 15 မိနစ်အပိုင်းများ (ဥပမာ 3:00 မှ < 3:15၊ 3:15 မှ < 3:30 စသည်) အတွင်း အသုံးပြုထားသော တိုကင်အရေအတွက်၏ ပျမ်းမျှဖြင့် တွက်ချက်ပါသည်။ 15 မိနစ်ကာလတစ်ခုအတွင်း အသုံးပြုသော စုစုပေါင်းတိုကင်များသည် သင်၏ Scale Tier entitlement ထက် နည်းပါက ၎င်းတို့ကို ငွေမကောက်ခံပါ။ ဥပမာ၊ GPT‑4o အတွက် တစ်မိနစ်လျှင် input တိုကင် 30,000 entitlement ပါသော Scale Tier ကို သင်ဝယ်ယူထားပါက 15 မိနစ်ကာလတစ်ခုအတွင်း input တိုကင် 450,000 အထိ အသုံးပြုနိုင်ပြီး အပိုကြေး မဖြစ်ပေါ်ပါ။ ဤကန့်သတ်ချက်ထက် ကျော်လွန်အသုံးပြုသော တိုကင်များကို pay-as-you-go (PAYG) နှုန်းထားဖြင့် ငွေကောက်ခံပါသည်။

မဟုတ်ပါ။ နှစ်စဉ်ကတိကဝတ်များသည် Scale Tier၊ Priority processing နှင့် Standard processing အတွက် လျှော့ဈေးများကို သေချာစေပါသည်။ သို့သော် ထိုလျှော့ဈေးရ မော်ဒယ်ကို မည်မျှများများ သို့မဟုတ် မည်မျှနည်းနည်း အသုံးပြုမည်ကို သင်ရွေးချယ်နိုင်ပါသည်။

မဟုတ်ပါ။ နှစ်စဉ်ကတိကဝတ်များကို OpenAI မော်ဒယ်မည်သည့်အမျိုးအစားတွင်မဆို၊ ပေးပို့မှုပုံစံမည်သည့်နည်းလမ်းတွင်မဆို (Standard processing, Priority processing, Scale Tier, သို့မဟုတ် Reserved Capacity) အသုံးပြုနိုင်သည်။

Reserved Capacity⁠ for GPT‑3.5 နှင့် GPT‑4 ကို GPT‑4o နှင့် GPT‑4o mini အတွက် Scale Tier ဖြင့် အစားထိုးထားပါသည်။ သင့်တွင် ရှိပြီးသား reserved capacity စာချုပ်တစ်ခုရှိပါက သင်၏ အသုံးစရိတ်ပမာဏကို GPT‑4o ရှိ Scale Tier သို့ တိုက်ရိုက် လွှဲပြောင်းနိုင်ပါသည်။

တိုကင်ယူနစ်များနှင့် rate limits

သင်၏ TPM ကို နေ့အလိုက် စုပေါင်းပြထားသဖြင့် ကြည့်ရှုနိုင်ပါသည်။ အနာဂတ်တွင် ပိုမိုအသေးစိတ်အဆင့်ဖြင့် ကြည့်ရှုနိုင်ရန် analytics များကို ကျွန်ုပ်တို့ ပေးသွားပါမည်။ ယခုအတွက်တော့ custom report ရယူရန် သင်၏ account director နှင့် လုပ်ဆောင်ပါ။

သင်၏ လက်ရှိ rate limits များကို သင်၏ settings page⁠⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) တွင် ကြည့်နိုင်ပါသည်။ Scale Tier အတွက် တိုကင်ယူနစ်များ ဝယ်ယူသောအခါ၊ ထိုမော်ဒယ်အတွက် rate limits များသည် သင်ဝယ်ယူသည့် ပမာဏအတိုင်း အလိုအလျောက် တိုးလာမည်ဖြစ်သည်။ မော်ဒယ်ကို အသုံးပြုသောအခါ requests များကို ပိုမြန်သော Scale Tier quota ဖြင့် အရင် လုပ်ဆောင်ပါမည်။ သင်၏ quota ကို ကျော်လွန်သွားပါက နောက်ထပ် requests များကို ပုံမှန် Standard processing service ဖြင့် လုပ်ဆောင်ပါမည်။ Scale Tier + ပုံမှန် Standard processing limits တို့ကို ပေါင်းပြီး တစ်မိနစ်အတွင်း သင်၏ စုစုပေါင်း rate limit ကို ကျော်လွန်ပါက နောက်ထပ် requests များကို ပုံမှန်အတိုင်း 429 error code ဖြင့် ပယ်ချပါမည်။

ဟုတ်ကဲ့၊ စကားပြောပြီးဆုံးခြင်း API အတွင်း ‘service_tier’ parameter ကို သင်အသုံးပြုနိုင်သည်။ “auto” ဟု သတ်မှတ်ပါက ရရှိနိုင်လျှင် Scale Tier quota ကို အသုံးပြုမည်ဖြစ်သည်။ “default” ဟု သတ်မှတ်ပါက Standard processing quota ကို အသုံးပြုမည်ဖြစ်သည်။ တုံ့ပြန်ချက်တွင်လည်း request ကို အမှန်တကယ် လုပ်ဆောင်ပေးခဲ့သည့် service ကို ပြသသည့် ‘service_tier’ parameter ပါဝင်မည်ဖြစ်သည်။ တန်ဖိုးများမှာ scale သို့မဟုတ် default ဖြစ်သည်။

မော်ဒယ်အပေါ် မူတည်၍ cached input tokens များအတွက် ကွဲပြားသော လျှော့ဈေးများ (50%, 75%, သို့မဟုတ် 90%) ကို ကျွန်ုပ်တို့ပေးပါသည်။ cached tokens များကို 50% လျှော့ဈေးပေးထားသော မော်ဒယ်တစ်ခုပေါ်တွင် cached input tokens 50,000 TPM ပို့ပါက ထိုတိုကင်များသည် သင်၏ quota အပေါ် 25,000 TPM အဖြစ်သာ ရေတွက်ပါသည်။ cached tokens များကို 75% လျှော့ဈေးပေးထားသော မော်ဒယ်တစ်ခုပေါ်တွင် cached input tokens 50,000 TPM ပို့ပါက ထိုတိုကင်များသည် သင်၏ quota အပေါ် 12,500 TPM အဖြစ်သာ ရေတွက်ပါသည်။ Prompt Caching အကြောင်း ပိုမိုလေ့လာရန် ↗⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)

မော်ဒယ်များ

Scale Tier သည် Standard processing တွင် ရရှိနိုင်သည့် multimodal capabilities များကို တူညီစွာ ပံ့ပိုးပါသည်။ အထူးသဖြင့် ပုံများကို Scale Tier သို့ input အဖြစ် အသုံးပြုနိုင်ပြီး တူညီသော မြန်ဆန်သော latency ဖြင့် လုပ်ဆောင်ပေးပါသည်။

ယခုအခါ Scale Tier units များသည် ရွေးချယ်ထားသော မော်ဒယ်များအတွက် fine-tuning ကို ပံ့ပိုးပြီး၊ fine-tuning units များကို အခြေခံမော်ဒယ် Scale Tier units များနှင့် သီးခြားဈေးနှုန်းသတ်မှတ်ကာ သီးခြားဝယ်ယူရပါသည်။

ယုံကြည်စိတ်ချရမှု

မူဝါဒများ

ဖောက်သည်များတွင် ZDR အတွက် အရည်အချင်းပြည့်မီသော use case တစ်ခုရှိပါက ၎င်းတို့၏ Scale Tier အသုံးပြုမှုသည် ထိုတူညီသော ထိန်းသိမ်းရေးမူဝါဒကို လိုက်နာမည်ဖြစ်သည်။

API ဖောက်သည်များအတွက် Scale Tier

အလုပ်လုပ်ပုံ

ဈေးနှုန်း

Scale Tier ကို မည်သို့ order လုပ်ပြီး provision လုပ်သလဲ?

ငွေတောင်းခံမှု ဘယ်အချိန်စတင်သလဲ?

Scale Tier ကို အသုံးပြုနေစဉ် pay-as-you-go overages ကို မည်သို့တွက်ချက်သလဲ?

နှစ်စဉ်ကတိကဝတ် ပြုလုပ်ပါက ကျွန်ုပ်၏ အသုံးစရိတ်ကို Scale Tier တွင်သာ သုံးရမလား?

ကျွန်ုပ်၏ နှစ်စဉ်ကတိကဝတ်သည် သီးခြား offering တစ်ခုနှင့် ချိတ်ထားပါသလား?

ကျွန်ုပ်သည် Reserved Capacity ကို အသုံးပြုနေပြီးသားဆိုလျှင် GPT-4o အတွက် Scale Tier ကို ဘယ်လိုအသုံးပြုနိုင်မလဲ?

တိုကင်ယူနစ်များနှင့် rate limits

Scale Tier တွင် token units များကို ကျွန်ုပ် ဘယ်လိုဝယ်ယူနိုင်မလဲ?

ကျွန်ုပ်၏ TPM ကို ဘယ်လိုသိနိုင်မလဲ?

ကျွန်ုပ်၏ စုစုပေါင်း rate limits ကို ဘယ်လိုတွက်ချက်မလဲ?

Scale Tier ဖြင့် ဖုံးလွှမ်းမည့် requests များကို ကျွန်ုပ်ရွေးနိုင်ပါသလား?

Scale Tier သည် Prompt Caching နှင့် မည်သို့အလုပ်လုပ်သလဲ?