Priority Processing para clientes da API

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.

	Preço por 1 milhão de tokens de entrada	Preço por 1 milhão de tokens de entrada (em cache)	Preço por 1 milhão de tokens de saída	SLA de tempo de atividade³	SLA de latência³
GPT-5.6 Sol exclui janela de contexto¹	US$ 10,00	US$ 1,00	US$ 60,00	99,9%	99% > 80 tokens por segundo²
GPT-5.6 Terra exclui janela de contexto¹	US$ 4,00	US$ 0,40	US$ 24,00	99,9%	99% > 70 tokens por segundo²
GPT-5.6 Luna exclui janela de contexto¹	US$ 0,40	US$ 0,04	US$ 2,40	99,9%	99% > 100 tokens por segundo²
GPT-5.5 exclui janela de contexto¹	US$ 12,50	US$ 1,250	US$ 75,00	99,9%	99% > 50 tokens por segundo²
GPT-5.4 mini exclui janela de contexto¹	US$ 1,50	US$ 0,150	US$ 9,00	99,9%	99% > 100 tokens por segundo²
GPT-5.4 exclui janela de contexto¹	US$ 5,00	US$ 0,500	US$ 30,00	99,9%	99% > 50 tokens por segundo²
GPT-5.2	US$ 3,50	US$ 0,350	US$ 28,00	99,9%	99% > 50 tokens por segundo²
GPT-5.1	US$ 2,50	US$ 0,250	US$ 20,00	99,9%	99% > 50 tokens por segundo²
GPT-5	US$ 2,50	US$ 0,250	US$ 20,00	99,9%	99% > 50 tokens por segundo²
GPT-5 mini	US$ 0,45	US$ 0,045	US$ 3,60	99,9%	99% > 80 tokens por segundo²
GPT-5.1 codex	US$ 2,50	US$ 0,250	US$ 20,00	99,9%	99% > 50 tokens por segundo²
GPT-5 codex	US$ 2,50	US$ 0,250	US$ 20,00	99,9%	99% > 50 tokens por segundo²
GPT-4.1	US$ 3,50	US$ 0,875	US$ 14,00	99,9%	99% > 80 tokens por segundo²
GPT-4.1 mini	US$ 0,70	US$ 0,175	US$ 2,80	99,9%	99% > 90 tokens por segundo²
GPT-4.1 nano	US$ 0,20	US$ 0,050	US$ 0,80	99,9%	99% > 100 tokens por segundo²
GPT-4o gpt-4o-2024-11-20 gpt-4o-2024-08-06	US$ 4,25	US$ 2,125	US$ 17,00	99,9%	99% > 80 tokens por segundo²
gpt-4o-2024-05-13	US$ 8,75	—	US$ 26,25	99,9%	99% > 80 tokens por segundo²
GPT-4o mini	US$ 0,25	US$ 0,125	US$ 1,00	99,9%	99% > 90 tokens por segundo²
o3	US$ 3,50	US$ 0,875	US$ 14,00	99,9%	99% > 80 tokens por segundo²
o4-mini	US$ 2,00	US$ 0,500	US$ 8,00	99,9%	99% > 90 tokens por segundo²

1Solicitações estimadas em mais de 272 mil tokens de prompt

2Calculado como o 50º percentil da latência das requisições a cada 5 minutos. Para clientes com contratos Enterprise que especificam SLAs de latência calculados como o 50º percentil da latência das requisições a cada 1 minuto, os SLAs anteriores continuam em vigor.

3Apenas para clientes do plano Enterprise

Como funciona

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.

Limitações

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.

Preços

Modelos

Limites de taxa

O Priority processing tem limites de rampa para garantir desempenho consistentemente alto para todos os clientes, mantendo preços flexíveis e sob demanda. Se (a) o desempenho do Priority processing estiver degradado E (b) o tráfego de um cliente estiver crescendo rápido demais, alguns pedidos Priority poderão ser rebaixados para o Standard processing.

O limite atual de rampa do Priority processing é definido como processar pelo menos 1M TPM e aumentar o tráfego em mais de 50% de tokens por minuto em menos de 15 minutos.

As solicitações processadas pelo nível de serviço Standard serão cobradas nas tarifas padrão e não são elegíveis para os Service Level Objectives do Priority processing.

As solicitações processadas pelo nível de serviço Standard incluirão service_tier="Default" na resposta.

Boas práticas para se manter dentro do seu limite de rampa

Aumente o tráfego gradualmente ao trocar de modelo. Por exemplo, se o seu aplicativo estiver migrando de um snapshot anterior para um novo, use uma feature flag para transferir o tráfego ao longo de algumas horas, em vez de tudo de uma vez.
Evite executar grandes jobs de processamento de dados ou jobs assíncronos no Priority processing. Esses jobs podem aumentar o tráfego muito rápido e, muitas vezes, não precisam do desempenho aprimorado do Priority processing.
Se você atingir limites de rampa com frequência, considere adquirir capacidade de Scale Tier em vez de — ou além de — usar apenas o Priority processing.

Confiabilidade

Políticas

O limite atual de rampa do Priority processing é definido como processar pelo menos 1M TPM e aumentar o tráfego em mais de 50% de tokens por minuto em menos de 15 minutos.

As solicitações processadas pelo nível de serviço Standard serão cobradas nas tarifas padrão e não são elegíveis para os Service Level Objectives do Priority processing.

As solicitações processadas pelo nível de serviço Standard incluirão service_tier="Default" na resposta.

Boas práticas para se manter dentro do seu limite de rampa

Aumente o tráfego gradualmente ao trocar de modelo. Por exemplo, se o seu aplicativo estiver migrando de um snapshot anterior para um novo, use uma feature flag para transferir o tráfego ao longo de algumas horas, em vez de tudo de uma vez.
Evite executar grandes jobs de processamento de dados ou jobs assíncronos no Priority processing. Esses jobs podem aumentar o tráfego muito rápido e, muitas vezes, não precisam do desempenho aprimorado do Priority processing.
Se você atingir limites de rampa com frequência, considere adquirir capacidade de Scale Tier em vez de — ou além de — usar apenas o Priority processing.

Priority Processing para clientes da API

Como funciona

Limitações

Frequently asked questions

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

Preços

(Para clientes Enterprise) Como isso interage com o Scale Tier?

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

(Para clientes Enterprise) Meu compromisso anual está vinculado a um modo específico de processamento?

Eu ainda recebo desconto em tokens de entrada em cache (Cached Inputs)?

Como vejo o uso e o gasto do meu Priority processing?

Modelos

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

Como outras modalidades funcionam com o Priority processing?

Modelos futuros serão compatíveis?