Modo Fast para clientes da API

O modo Fast oferece desempenho confiável e de alta velocidade, com a flexibilidade do pagamento conforme o uso. Com o modo Fast, o gpt-5.6-sol pode atingir velocidades até 2,5 vezes maiores.

Ao escolher o modo Fast, você tem acesso a:

Latência baixa e previsível: o modo Fast gera tokens com mais rapidez e a uma velocidade mais consistente do que o serviço de processamento padrão, mesmo nos picos de demanda.
Uso simples e flexível: assim como o processamento padrão, o modo Fast oferece acesso flexível com pagamento conforme o uso, sem exigir provisionamento antecipado.

Observação: o processamento prioritário passou a se chamar modo Fast em 30 de julho de 2026. Você pode usar service_tier: priority ou service_tier: fast nas suas solicitações à API.

	Breve contexto			Contexto Longo			SLA de tempo de atividade³	SLA de latência³
	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	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-6 Astra	US$ 20,00	US$ 2,00	US$ 100,00	US$ 40,00	US$ 4,00	US$ 150,00	—	—
GPT-6.1 Sol	US$ 4,00	US$ 0,20	US$ 20,00	US$ 8,00	US$ 0,40	US$ 30,00	—	—
GPT-6 Sol	US$ 4,00	US$ 0,40	US$ 20,00	US$ 8,00	US$ 0,80	US$ 30,00	—	—
GPT-6 Luna	US$ 0,20	US$ 0,02	US$ 1,00	US$ 0,40	US$ 0,04	US$ 1,50	—	—
GPT-5.6 Sol	US$ 8,00	US$ 0,80	US$ 40,00	US$ 16,00	US$ 1,60	US$ 60,00	99,9%	99% > 80 tokens por segundo²
GPT-5.6 Terra	US$ 4,00	US$ 0,40	US$ 24,00	US$ 8,00	US$ 0,80	US$ 36,00	99,9%	99% > 70 tokens por segundo²
GPT-5.6 Luna	US$ 0,40	US$ 0,04	US$ 2,40	US$ 0,80	US$ 0,08	US$ 3,60	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

Os clientes podem direcionar o tráfego ao modo Fast em cada solicitação usando o parâmetro service_tier já existente, com a opção service_tier = "fast".

Os tokens processados no modo Fast serão cobrados por token, a tarifas superiores às do processamento padrão.

Além de configurar o modo Fast em cada solicitação, você também pode defini-lo como padrão para um projeto em Configurações do projeto > Nível de serviço padrão: Fast. Ainda é possível substituir essa configuração em cada solicitação. Selecionar Fast nas configurações do projeto equivale a selecionar Priority.

Limitações

Os limites de taxa do modo Fast são compartilhados com outros níveis de serviço.
Em casos raros, aumentos rápidos no volume de tokens por minuto no modo Fast podem fazer você atingir os limites de taxa de aumento. Se você exceder esse limite, o tráfego adicional poderá ser direcionado para o processamento padrão.

Perguntas frequentes

Em 30 de julho de 2026, o processamento prioritário passou a se chamar modo Fast, e aumentamos a velocidade de execução do gpt-5.6-sol para que ele funcione com velocidade 2,5 vezes superior à padrão. O nome “modo Fast” comunica com mais clareza seu principal benefício: respostas mais rápidas para cargas de trabalho sensíveis à latência. O novo nome reflete o mesmo processamento flexível, com pagamento conforme o uso, que os clientes já utilizam. Essa mudança não causa incompatibilidades, pois tanto service_tier=priority quanto service_tier=fast continuam sendo aceitos pela nossa API para acessar essa funcionalidade.

Para os modelos existentes, você pode definir service_tier como priority ou fast nas solicitações a /v1/responses, /v1/chat/completions e /v1/usage. As duas opções continuarão retornando priority nas respostas da API e aparecendo como priority no painel de uso e nas faturas.

Para modelos lançados após o gpt-5.6, as respostas da API, os relatórios de uso e as faturas usarão o nome “modo Fast”.

Preços

Para ver os tokens processados no modo Fast (antes chamado de processamento prioritário), acesse o painel de uso, selecione Chat Completions ou Responses e, em Agrupar por, selecione Nível de serviço.

Para ver o custo do modo Fast, acesse o painel de uso e, em Agrupar por, selecione Item de linha.

No painel de uso, as solicitações que usam priority ou fast como service_tier continuarão aparecendo como priority. Isso será atualizado para modelos futuros.

Modelos

Limites de taxa

O modo Fast tem limites de taxa de aumento para garantir desempenho elevado e consistente a todos os clientes, mantendo preços flexíveis e sob demanda. Se (a) houver queda no desempenho do modo Fast E (b) o tráfego de um cliente estiver crescendo rápido demais, parte do tráfego do modo Fast poderá passar a usar o processamento padrão.

O limite atual de taxa de aumento do modo Fast é definido como processar pelo menos 1M TPM e aumentar o volume de tokens por minuto em >50% 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 Padrão 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 tarefas de processamento de dados em grande escala ou tarefas assíncronas no modo Fast. Essas tarefas podem aumentar o tráfego muito rapidamente e, muitas vezes, não precisam do desempenho aprimorado do modo Fast.
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 taxa de aumento do modo Fast é definido como processar pelo menos 1M TPM e aumentar o volume de tokens por minuto em >50% 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 Padrão 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 tarefas de processamento de dados em grande escala ou tarefas assíncronas no modo Fast. Essas tarefas podem aumentar o tráfego muito rapidamente e, muitas vezes, não precisam do desempenho aprimorado do modo Fast.
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.

Modo Fast para clientes da API

Como funciona

Limitações

Perguntas frequentes

O que a mudança do processamento prioritário para o modo Fast significa para os clientes?

Preços

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

(Para clientes Enterprise) Posso enviar automaticamente ao modo Fast o tráfego excedente do Nível de escala?

(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 meu uso e meus gastos no modo Fast?

Modelos

Como outras modalidades funcionam com o modo Fast?

Modelos futuros serão compatíveis?