Ниво скалирања за API кориснике

Scale Tier is available on models released before GPT‑5.6. For GPT‑5.6 and future model releases, see Reserved Tier

This offering is available to Enterprise customers. Please contact our sales team⁠ to learn more. To access the same premium latency and reliability benefits on a flexible, pay-as-you-go basis, see Fast mode.

Scale Tier lets you purchase a set number of API input and output tokens per minute (known as “token units”) upfront for access to one specific model snapshot. Each token unit is purchased for a minimum of 30 days. Additional models may be added based on customer interest.

By choosing Scale Tier, you can unlock:

Predictable latency: Scale Tier is designed to generate tokens faster and at a more consistent speed than the pay-as-you-go (PAYG) service, even during peak demand.
Uncapped scale: Any quota purchases with Scale Tier is automatically added to your rate limits, so you can confidently scale further.
Higher reliability: Scale Tier traffic offers a 99.9% uptime SLA and prioritized compute.

	Пакет уноса	Пакет резултата	SLA за доступност система	Кашњење SLA
GPT-5.5	50.000 TPM 750,00 US$ по јединици/дану	Није применљиво³	99,9%	99% > 100 токена у секунди²
GPT-5.4 mini	50.000 TPM 100,00 US$ по јединици/дану	Није применљиво³	99,9%	99% > 100 токена у секунди²
GPT-5.4 искључује дугачак контекст⁴	50.000 TPM 300,00 US$ по јединици/дану	Није применљиво³	99,9%	99% > 50 токена у секунди²
GPT-5.2	25.000 TPM 105,00 US$ по јединици/дану	2.500 TPM 84,00 US$ по јединици/дану	99,9%	99% > 50 токена у секунди²
GPT-5.1	25.000 TPM 75,00 US$ по јединици/дану	2.500 TPM 60,00 US$ по јединици/дану	99,9%	99% > 50 токена у секунди²
GPT-5	25.000 TPM 75,00 US$ по јединици/дану	2.500 TPM 60,00 US$ по јединици/дану	99,9%	99% > 50 токена у секунди²
GPT-5 mini	500.000 TPM 275,00 US$ по јединици/дану	50.000 TPM 220,00 US$ по јединици/дану	99,9%	99% > 80 токена у секунди²
GPT-4.1 искључује дуги контекст¹	30.000 TPM 110,00 US$ по јединица/дан	2500 TPM 36,00 US$ по јединица/дан	99,9%	99% > 80 токена у секунди²
GPT-4.1 mini искључује дуги контекст¹	500.000 TPM 450,00 US$ по јединица/дан	50.000 TPM 175,00 US$ по јединица/дан	99,9%	99% > 90 токена у секунди²
GPT-4.1 nano искључује дуги контекст¹	500.000 TPM 110,00 US$ по јединица/дан	50.000 TPM 40,00 US$ по јединица/дан	99,9%	99% > 100 токена у секунди²
GPT-4.1 fine tuning	30.000 TPM 165,00 US$ по јединица/дан	2500 TPM 36,00 US$ по јединица/дан	99,9%	99% > 80 токена у секунди²
GPT-4.1 mini fine tuning	500.000 TPM 900,00 US$ по јединица/дан	50.000 TPM 175,00 US$ по јединица/дан	99,9%	99% > 90 токена у секунди²
o3	25.000 TPM 75,00 US$ по јединици/дану	5.000 TPM 60,00 US$ по јединици/дану	99,9%	99% > 80 токена у секунди²
o4-mini	30.000 TPM 50,00 US$ по јединици/дану	5.000 TPM 32,50 US$ по јединици/дану	99,9%	99% > 90 токена у секунди²
GPT-4o	30.000 TPM 124,59 US$ по јединица/дан	2500 TPM 39,34 US$ по јединица/дан	99,9%	99% > 80 токена у секунди²
GPT-4o mini	500.000 TPM 114,75 US$ по јединица/дан	50.000 TPM 49,18 US$ по јединица/дан	99,9%	99% > 90 токена у секунди²
GPT-4o mini fine tuning	500.000 TPM 229,50 US$ по јединица/дан	50.000 TPM 98,36 US$ по јединица/дан	99,9%	99% > 90 токена у секунди²
o1	5.000 TPM 163,93 US$ по јединици/дану	1.000 TPM 131,15 US$ по јединици/дану	99,9%	99% > 80 токена у секунди²
o3-mini	30.000 TPM 78,69 US$ по јединици/дану	5.000 TPM 52,46 US$ по јединици/дану	99,9%	99% > 90 токена у секунди²

1Захтеви процењени на више од 128.000 токена за инструкције

2Обрачунато као p50 кашњење захтева на основу интервала од 5 минута. За клијенте са постојећим уговорима за предузећа који имају SLA-ове за кашњење израчунате као p50 кашњење захтева на минутном нивоу, претходни SLA-ови су и даље применљиви.

3Уз GPT-5.4, Scale пакет се купује као пакет комбинованих улазних и излазних токена у минуту. Коришћење токена за унос, кешираних токена за унос и токена за излаз урачунава се у овај обједињени пакет по различитим тарифама. Погледајте одељак „Како функционише“ испод.

4Дуги контекст је >272K

Како то функционише

Уз Ниво скалирања можете да купите јединице улазних и излазних токена. На пример, код GPT‑4.1 свака улазна јединица кошта 110 долара дневно и омогућава вам 30.000 улазних токена у минути. Свака излазна јединица кошта 36 долара дневно и омогућава вам 2500 излазних токена у минути. Свака јединица токена купује се на период од најмање 30 дана.

Више информација о томе како Ниво скалирања функционише са Prompt Caching-ом можете пронаћи у одељку са честим питањима у наставку.

За GPT‑5.4 и GPT‑5.5 купује се комбиновани капацитет улазних и излазних токена по минуту. Ово вам даје већу флексибилност и уклања потребу да предвиђате однос улазних и излазних токена. Док користите Ниво скалирања, урачунавамо токене у ваш комбиновани број токена на следећи начин:

Улазни токени се рачунају као 1
Кеширани улазни токени прате кеширање по моделу, као што је наведено у одељку са честим питањима у наставку.
Број излазних токена на основу PayG односа цене излазних токена према цени улазних токена за модел. На пример, са GPT‑5.4 један излазни токен рачуна се као 6.

Ценовник

For billing purposes, tokens per minute (TPM) are calculated by averaging the number of tokens used in 15-minute intervals aligned to the top of the hour (e.g. 3:00 to 3:15, 3:15 to 3:30, etc). If the total tokens used within a 15-minute period is below your Scale Tier entitlement, they are not billed. For example, if you purchase Scale Tier for GPT‑4o with an entitlement of 30,000 input tokens per minute, you can use up to 450,000 input tokens in any 15-minute period without incurring additional charges. Any tokens used beyond this limit are billed at pay-as-you-go (PAYG) rates on Fast mode.

Јединице токена и ограничења стопе

Свој TPM можете видети обједињен по данима. У будућности ћемо вам омогућити приступ аналитици која ће приказивати ове податке на много детаљнијем нивоу. За сада сарађујте са својим менаџером налога да бисте добили прилагођени извештај.

Своја тренутна ограничења стопе можете да видите на страници подешавања⁠⁠(отвара се у новом прозору). Када купите јединице токена за Ниво скалирања, ограничења стопе за тај модел ће се аутоматски повећати за количину коју сте купили. Када користите модел, захтеви ће се најпре обрађивати у оквиру ваше брже квоте за Ниво скалирања. Ако прекорачите свој квоту, додатни захтеви ће бити обрађени коришћењем редовне услуге Стандардне обраде. Ако у току једног минута премашите укупно ограничење стопе за Ниво скалирања + редовна ограничења Стандардне обраде, даљи захтеви ће бити одбијени као и обично, уз код грешке 429.

Укључите опцију „Ниво скалирања је омогућен“ у Подешавањима пројекта.

Позиви ка Responses API-ју ће подразумевано користити токене Нивоа скалирања ако је опција укључена и ако су расположиви токени доступни.

Ако користите Completions API, консултујте документацију за параметар service_tier да бисте одлучили да ли ћете га ручно подесити или користити подразумеване вредности.

Нудимо различите попусте на кеширане улазне токене (50%, 75% или 90%) у зависности од модела. Ако пошаљете 50.000 TPM кешираних улазних токена на моделу код којег се кеширани токени наплаћују са 50% попуста, ти токени ће се према вашој квоти рачунати као само 25.000 TPM. Ако пошаљете 50.000 TPM кешираних улазних токена на моделу где се кеширани токени обрачунавају уз 75% попуста, они ће се према вашој квоти рачунати као 12.500 TPM. Сазнајте више о Prompt Caching-у⁠(отвара се у новом прозору)

Ниво скалирања за API кориснике

Како то функционише

Ценовник

Како се Ниво скалирања наручује и обезбеђује?

Када почиње наплата?

Како се обрачунава прекорачење потрошње по принципу плаћања по потрошњи док користим Ниво скалирања?

Ако направим годишњу обавезу, да ли моја потрошња мора да буде усмерена на Ниво скалирања?

Да ли је моја годишња обавеза везана за одређену понуду?

Ако већ користим Резервисани капацитет, како могу да користим Ниво скалирања за GPT-4o?

Јединице токена и ограничења стопе

Како могу да купим јединице токена у Нивоу скалирања?

Како могу да проверим свој TPM (број токена по минути)?

Како да утврдим своја укупна ограничења стопе?

Како да омогућим да позиви користе токене Нивоа скалирања?

како Ниво скалирања функционише са Prompt Caching-ом

Модели

Како други модалитети функционишу уз Ниво скалирања?

Can I automatically send my Scale Tier spill-over traffic to Fast mode?

Поузданост

Шта се дешава ако се прекрше и SLA за латенцију и SLA за доступност?

Политике

Како функционише незадржавање података (ZDR) за Ниво скалирања?