Im Schnellmodus verarbeitet die API Anfragen bis zu 2,5-mal so schnell. Die Latenz schwankt weniger, und du zahlst nach Verbrauch. Nutze den Schnellmodus für interaktive Anwendungen mit regelmäßigem Anfrageaufkommen, bei denen es auf die Latenz ankommt.
Wie du mit GPT-6 Astra oder GPT-6.1 Sol höhere Geschwindigkeiten erreichst, erfährst du im Leitfaden zum Ultraschnellmodus.
Seit dem 30. Juli 2026 heißt die priorisierte Verarbeitung „Schnellmodus“. Außerdem haben wir
den Schnellmodus für gpt-5.6-sol beschleunigt. Er ist jetzt bis zu 2,5-mal so schnell wie
die Standardverarbeitung. Du kannst in deinen API-Anfragen service_tier: "priority"
oder service_tier: "fast" angeben, um den Schnellmodus zu nutzen.
Schnellmodus konfigurieren
Für Anfragen an die Responses API oder die Chat Completions API kannst du den Schnellmodus über einen Anfrageparameter oder eine Projekteinstellung aktivieren.
Um den Schnellmodus für eine einzelne Anfrage zu aktivieren, setze den Parameter service_tier auf fast. Wenn du service_tier auf priority setzt, hat das bei unterstützten Modellen denselben Effekt.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6.1-sol",
input="What does 'fit check for my napalm era' mean?",
service_tier="fast",
)
print(response)Um den Schnellmodus für ein Projekt zu aktivieren, öffne die Einstellungen, wähle Allgemein im Bereich Projekt und setze die Servicestufe des Projekts auf Schnell. Für Anfragen ohne Angabe von service_tier gilt dann standardmäßig der Schnellmodus. Die Anfragen des Projekts werden nach und nach auf den Schnellmodus umgestellt.
Das Feld service_tier im Antwortobjekt von Responses oder Chat Completions gibt an, auf welcher Servicestufe die Anfrage verarbeitet wurde. Bei GPT-5.6 und früheren Modellen enthält die Antwort priority, unabhängig davon, ob du in der Anfrage priority oder fast angibst.
Ratenlimits und Anstiegsrate
Grundlegende Ratenlimits
Für die Ratenlimits zählt die Nutzung des Schnellmodus genauso wie die Standardverarbeitung. Verwende deine übliche Logik für Wiederholungsversuche und warte zwischen den Versuchen. Für jedes Modell gilt ein gemeinsames Ratenlimit für die Standardverarbeitung und den Schnellmodus.
Limit für die Anstiegsrate
Wenn dein Anfragevolumen zu schnell steigt, kann das System einzelne Anfragen im Schnellmodus mit Standardgeschwindigkeit verarbeiten und zum Standardpreis abrechnen. In diesem Fall enthält die Antwort service_tier: "default". Als Faustregel gilt: Sobald dein Volumen 1 Million Eingabetoken pro Minute (TPM) erreicht, erhöhe es alle 15 Minuten um höchstens 50 %. Ab wann das Limit für die Anstiegsrate greift, hängt vom Modell und vom aktuellen Anfrageaufkommen ab.
So hältst du die Anstiegsrate innerhalb des Limits:
- Erhöhe das Anfragevolumen schrittweise, wenn du das Modell oder den Snapshot wechselst.
- Nutze Feature-Flags, um den Datenverkehr über mehrere Stunden hinweg umzustellen. Vermeide eine sofortige Umstellung.
- Vermeide im Schnellmodus umfangreiche Jobs zum Extrahieren, Transformieren und Laden von Daten (ETL) sowie große Batchjobs.
Hinweise zur Nutzung
- Im Schnellmodus zahlst du pro Token einen Aufpreis gegenüber der Standardverarbeitung. Auf der Preisseite findest du Details und die unterstützten Modelle.
- Rabatte für zwischengespeicherte Eingaben gelten auch für Anfragen im Schnellmodus.
- Der Schnellmodus unterstützt multimodale Anfragen, auch mit Bildeingaben.
- Um Anfragen im Schnellmodus im Nutzungsdashboard zu sehen, gruppiere die Ansicht nach Servicestufe. Bei GPT-5.6 und früheren Modellen erscheinen diese Anfragen als
priority, auch wenn dufastangibst. - GPT-5.6-Modelle unterstützen lange Kontexte. Der Schnellmodus unterstützt weder per Fine-Tuning angepasste Modelle noch Embeddings.
Häufig gestellte Fragen
Informationen zu Konten und Richtlinien findest du in den FAQ zum Schnellmodus.
Ist der Schnellmodus in allen Regionen verfügbar?
Die Verfügbarkeit hängt von den Gesetzen und Vorschriften im jeweiligen Rechtsraum ab. Bei Fragen zur Verfügbarkeit in deiner Region wende dich an die für dich zuständige Person in der Rolle Account Director.
Wie funktioniert der Schnellmodus in Verbindung mit Scale Tier?
Scale Tier und Schnellmodus sind voneinander unabhängig. Anfragen im Schnellmodus werden separat abgerechnet und nicht auf deine gekauften TPM-Kontingente für Scale Tier angerechnet. Anfragen, die über deine Kapazität bei Scale Tier hinausgehen, wechseln nicht automatisch in den Schnellmodus.
Wie wird der Schnellmodus abgerechnet?
Im Schnellmodus zahlst du pro Token einen Aufpreis gegenüber der Standardverarbeitung. Die Ausgaben für alle Verarbeitungsmodi werden auf den jährlichen Mindestbetrag angerechnet, den du im Enterprise-Vertrag zugesagt hast. Für rabattberechtigte zwischengespeicherte Eingabetoken gelten dieselben Rabatte wie bei der Standardverarbeitung.
Bei GPT-5.6 Sol kostet der Schnellmodus das Doppelte des jeweiligen Standardpreises. Für Anfragen mit kurzem Kontext zahlst du 8 USD pro Million Eingabetoken und 40 USD pro Million Ausgabetoken. Bei langem Kontext sind es 16 USD pro Million Eingabetoken und 60 USD pro Million Ausgabetoken. Die Aktionspreise für GPT-5.6 Sol gelten mindestens bis einschließlich 21. November 2026. Weitere Informationen findest du in der Preisübersicht.
Um deine Nutzung zu prüfen, öffne das Nutzungsdashboard, wähle Responses oder Chat Completions und gruppiere die Ansicht nach Servicestufe. Um die Kosten zu prüfen, gruppiere sie nach Abrechnungsposition.
Welche Modelle und Modalitäten unterstützen den Schnellmodus?
Der Schnellmodus unterstützt dieselben multimodalen Funktionen wie die Standardverarbeitung, einschließlich Bildeingaben. GPT-5.6-Modelle unterstützen lange Kontexte. Der Schnellmodus unterstützt weder per Fine-Tuning angepasste Modelle noch Embeddings. Künftige GPT-Modelle können den Schnellmodus unterstützen. Die Unterstützung ist jedoch nicht für jedes Modell garantiert.
Gilt das Limit für die Anstiegsrate projekt- oder organisationsübergreifend?
Ja. Für das Limit zählt dein gesamtes Anfragevolumen. Wenn du dieses Limit regelmäßig erreichst, kann es sich lohnen, ein Kontingent für Scale Tier zu kaufen.
Was passiert, wenn der Schnellmodus sein Latenzziel verfehlt?
Für GPT-6 Astra umfasst der Schnellmodus keine Service-Level-Vereinbarung (SLA) zur Latenz. Bei GPT-5.6 und früheren Modellen gelten für den Schnellmodus und Scale Tier dieselben SLA-Regelungen. Je nach Enterprise-Vereinbarung kannst du Service-Credits erhalten, wenn die Latenzziele verfehlt werden. Bei Fragen oder Bedenken wende dich an die für dich zuständige Person in der Rolle Account Director.
Ist der Schnellmodus mit Datenresidenz, der Option „keine Datenaufbewahrung“ und einem BAA kompatibel?
Der Schnellmodus ist mit Datenresidenz, der Option „keine Datenaufbewahrung“ und einem Business Associate Agreement (BAA) kompatibel, sofern das jeweilige Modell diese Optionen unterstützt. Für GPT-6.1 Sol, GPT-6.1 Terra und GPT-6 Luna unterstützt der Schnellmodus die Datenresidenz in der EU. Für GPT-6 Astra und GPT-6 Sol ist der Schnellmodus mit Datenresidenz in der EU nicht verfügbar. Die bisherigen Anforderungen an Endpunkte, Tools und Teilnahmeberechtigung sowie die vertraglichen Anforderungen gelten weiterhin. Weitere Informationen findest du im Leitfaden zu deinen Daten.