如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题

快速模式

API 处理速度最高可达标准处理的 2.5 倍。

快速模式按量计费,处理速度最高可达标准处理的 2.5 倍,延迟也更稳定。如果您的应用面向用户、流量稳定且对延迟敏感,可以使用快速模式。

如需进一步提高 GPT-6.2 Astra、GPT-6.2 Sol、GPT-6 Astra 或 GPT-6.1 Sol 的处理速度,请参阅超快速模式。

2026 年 7 月 30 日,优先处理更名为快速模式。我们还提高了 gpt-5.6-sol 在快速模式下的处理速度,使其最高可达标准处理的 2.5 倍。您可以在 API 请求中使用 service_tier: "priority" 或 service_tier: "fast" 来启用快速模式。

配置快速模式

对于发送到 Responses API 或 Chat Completions API 的请求,您可以通过请求参数或项目设置启用快速模式。

要为单个请求启用快速模式,请将 service_tier 参数设为 fast。对于支持快速模式的模型,将 service_tier 设为 priority 效果相同。

使用快速模式创建响应
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.2-sol",
    input="What does 'fit check for my napalm era' mean?",
    service_tier="fast",
)
print(response)

要为整个项目启用快速模式,请打开设置,选择常规(位于项目下),然后将项目服务层级改为快速。此后,未指定 service_tier 的请求默认使用快速模式。该项目的请求会逐步切换到快速模式。

service_tier 字段位于 Responses 或 Chat Completions 的响应对象中,表示实际处理请求所用的服务层级。对于 GPT-5.6 及更早的模型,响应均返回 priority,无论请求中指定的是 priority 还是 fast。

速率限制与用量速率

基准限制

计算速率限制时,快速模式的用量与标准处理的用量按相同方式计入。请沿用您平时的重试逻辑,并在两次尝试之间留出等待时间。对于同一模型,标准处理和快速模式共用同一速率限制。

用量速率限制

如果流量增长过快,系统可能会将部分快速模式请求降至标准处理速度,并按标准费率计费。此时,响应中会包含 service_tier: "default"。一般来说,当您的流量达到每分钟 100 万个输入 Token(TPM)后,每 15 分钟的增幅应控制在 50% 以内。触发用量速率限制的具体阈值可能因模型和流量状况而异。

以下措施可帮助您避免触发用量速率限制。

  • 切换模型或模型快照时,逐步增加流量。
  • 使用功能开关,在数小时内逐步切换流量。
  • 避免在快速模式下运行大规模的提取、转换和加载(ETL)作业或批处理作业。

使用注意事项

  • 快速模式的每个 Token 费用高于标准处理。有关具体费率和支持的模型,请参阅定价页面。
  • 快速模式请求仍可享受缓存输入折扣。
  • 快速模式支持多模态请求,包括含有图像输入的请求。
  • 要在用量仪表板中查看快速模式请求,请选择按服务层级分组。对于 GPT-5.6 及更早的模型,这些请求会显示为 priority,即使您指定的是 fast。
  • GPT-5.6 系列模型支持长上下文。快速模式不支持微调模型或嵌入向量。

常见问题

有关账户和政策的信息,请参阅快速模式常见问题。

所有地区都可以使用快速模式吗?

快速模式是否可用取决于各司法管辖区的法律法规。如果您对所在地区的可用性有疑问,请联系您的客户总监。

快速模式与规模层级有何关系?

规模层级与快速模式相互独立。快速模式请求单独计费,不占用您已购买的规模层级 TPM 配额。超出规模层级配额的流量不会自动转入快速模式。

快速模式如何计费?

快速模式的每个 Token 费用高于标准处理。所有处理模式的费用均计入您承诺的企业年度支出。符合条件的缓存输入 Token 可享受与标准处理相同的折扣。

对于 GPT-5.6 Sol,快速模式的费率是相应标准费率的两倍。对于短上下文请求,每 100 万个输入 Token 收费 8 美元,每 100 万个输出 Token 收费 40 美元。对于长上下文请求,每 100 万个输入 Token 收费 16 美元,每 100 万个输出 Token 收费 60 美元。GPT-5.6 Sol 的优惠价格至少持续至 2026 年 11 月 21 日(含当日)。请参阅定价详情。

要查看用量,请打开用量仪表板,选择 Responses 或 Chat Completions,然后按服务层级分组。要查看费用,请按账单项目分组。

哪些模型和模态支持快速模式?

快速模式支持标准处理提供的多模态功能,包括图像输入。GPT-5.6 系列模型支持长上下文。快速模式不支持微调模型或嵌入向量。未来的 GPT 模型可能会支持快速模式,但无法保证每个模型都支持。

不同项目或组织是否共用同一用量速率限制?

是的。您的所有流量合并计算,受同一用量速率限制约束。如果您经常触发用量速率限制,可以考虑购买规模层级配额。

如果快速模式未达到延迟目标,会怎样?

GPT-6 Astra 的快速模式不提供延迟服务等级协议(SLA)。对于 GPT-5.6 及更早的模型,快速模式与规模层级适用相同的服务等级协议条款。如果未达到延迟目标,符合条件的企业协议可能会提供服务补偿额度。如有疑问或顾虑,请联系您的客户总监。

快速模式是否兼容数据驻留、零数据保留和 BAA?

快速模式兼容数据驻留、零数据保留和业务伙伴协议(BAA),具体可用性因模型而异。GPT-6.2 Astra 和 GPT-6.2 Sol 在快速模式下支持美国和欧盟数据驻留。对于 GPT-6.1 Sol、GPT-6.1 Terra 和 GPT-6 Luna,快速模式支持欧盟数据驻留。对于 GPT-6 Astra 或 GPT-6 Sol,启用欧盟数据驻留时无法使用快速模式。现有的端点、工具、资格和合同要求仍然适用。详情请参阅数据驻留指南。