Nous proposons le Mode rapide aux clients de l’API qui souhaitent obtenir des performances plus rapides et plus constantes sur certains modèles. Vous trouverez ci-dessous les réponses aux questions courantes sur son fonctionnement, ses tarifs, les modèles disponibles, les limites de débit, la fiabilité, les politiques et l’admissibilité.

Remarque : le traitement prioritaire a été renommé Mode rapide le 30 juillet 2026. Vous pouvez utiliser service_tier: priority ou service_tier: fast dans vos requêtes API. 

En savoir plus sur le Mode rapide.

Le Mode rapide est-il disponible dans toutes les régions?

La disponibilité du Mode rapide dépend des lois et règlements applicables dans chaque territoire. Veuillez communiquer avec votre représentant OpenAI si vous avez des questions sur la disponibilité dans votre région.

Fonctionnement

Les clients peuvent diriger le trafic vers le Mode rapide pour chaque requête à l’aide du paramètre existant service_tier, avec l’option service_tier = "fast".

Les tokens traités par le Mode rapide seront facturés au token, à un tarif supérieur à celui du traitement standard.

En plus de le configurer pour chaque requête, vous pouvez définir le Mode rapide par défaut pour un projet dans Paramètres du projet > Offre par défaut du projet : Rapide. Vous pouvez toujours remplacer ce réglage pour chaque requête. Sélectionner Rapide dans les paramètres de votre projet équivaut à sélectionner Prioritaire.

Comment cela fonctionne-t-il avec l’offre Scale?

L’offre Scale restera distincte du Mode rapide. Les requêtes envoyées au Mode rapide seront facturées séparément et ne seront pas déduites des forfaits TPM que vous avez achetés dans le cadre de l’offre Scale.

Puis-je envoyer automatiquement le trafic excédentaire de mon offre Scale vers le Mode rapide?

Non. Le trafic envoyé à l’offre Scale ne sera pas automatiquement redirigé vers le Mode rapide en cas de dépassement.

Comment le Mode rapide est-il facturé?

Les tokens traités par le Mode rapide seront facturés à l’unité, à un tarif supérieur à celui du traitement standard.

Mon engagement annuel est-il lié à un mode de traitement précis?

Non. Tous les modes de traitement sont pris en compte dans votre engagement de dépenses annuel Enterprise.

Est-ce que je bénéficie toujours d’un rabais sur les tokens d’entrée mis en cache?

Oui. Les tokens d’entrée admissibles mis en cache bénéficient des mêmes rabais qu’avec le traitement standard.

Comment consulter mon utilisation et mes dépenses en Mode rapide?

Pour consulter les tokens traités par le Mode rapide (anciennement appelé traitement prioritaire), accédez au Tableau de bord d’utilisation, sélectionnez Complétions de clavardage ou Réponses, puis sélectionnez Regrouper par offre.

Pour consulter le coût du Mode rapide, accédez au Tableau de bord d’utilisation et sélectionnez Regrouper par poste.

Dans le Tableau de bord d’utilisation, les requêtes en Mode rapide pour GPT-5.6 et les modèles antérieurs s’affichent sous priority, même lorsque la requête spécifie fast.

Modèles

Le Mode rapide prend-il en charge les contextes longs, les modèles affinés ou les plongements vectoriels?

Les modèles GPT-5.6 prennent en charge les contextes longs en Mode rapide. Le Mode rapide ne prend pas en charge les modèles affinés ni les plongements vectoriels.

Comment les autres modalités fonctionnent-elles avec le Mode rapide?

Le Mode rapide prend en charge les mêmes capacités multimodales que le traitement standard. Les images peuvent notamment servir d’entrées en Mode rapide et sont traitées avec la même faible latence.

Les futurs modèles seront-ils pris en charge?

Nous prévoyons offrir le Mode rapide pour les nouveaux modèles GPT, mais nous ne garantissons pas que chaque modèle sera pris en charge.

Limites de débit

Quelles sont les limites de débit?

Pour les limites de débit, la consommation du Mode rapide est traitée de la même façon que le trafic API standard.

Quelles sont les limites de vitesse de montée en charge?

Le Mode rapide impose des limites de vitesse de montée en charge pour garantir des performances élevées et constantes à tous les clients, tout en offrant une tarification flexible à la demande. Si (a) les performances du Mode rapide se dégradent ET (b) le trafic d’un client augmente trop rapidement, certaines requêtes peuvent, dans de rares cas, être redirigées vers le traitement standard.

La limite actuelle de vitesse de montée en charge du Mode rapide est définie dans notre documentation sur le Mode rapide.

Pratiques exemplaires pour respecter votre limite de vitesse de montée en charge

Augmentez progressivement le trafic lorsque vous changez de modèle. Par exemple, si votre application passe d’un instantané précédent à un nouveau, utilisez un indicateur de fonctionnalité pour transférer le trafic sur quelques heures plutôt qu’en une seule fois.

Évitez d’exécuter des tâches volumineuses de traitement de données ou des tâches asynchrones en Mode rapide. Ces tâches peuvent faire augmenter le trafic très rapidement et n’ont souvent pas besoin des performances améliorées du Mode rapide.

Si vous atteignez régulièrement les limites de vitesse de montée en charge, envisagez plutôt d’acheter un quota de l’offre Scale.

Les limites de vitesse de montée en charge sont-elles partagées entre mes projets ou mes organisations?

Oui, tout votre trafic est pris en compte dans la même limite de vitesse de montée en charge.

Politiques

Que se passe-t-il si le Mode rapide n’atteint pas la cible de latence?

Le Mode rapide pour GPT-6 Astra n’est assorti d’aucun accord de niveau de service (SLA) relatif à la latence. Pour GPT-5.6 et les modèles antérieurs, le Mode rapide et l’offre Scale sont soumis aux mêmes conditions de SLA. Les ententes Enterprise admissibles peuvent prévoir des crédits de service lorsque les cibles de latence ne sont pas atteintes. Pour toute question, communiquez avec votre directeur de compte.

Le Mode rapide est-il compatible avec la résidence des données?

Oui, sous réserve de la disponibilité propre à chaque modèle. La résidence des données dans l’UE est prise en charge pour GPT-6.1 Sol, GPT-6 Sol et GPT-6 Luna, mais pas pour GPT-6 Astra.

Le Mode rapide est-il compatible avec la ZDR et le BAA?

Oui, sous réserve des exigences applicables au modèle, au point de terminaison, aux outils, à l’admissibilité et au contrat.

Ultrarapide pour GPT-6 Astra et GPT-6.1 Sol

Ultrarapide est une offre distincte pour les charges de travail qui nécessitent des réponses de GPT-6 Astra et de GPT-6.1 Sol à plus faible latence, comme les applications interactives et les flux de travail de programmation.

Les indications sur les tarifs, les limites de débit et les politiques du Mode rapide s’appliquent aux requêtes utilisant service_tier="fast". Les requêtes Ultrarapide utilisent l’offre distincte service_tier="ultrafast".

Comment envoyer une requête Ultrarapide?

Pour une organisation ayant accès à Ultrarapide, utilisez l’API Responses avec les paramètres suivants :

• Modèle : gpt-6-astra ou gpt-6.1-sol

• Offre : ultrafast

• En-tête de requête facultatif : OpenAI-Service-Tier: ultrafast

L’en-tête de requête est facultatif. Si vous l’incluez, sa valeur doit correspondre à l’offre indiquée dans le corps de la requête.

Pour les applications qui exécutent des appels d’outils, le mode WebSocket permet de réutiliser une connexion au fil des échanges et de réduire la surcharge liée aux connexions.

Puis-je utiliser le même en-tête de requête pour d’autres offres?

Lorsqu’il est fourni, l’en-tête OpenAI-Service-Tier accepte fast ou ultrafast. Si vous passez à une autre offre, comme default, fast ou flex, mettez à jour l’en-tête pour qu’il corresponde à la requête, ou omettez-le.

Puis-je utiliser Ultrarapide dans Work ou Codex?

Ultrarapide est aussi disponible dans Work et Codex pour les forfaits et les espaces de travail admissibles. L’admissibilité et l’utilisation selon le forfait ChatGPT diffèrent de celles de l’accès à l’API.

Consultez ChatGPT Work et Codex pour en savoir plus sur la disponibilité et l’utilisation.