Offriamo la Modalità rapida ai clienti API che desiderano prestazioni più veloci e costanti su determinati modelli. Di seguito trovi le risposte alle domande più comuni su funzionamento, prezzi, disponibilità dei modelli, limiti di richieste, affidabilità, politiche e requisiti di accesso.

Nota: il 30 luglio 2026 l'elaborazione prioritaria è stata rinominata Modalità rapida. Nelle richieste API puoi usare sia service_tier: priority sia service_tier: fast. 

Scopri di più sulla Modalità rapida.

La Modalità rapida è disponibile in tutte le regioni?

La disponibilità della Modalità rapida dipende dalle leggi e dai regolamenti applicabili in ciascuna giurisdizione. Per domande sulla disponibilità nella tua regione, contatta il tuo referente OpenAI.

Come funziona

I clienti possono indirizzare il traffico alla Modalità rapida per ogni singola richiesta usando il parametro esistente service_tier, con l'opzione service_tier = "fast".

I token elaborati in Modalità rapida vengono fatturati singolarmente, a una tariffa superiore rispetto a quella dell'elaborazione Standard.

Oltre a configurarla per ogni richiesta, puoi impostare la Modalità rapida come predefinita per un progetto in Impostazioni del progetto > Livello di servizio predefinito del progetto: Rapida. Puoi comunque modificare questa impostazione per ogni singola richiesta. Selezionare Rapida nelle impostazioni del progetto equivale a selezionare Priorità.

Come interagisce con Scale Tier?

Scale Tier rimarrà separato dalla Modalità rapida. Le richieste inviate alla Modalità rapida saranno fatturate separatamente e non consumeranno i pacchetti TPM Scale Tier acquistati.

Posso inviare automaticamente alla Modalità rapida il traffico che supera la mia quota Scale Tier?

No. Il traffico inviato a Scale Tier che supera la quota non passerà automaticamente alla Modalità rapida.

Come viene fatturata la Modalità rapida?

I token elaborati dalla Modalità rapida saranno fatturati per singolo token, a una tariffa superiore rispetto a quella dell’elaborazione standard.

Il mio impegno di spesa annuale è legato a una specifica modalità di elaborazione?

No. Tutte le modalità di elaborazione concorrono al raggiungimento del tuo impegno di spesa annuale Enterprise.

Continuo a ricevere uno sconto sui token di input memorizzati nella cache?

Sì. Ai token di input memorizzati nella cache che soddisfano i requisiti si applicano gli stessi sconti previsti per l'elaborazione Standard.

Come visualizzo l'utilizzo e la spesa per la Modalità rapida?

Per visualizzare i token elaborati in Modalità rapida (in precedenza chiamata elaborazione prioritaria), vai alla Dashboard di utilizzo, seleziona Chat Completions o Responses, quindi seleziona Raggruppa per livello di servizio.

Per visualizzare i costi della Modalità rapida, vai alla Dashboard di utilizzo e seleziona Raggruppa per voce di spesa.

Nella Dashboard di utilizzo, le richieste in Modalità rapida per GPT-5.6 e i modelli precedenti sono indicate come priority, anche quando la richiesta specifica fast.

Modelli

La Modalità rapida supporta il contesto lungo, i modelli sottoposti a fine-tuning o gli embedding?

I modelli GPT-5.6 supportano il contesto lungo in Modalità rapida. La Modalità rapida non supporta i modelli sottoposti a fine-tuning né gli embedding.

Come funzionano le altre modalità di input e output con la Modalità rapida?

La Modalità rapida supporta le stesse funzionalità multimodali disponibili con l'elaborazione Standard. In particolare, le immagini possono essere usate come input in Modalità rapida e vengono elaborate con la stessa bassa latenza.

I modelli futuri saranno supportati?

Prevediamo di offrire la Modalità rapida sui nuovi modelli GPT, ma non garantiamo il supporto per tutti i modelli.

Limiti di richieste

Quali sono i limiti di richieste?

Ai fini dei limiti di richieste, il consumo in Modalità rapida è trattato come il traffico API standard.

Quali sono i limiti al tasso di crescita del traffico?

La Modalità rapida prevede limiti al tasso di crescita del traffico per garantire prestazioni sempre elevate a tutti i clienti, mantenendo al contempo prezzi flessibili e a consumo. Se (a) le prestazioni della Modalità rapida peggiorano E (b) il traffico di un cliente aumenta troppo rapidamente, in rari casi alcune richieste potrebbero essere trasferite all'elaborazione Standard.

Il limite attuale al tasso di crescita del traffico per la Modalità rapida è definito nella nostra documentazione sulla Modalità rapida.

Buone pratiche per rispettare il limite al tasso di crescita del traffico

Aumenta gradualmente il traffico quando cambi modello. Ad esempio, se la tua applicazione sta passando da uno snapshot precedente a uno nuovo, usa un flag di funzionalità per trasferire il traffico nell'arco di qualche ora anziché tutto in una volta.

Evita di usare la Modalità rapida per elaborazioni di grandi quantità di dati o attività asincrone. Queste attività possono far aumentare il traffico molto rapidamente e spesso non richiedono le prestazioni superiori della Modalità rapida.

Se raggiungi spesso i limiti al tasso di crescita del traffico, valuta invece l'acquisto di una quota Scale Tier.

I limiti al tasso di crescita del traffico sono condivisi tra i miei progetti o le mie organizzazioni?

Sì, tutto il tuo traffico concorre al raggiungimento dello stesso limite al tasso di crescita del traffico.

Politiche

Cosa succede se la Modalità rapida non rispetta l'obiettivo di latenza?

La Modalità rapida per GPT-6 Astra non prevede uno SLA sulla latenza. Per GPT-5.6 e i modelli precedenti, alla Modalità rapida e a Scale Tier si applicano le stesse condizioni SLA. Gli accordi Enterprise che soddisfano i requisiti possono prevedere crediti di servizio quando gli obiettivi di latenza non vengono rispettati. Per domande, contatta il responsabile del tuo account.

La Modalità rapida è compatibile con la residenza dei dati?

Sì, in base alla disponibilità per ciascun modello. La residenza dei dati nell'UE è supportata per GPT-6.1 Sol, GPT-6 Sol e GPT-6 Luna, ma non per GPT-6 Astra.

La Modalità rapida è compatibile con ZDR e il BAA?

Sì, nel rispetto dei requisiti applicabili al modello, all'endpoint e agli strumenti, nonché dei requisiti di accesso e contrattuali.

Ultrafast per GPT-6 Astra e GPT-6.1 Sol

Ultrafast è un livello di servizio separato per i carichi di lavoro che richiedono risposte a latenza ridotta da GPT-6 Astra e GPT-6.1 Sol, come le applicazioni interattive e i flussi di lavoro di programmazione.

Le indicazioni su prezzi, limiti di richieste e politiche della Modalità rapida si applicano alle richieste che usano service_tier="fast". Le richieste Ultrafast usano il livello separato service_tier="ultrafast".

Come invio una richiesta Ultrafast?

Se la tua organizzazione ha accesso a Ultrafast, usa l'API Responses con:

• Modello: gpt-6-astra o gpt-6.1-sol

• Livello di servizio: ultrafast

• Intestazione facoltativa della richiesta: OpenAI-Service-Tier: ultrafast

L'intestazione della richiesta è facoltativa. Se la includi, il suo valore deve corrispondere al livello di servizio indicato nel corpo della richiesta.

Per le applicazioni che eseguono chiamate agli strumenti, la modalità WebSocket consente di riutilizzare una connessione tra i turni e di ridurre il sovraccarico legato alle connessioni.

Posso usare la stessa intestazione della richiesta per altri livelli di servizio?

Se specificata, l'intestazione OpenAI-Service-Tier accetta fast o ultrafast. Se passi a un altro livello di servizio, come default, fast o flex, aggiorna l'intestazione in modo che corrisponda alla richiesta oppure omettila.

Posso usare Ultrafast in Work o Codex?

Ultrafast è disponibile anche in Work e Codex per i piani e le aree di lavoro che soddisfano i requisiti. I requisiti di accesso e le condizioni d'uso dei piani ChatGPT sono diversi da quelli dell'accesso tramite API.

Consulta ChatGPT Work e Codex per i dettagli su disponibilità e utilizzo.