Kvoter och gränser för Azure OpenAI-tjänsten

Den här artikeln innehåller en snabbreferens och en detaljerad beskrivning av kvoter och gränser för Azure OpenAI i Azure AI-tjänster.

Referens för kvoter och gränser

I följande avsnitt får du en snabbguide till de standardkvoter och gränser som gäller för Azure OpenAI:

Gränsnamn	Gränsvärde
OpenAI-resurser per region per Azure-prenumeration	30
Standardgränser för DALL-E 2-kvoter	2 samtidiga begäranden
Standardgränser för DALL-E 3-kvoter	2 kapacitetsenheter (6 begäranden per minut)
Standardgränser för Whisper-kvoter	3 begäranden per minut
Maximalt antal prompttoken per begäran	Varierar per modell. Mer information finns i Azure OpenAI Service-modeller
Maximalt antal standarddistributioner per resurs	32
Maximalt antal finjusterade modelldistributioner	5
Totalt antal träningsjobb per resurs	100
Maximalt antal träningsjobb som körs samtidigt per resurs	1
Maximalt antal träningsjobb i kö	20
Maximalt antal filer per resurs (finjustering)	50
Total storlek för alla filer per resurs (finjustering)	1 GB
Maximal tid för träningsjobb (jobbet misslyckas om det överskrids)	720 timmar
Maximal storlek på träningsjobb (token i träningsfilen) x (antal epoker)	2 miljarder
Maximal storlek på alla filer per uppladdning (Azure OpenAI på dina data)	16 MB
Maximalt antal eller indata i matrisen med /embeddings	2048
Maximalt antal /chat/completions meddelanden	2048
Maximalt antal /chat/completions funktioner	128
Maximalt antal /chat completions verktyg	128
Maximalt antal etablerade dataflödesenheter per distribution	100,000
Maximalt antal filer per assistent/tråd	10 000 när du använder API:et eller AI Studio. 20 när du använder Azure OpenAI Studio.
Maximal filstorlek för assistenter och finjustering	512 MB
Maximal storlek för alla uppladdade filer för assistenter	100 GB
Tokengräns för assistenter	2 000 000 tokengräns
GPT-4o max bilder per begäran (antal bilder i meddelandematrisen/konversationshistoriken)	50
GPT-4 vision-preview & GPT-4 turbo-2024-04-09 standard maxtoken	16 max_tokens Öka parametervärdet för att undvika trunkerade svar. GPT-4o maxtoken är som standard 4 096.
Maximalt antal anpassade rubriker i API-begäranden1	10
Maximalt antal begäranden per minut Aktuella hastighetsgränser för realtidsljud (gpt-4o-realtime-preview) definieras som antalet nya websocket-anslutningar per minut. Till exempel innebär 6 begäranden per minut (RPM) 6 nya anslutningar per minut. För närvarande är användningsgränserna för lämpliga för gpt-4o-realtime-preview testning och utveckling.	6 nya anslutningar per minut

¹ Våra aktuella API:er tillåter upp till 10 anpassade huvuden som skickas via pipelinen och returneras. Vissa kunder överskrider nu det här antalet huvuden, vilket resulterar i HTTP 431-fel. Det finns ingen lösning på det här felet, förutom att minska rubrikvolymen. I framtida API-versioner passerar vi inte längre anpassade rubriker. Vi rekommenderar att kunderna inte är beroende av anpassade rubriker i framtida systemarkitekturer.

Regionala kvotgränser

Region	o1-mini	o1	GPT-4	GPT-4-32K	GPT-4-Turbo	GPT-4-Turbo-V	gpt-4o	gpt-4o-mini	GPT-35-Turbo	GPT-35-Turbo-Instruct	o1-mini - GlobalStandard	o1 – GlobalStandard	gpt-4o – GlobalStandard	gpt-4o-mini – GlobalStandard	GPT-4-Turbo – GlobalStandard	GPT-4o – Global-Batch	GPT-4o-mini – Global-Batch	GPT-4 – Global-Batch	GPT-4-Turbo – Global-Batch	gpt-35-turbo – Global-Batch	Text-Inbäddning-Ada-002	text-embedding-3-small	text-embedding-3-large	GPT-4o - finetune	GPT-4o-mini - finetune	GPT-4 – finetune	Babbage-002	Babbage-002 - finetune	Davinci-002	Davinci-002 - finetune	GPT-35-Turbo - finetune	GPT-35-Turbo-1106 - finetune	GPT-35-Turbo-0125 - finetune
australiaeast	-	-	40 K	80 K	80 K	30 K	-	-	300 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	-	-	-	-	-	-	-	-	-	-	-
Brasilien, södra	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	-	-	-	-	-	-	-	-	-	-	-
canadaeast	-	-	40 K	80 K	80 K	-	-	-	300 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	350 K	350 K	-	-	-	-	-	-	-	-	-	-
eastus	1 M	600 K	-	-	80 K	-	1 M	2 M	240 K	240 K	50 M	30 M	30 M	50 M	2 M	5 B	15 B	150 M	300 M	10 B	240 K	350 K	350 K	-	-	-	-	-	-	-	-	-	-
eastus2	1 M	600 K	-	-	80 K	-	1 M	2 M	300 K	-	50 M	30 M	30 M	50 M	2 M	-	-	-	-	-	350 K	350 K	350 K	250 K	-	-	-	-	-	-	250 K	250 K	250 K
francecentral	-	-	20 K	60 K	80 K	-	-	-	240 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	240 K	-	350 K	-	-	-	-	-	-	-	-	-	-
germanywestcentral	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Japan, östra	-	-	-	-	-	30 K	-	-	300 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	350 K	350 K	-	-	-	-	-	-	-	-	-	-
koreacentral	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
northcentralus	1 M	600 K	-	-	80 K	-	1 M	2 M	300 K	-	50 M	30 M	30 M	50 M	2 M	-	-	-	-	-	350 K	-	-	250 K	500 K	100 K	240 K	250 K	240 K	250 K	250 K	250 K	250 K
norwayeast	-	-	-	-	150 K	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	350 K	-	-	-	-	-	-	-	-	-	-
polencentral	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
southafricanorth	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	-	-	-	-	-	-	-	-	-	-	-
USA, södra centrala	1 M	600 K	-	-	80 K	-	1 M	2 M	240 K	-	50 M	30 M	30 M	50 M	2 M	-	-	-	-	-	240 K	-	-	-	-	-	-	-	-	-	-	-	-
southindia	-	-	-	-	150 K	-	-	-	300 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	350 K	-	-	-	-	-	-	-	-	-	-
spaincentral	-	-	-	-	-	-	-	-	-	-	-	-	30 M	50 M	2 M	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
swedencentral	1 M	600 K	40 K	80 K	150 K	30 K	1 M	2 M	300 K	240 K	50 M	30 M	30 M	50 M	2 M	5 B	15 B	150 M	300 M	10 B	350 K	-	350 K	250 K	500 K	100 K	240 K	250 K	240 K	250 K	250 K	250 K	250 K
switzerlandnorth	-	-	40 K	80 K	-	30 K	-	-	300 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	-	-	-	-	-	-	-	-	-	-	-
switzerlandwest	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	250 K	-	250 K	250 K	250 K	250 K
uksouth	-	-	-	-	80 K	-	-	-	240 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	350 K	-	350 K	-	-	-	-	-	-	-	-	-	-
Europa, västra	-	-	-	-	-	-	-	-	240 K	-	-	-	30 M	50 M	2 M	-	-	-	-	-	240 K	-	-	-	-	-	-	-	-	-	-	-	-
westus	1 M	600 K	-	-	80 K	30 K	1 M	2 M	300 K	-	50 M	30 M	30 M	50 M	2 M	5 B	15 B	150 M	300 M	10 B	350 K	-	-	-	-	-	-	-	-	-	-	-	-
westus3	1 M	600 K	-	-	80 K	-	1 M	2 M	300 K	-	50 M	30 M	30 M	50 M	2 M	-	-	-	-	-	350 K	-	350 K	-	-	-	-	-	-	-	-	-	-

Globala batchgränser

Gränsnamn	Gränsvärde
Maximalt antal filer per resurs	500
Maximal filstorlek för indata	200 MB
Maximalt antal begäranden per fil	100,000

Global batchkvot

Tabellen visar batchkvotgränsen. Kvotvärden för global batch representeras när det gäller kodade token. När du skickar en fil för batchbearbetning räknas antalet token som finns i filen. Tills batchjobbet når ett terminaltillstånd räknas dessa token mot den totala tillåtna tokengränsen.

Modell	Enterprise-avtal	Standardvärde	Månatliga kreditkortsbaserade prenumerationer	MSDN-prenumerationer	Azure for Students, kostnadsfria utvärderingsversioner
gpt-4o	5 B	200 M	50 M	90 K	Ej tillämpligt
gpt-4o-mini	15 B	1 B	50 M	90 K	Ej tillämpligt
gpt-4-turbo	300 M	80 M	40 M	90 K	Ej tillämpligt
gpt-4	150 M	30 M	5 M	100 K	Ej tillämpligt
gpt-35-turbo	10 B	1 B	100 M	2 M	50 K

B = miljarder | M = miljoner | K = tusen

o1-preview & o1-mini hastighetsgränser

Viktigt!

Förhållandet mellan RPM/TPM för kvot med modeller i o1-serien fungerar annorlunda än äldre modeller för chattavslut:

• Äldre chattmodeller: 1 kapacitetsenhet = 6 RPM och 1 000 TPM.
• o1-preview: 1 kapacitetsenhet = 1 RPM och 6 000 TPM.
• o1-mini: 1 kapacitetsenhet = 1 RPM per 10 000 TPM.

Detta är särskilt viktigt för programmatisk modelldistribution eftersom den här ändringen i RPM/TPM-förhållandet kan leda till oavsiktlig under allokering av kvot om man fortfarande antar förhållandet 1:1000 följt av äldre chattslutmodeller.

Det finns ett känt problem med API:et för kvot/användning där det förutsätter att det gamla förhållandet gäller för de nya modellerna i o1-serien. API:et returnerar rätt baskapacitetsnummer, men tillämpar inte rätt förhållande för korrekt beräkning av TPM.

o1-preview & o1-mini global standard

Modell	Nivå	Kvotgräns i token per minut (TPM)	Antal begäranden per minut
o1-preview	Enterprise-avtal	30 M	5 K
o1-mini	Enterprise-avtal	50 M	5 K
o1-preview	Standardvärde	3 M	500
o1-mini	Standardvärde	5 M	500

o1-preview &o1-mini standard

Modell	Nivå	Kvotgräns i token per minut (TPM)	Antal begäranden per minut
o1-preview	Enterprise-avtal	600 K	100
o1-mini	Enterprise-avtal	1 M	100
o1-preview	Standardvärde	300 K	50
o1-mini	Standardvärde	500 K	50

gpt-4o & GPT-4 Turbo hastighetsgränser

gpt-4o och gpt-4o-mini, och gpt-4 (turbo-2024-04-09) har frekvensgränsnivåer med högre gränser för vissa kundtyper.

gpt-4o & GPT-4 Turbo global standard

Modell	Nivå	Kvotgräns i token per minut (TPM)	Antal begäranden per minut
gpt-4o	Enterprise-avtal	30 M	180 K
gpt-4o-mini	Enterprise-avtal	50 M	300 K
gpt-4 (turbo-2024-04-09)	Enterprise-avtal	2 M	12 K
gpt-4o	Standardvärde	450 K	2,7 K
gpt-4o-mini	Standardvärde	2 M	12 K
gpt-4 (turbo-2024-04-09)	Standardvärde	450 K	2,7 K

M = miljoner | K = tusen

gpt-4o-datazonstandard

Modell	Nivå	Kvotgräns i token per minut (TPM)	Antal begäranden per minut
gpt-4o	Enterprise-avtal	10 M	60 K
gpt-4o-mini	Enterprise-avtal	20 M	120 K
gpt-4o	Standardvärde	300 K	1,8 K
gpt-4o-mini	Standardvärde	1 M	6 K

M = miljoner | K = tusen

gpt-4o standard

Modell	Nivå	Kvotgräns i token per minut (TPM)	Antal begäranden per minut
gpt-4o	Enterprise-avtal	1 M	6 K
gpt-4o-mini	Enterprise-avtal	2 M	12 K
gpt-4o	Standardvärde	150 K	900
gpt-4o-mini	Standardvärde	450 K	2,7 K

M = miljoner | K = tusen

Användningsnivåer

Globala standarddistributioner använder Azures globala infrastruktur och dirigerar dynamiskt kundtrafik till datacentret med bästa tillgänglighet för kundens slutsatsdragningsbegäranden. På samma sätt kan du använda azure global infrastruktur för att dynamiskt dirigera trafik till datacentret i den Microsoft-definierade datazonen med den bästa tillgängligheten för varje begäran. Detta möjliggör mer konsekvent svarstid för kunder med låg till medelhög trafiknivå. Kunder med hög ihållande användningsnivå kan se mer variabilitet i svarsfördröjningen.

Användningsgränsen avgör vilken användningsnivå som kunderna kan se större variabilitet i svarsfördröjningen. En kunds användning definieras per modell och är det totala antalet token som förbrukas i alla distributioner i alla prenumerationer i alla regioner för en viss klientorganisation.

Kommentar

Användningsnivåer gäller endast för standard-, datazonstandard- och globala standarddistributionstyper. Användningsnivåer gäller inte för distributioner av globalt batch- och etablerat dataflöde.

GPT-4o global standard, datazonstandard, &standard

Modell	Användningsnivåer per månad
gpt-4o	12 miljarder token
gpt-4o-mini	85 miljarder token

GPT-4 standard

Modell	Användningsnivåer per månad
gpt-4 + gpt-4-32k (alla versioner)	6 miljarder

Andra erbjudandetyper

Om din Azure-prenumeration är länkad till vissa erbjudandetyper är maxkvotvärdena lägre än de värden som anges i tabellerna ovan.

Nivå	Kvotgräns i token per minut (TPM)
Azure for Students, kostnadsfria utvärderingsversioner	1 K (alla modeller)
MSDN-prenumerationer	GPT 3.5 Turbo Series: 30 K GPT-4-serien: 8 K
Månatliga kreditkortsbaserade prenumerationer 1	GPT 3.5 Turbo Series: 30 K GPT-4-serien: 8 K

¹ Detta gäller för närvarande för erbjudandetyp 0003P

I Azure Portal kan du visa vilken erbjudandetyp som är associerad med din prenumeration genom att gå till prenumerationen och kontrollera översiktsfönstret för prenumerationer. Erbjudandetyp motsvarar planfältet i prenumerationsöversikten.

Allmänna metodtips för att hålla sig inom hastighetsgränser

För att minimera problem som rör hastighetsbegränsningar är det en bra idé att använda följande tekniker:

• Implementera logik för omprövning i ditt program.
• Undvik stora plötsliga ändringar i arbetsbelastningen. Öka arbetsbelastningen gradvis.
• Testa olika mönster för att öka belastningen.
• Öka den kvot som tilldelats distributionen. Flytta kvoten från en annan distribution om det behövs.

Så här begär du ökningar av standardkvoter och -gränser

Begäranden om kvotökning kan skickas från sidan Kvoter i Azure AI Studio. På grund av hög efterfrågan godkänns begäranden om kvotökning och fylls i i den ordning de tas emot. Prioritet ges till kunder som genererar trafik som förbrukar den befintliga kvotallokeringen och din begäran kan nekas om det här villkoret inte uppfylls.

Skicka en tjänstbegäran för andra hastighetsgränser.

Nästa steg

Utforska hur du hanterar kvoter för dina Azure OpenAI-distributioner. Läs mer om de underliggande modeller som driver Azure OpenAI.