Kuota dan batas Azure OpenAI Service
Artikel ini berisi referensi cepat dan deskripsi terperinci tentang kuota dan batasan untuk Azure OpenAI di layanan Azure AI.
Referensi kuota dan batas
Bagian berikut ini memberi Anda panduan cepat untuk kuota dan batas default yang berlaku untuk Azure OpenAI:
Nama Batas | Nilai Batas |
---|---|
Sumber daya OpenAI per wilayah per langganan Azure | 30 |
Batas kuota DALL-E 2 default | 2 permintaan bersamaan |
Batas kuota DALL-E 3 default | 2 unit kapasitas (6 permintaan per menit) |
Token prompt maksimum per permintaan | Bervariasi per model. Untuk informasi selengkapnya, lihat Model Layanan Azure OpenAI |
Maks penyebaran model yang disesuaikan | 5 |
Jumlah total pekerjaan pelatihan per sumber daya | 100 |
Maks pekerjaan pelatihan yang berjalan secara simultan per sumber daya | 1 |
Maks pekerjaan pelatihan yang diantrekan | 20 |
File Maks per sumber daya (penyempurnaan) | 50 |
Ukuran total semua file per sumber daya (penyempurnaan) | 1 GB |
Waktu kerja pelatihan maksimum (pekerjaan akan gagal jika terlampaui) | 720 jam |
Ukuran pekerjaan pelatihan maks (token dalam file pelatihan) x (# dari epoch) | 2 Miliar |
Ukuran maksimum semua file per unggahan (Azure OpenAI pada data Anda) | 16 MB |
Jumlah maksimum atau input dalam array dengan /embeddings |
2048 |
Jumlah /chat/completions maksimum pesan |
2048 |
Jumlah /chat/completions maksimum fungsi |
128 |
Jumlah maksimum /chat completions alat |
128 |
Jumlah maksimum unit throughput yang disediakan per penyebaran | 100.000 |
File maks per Asisten/utas | 20 |
Ukuran file maksimum untuk Asisten & penyempurnaan | 512 MB |
Batas token asisten | Batas token 2.000.000 |
Batas kuota regional
Kuota default untuk model bervariasi menurut model dan wilayah. Batas kuota default dapat berubah.
Kuota untuk penyebaran standar dijelaskan dalam hal Tokens-Per-Menit (TPM).
Wilayah | GPT-4 | GPT-4-32K | GPT-4-Turbo | GPT-4-Turbo-V | GPT-35-Turbo | GPT-35-Turbo-Instruct | Text-Embedding-Ada-002 | text-embedding-3-small | text-embedding-3-large | 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 | - | 350 K | - | - | - | - | - | - | - | - | - |
brazilsouth | - | - | - | - | - | - | 350 K | - | - | - | - | - | - | - | - | - |
canadaeast | 40 K | 80 K | 80 K | - | 300 K | - | 350 K | 350 K | 350 K | - | - | - | - | - | - | - |
eastus | - | - | 80 K | - | 240 K | 240 K | 240 K | 350 K | 350 K | - | - | - | - | - | - | - |
eastus2 | - | - | 80 K | - | 300 K | - | 350 K | 350 K | 350 K | - | - | - | - | 250 K | 250 K | 250 K |
FranceCentral | 20 K | 60 K | 80 K | - | 240 K | - | 240 K | - | 350 K | - | - | - | - | - | - | - |
japaneast | - | - | - | 30 K | 300 K | - | 350 K | - | 350 K | - | - | - | - | - | - | - |
northcentralus | - | - | 80 K | - | 300 K | - | 350 K | - | - | 240 K | 250 K | 240 K | 250 K | 250 K | 250 K | 250 K |
norwayeast | - | - | 150 K | - | - | - | 350 K | - | - | - | - | - | - | - | - | - |
southafricanorth | - | - | - | - | - | - | 350 K | - | - | - | - | - | - | - | - | - |
southcentralus | - | - | 80 K | - | 240 K | - | 240 K | - | - | - | - | - | - | - | - | - |
southindia | - | - | 150 K | - | 300 K | - | 350 K | - | 350 K | - | - | - | - | - | - | - |
swedencentral | 40 K | 80 K | 150 K | 30 K | 300 K | 240 K | 350 K | - | 350 K | 240 K | 250 K | 240 K | 250 K | 250 K | 250 K | 250 K |
switzerlandnorth | 40 K | 80 K | - | 30 K | 300 K | - | 350 K | - | - | - | - | - | - | - | - | - |
switzerlandwest | - | - | - | - | - | - | - | - | - | - | 250 K | - | 250 K | 250 K | 250 K | 250 K |
uksouth | - | - | 80 K | - | 240 K | - | 350 K | - | 350 K | - | - | - | - | - | - | - |
westeurope | - | - | - | - | 240 K | - | 240 K | - | - | - | - | - | - | - | - | - |
westus | - | - | 80 K | 30 K | 300 K | - | 350 K | - | - | - | - | - | - | - | - | - |
westus3 | - | - | 80 K | - | - | - | 350 K | - | 350 K | - | - | - | - | - | - | - |
1 K = 1000 Token Per Menit (TPM). Hubungan antara TPM dan Requests Per Minute (RPM) saat ini didefinisikan sebagai 6 RPM per 1000 TPM.
batas laju gpt-4o
gpt-4o
memperkenalkan tingkat batas tarif dengan batas yang lebih tinggi untuk jenis pelanggan tertentu.
gpt-4o standar global
Catatan
Jenis penyebaran model standar global saat ini dalam pratinjau publik.
Tingkat | Batas Kuota dalam token per menit (TPM) | Permintaan per menit |
---|---|---|
Perjanjian Enterprise | 10 M | 60 K |
Default | 450 K | 2,7 K |
M = juta | K = ribu
standar gpt-4o
Tingkat | Batas Kuota dalam token per menit (TPM) | Permintaan per menit |
---|---|---|
Perjanjian Enterprise | 1 M | 6 K |
Default | 150 K | 900 |
M = juta | K = ribu
Praktik terbaik umum untuk tetap dalam batas tarif
Untuk meminimalkan masalah yang terkait dengan batas tarif, ada baiknya menggunakan teknik berikut:
- Terapkan logika coba lagi di aplikasi Anda.
- Hindari perubahan ekstrem dalam beban kerja. Tingkatkan beban kerja secara bertahap.
- Uji pola peningkatan beban yang berbeda.
- Tingkatkan kuota yang ditetapkan ke penyebaran Anda. Pindahkan kuota dari penyebaran lain, jika perlu.
Cara meminta peningkatan ke kuota dan batas default
Permintaan penambahan kuota dapat dikirimkan dari halaman Kuota Azure OpenAI Studio. Harap dicatat bahwa karena permintaan yang luar biasa, permintaan peningkatan kuota diterima dan akan diisi dalam urutan yang mereka terima. Prioritas akan diberikan kepada pelanggan yang menghasilkan lalu lintas yang menggunakan alokasi kuota yang ada, dan permintaan Anda dapat ditolak jika kondisi ini tidak terpenuhi.
Untuk batas tarif lainnya, kirimkan permintaan layanan.
Langkah berikutnya
Jelajahi cara mengelola kuota untuk penyebaran Azure OpenAI Anda. Pelajari selengkapnya tentang model yang mendasari yang mendukung Azure OpenAI.