Azure OpenAI: Kontingente und Ratenlimits

So funktioniert das Kontingent

Veröffentlichte Standardkontingente

Kontingente für Claude in Microsoft Foundry

Wie das Limit durchgesetzt wird

• Auf Standardbereitstellungen zählt TPM die tatsächlichen Input- und erzeugten Tokens. Ein großer max_tokens-Wert reserviert dort kein Kontingent.
• RPM wird in kurzen Fenstern geprüft, meist 1 oder 10 Sekunden. Eine Bereitstellung mit 600 RPM wird über 10 Anfragen in einer Sekunde gedrosselt, auch wenn die Minute unter 600 bleibt.
• Abgelehnte Anfragen zählen mit. Eine Welle fehlschlagender Aufrufe verbraucht dasselbe Limit wie erfolgreiche.
• Standardbereitstellungen teilen sich einen Kapazitätspool, und Microsoft kann Ihr effektives Limit für einige Stunden senken. Liegt x-ratelimit-limit-tokens unter dem eingestellten TPM, passiert genau das.
• Oberhalb einer monatlichen Nutzung je Modell, gezählt über den Mandanten (etwa 25 Milliarden Tokens für gpt-5.5), kann die Latenz laut Microsoft um mehr als das Doppelte schwanken.

429-Fehler und wie Sie damit umgehen

from openai import OpenAI

# AZURE_V1_URL ist https://<ressource>
# .openai.azure.com/openai/v1/
client = OpenAI(
    base_url=AZURE_V1_URL,
    api_key=AZURE_KEY,
    max_retries=5,  # default 2
)

chat = client.chat.completions
raw = chat.with_raw_response.create(
    model="YOUR-DEPLOYMENT",
    messages=messages,
)
h = raw.headers
print(h["x-ratelimit-remaining-tokens"])
reply = raw.parse()

So beantragen Sie mehr Kontingent

1. Öffnen Sie im Foundry-Portal Manage und dann Quota. Der Reiter Token per minute zeigt, was jedes Modell und jede Region hat und was belegt ist.
2. Verschieben Sie zuerst TPM zwischen Ihren eigenen Bereitstellungen. Änderungen greifen nach etwa 15 Minuten.
3. Wählen Sie Request quota oder nutzen Sie das Formular für Kontingentanfragen. Es gilt für Azure OpenAI, von Azure verkaufte Modelle und die Claude-Modelle von Anthropic.
4. Belegen Sie Ihre tatsächliche Nutzung. Microsoft bevorzugt Kunden, die ihr bestehendes Kontingent aktiv nutzen; andere Anfragen können abgelehnt werden.
5. Eine genehmigte Erhöhung fügt Kontingent hinzu, ohne den Tier zu ändern. Abonnements im Free-Tier können keine Erhöhung beantragen.

Bereitgestellter Durchsatz (PTU)

Bereitstellungstypen und Ort der Verarbeitung

Über mehrere Anbieter verteilen

Bei dauerhaften 429 rät Microsoft selbst, Anfragen auf mehrere Bereitstellungen oder Regionen zu verteilen. Einen Schritt weiter gedacht heißt das: mehr als ein Anbieter. Ist das Kontingent eines Abonnements erschöpft, steht dasselbe oder ein gleich starkes Modell anderswo bereit.

Mit Standard Compute ist Ihr Azure-Abonnement nicht mehr der einzige Weg, und es gibt kein regionales Kontingent zu beantragen: Jeder Schlüssel läuft bis zu seinem Monatsbudget. GPT-6.1 und GPT-5.6 laufen in der EU-Datenzone von Microsoft Azure, Claude wird über mehrere Clouds bedient, und dieselbe API erreicht Gemini und offene Modelle wie GLM, DeepSeek und MiniMax. Fällt ein Anbieter aus, wechselt Ihre Anfrage automatisch zu einem anderen freigegebenen Anbieter desselben Modells, ohne Ihre Regions- oder Anbieterregeln zu verlassen.

Mit einer Europa-Regel für das Unternehmen, ein Team oder einen einzelnen Schlüssel wird jede Anfrage, einschließlich Wiederholungen und Fallbacks, nur von freigegebenen europäischen Inferenz-Endpunkten bedient. Mitarbeitende melden sich bei Claude Desktop und Claude Code mit ihrem Microsoft-Arbeitskonto über unser EU-Gateway an, und der Zugriff folgt Ihren Entra-Gruppen über SCIM-Provisionierung.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.stdcmpt.com/v1",
    api_key=STANDARD_COMPUTE_KEY,
)

# "standardcompute" schickt jeden Schritt an das
# günstigste Modell, das ihn erledigen kann.
# Um Claude fest zu wählen:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

Für die Kontingente von Bedrock siehe AWS Bedrock Claude Kontingente. Wie Standard Compute für Unternehmen funktioniert, steht auf KI-Gateway für Unternehmen.

Häufige Fragen

Quellen (geprüft am 9. November 2026)

1. Azure OpenAI in Microsoft Foundry: Kontingente und Grenzwertelearn.microsoft.com
2. Verwalten des Azure OpenAI-Kontingentslearn.microsoft.com
3. Bereitgestellter Durchsatz für Foundry-Modellelearn.microsoft.com
4. PTU-Dimensionierung für einen Workload bestimmenlearn.microsoft.com
5. Bereitstellungen mit bereitgestelltem Durchsatz in der Produktion betreibenlearn.microsoft.com
6. Bereitstellungstypen in Microsoft Foundry Modelslearn.microsoft.com
7. Claude-Modelle in Microsoft Foundrylearn.microsoft.com
8. Kontingente und Ratenlimits für Claude-Modellelearn.microsoft.com
9. Azure API Management: Back-Endslearn.microsoft.com

Weiterlesen

• KI-Gateway für Unternehmen
• AWS Bedrock Claude Kontingente
• KI-Gateway mit Verarbeitung in Europa