Azure OpenAI kvoter og grenser 2026: TPM, RPM, PTU, 429

Det korte svaret

Kvoten for Azure OpenAI tildeles abonnementet deres per region, per modell og per distribusjonstype i tokens per minutt (TPM). Dere fordeler den på distribusjoner, og forespørsler per minutt (RPM) følger av TPM i et fast forhold per modell.

Standardkvotene avhenger av kvote-tieren, fra Free (Tier 0) til Tier 6. På Tier 1 får gpt-6.1-sol 250 000 TPM på Global Standard og 100 000 TPM på Data Zone Standard; kunder med Enterprise Agreement og MCA-E starter på høyere tiers.

En 429 betyr at en distribusjon har overskredet sin TPM eller RPM, målt i vinduer på 1 eller 10 sekunder. Microsoft anbefaler å respektere retry-after-ms, vente med jitter og fordele forespørsler på flere distribusjoner eller regioner.

Standard Compute samler GPT, Claude, Gemini og åpne modeller bak ett API og sender en begrenset eller feilet forespørsel videre til en annen godkjent leverandør av samme modell. Dermed stopper ikke arbeidet deres når ett abonnement går tom for kvote eller er nede.

Slik fungerer kvoten

Omfang og enheter for Azure OpenAI-kvoten
Regel	Detalj
Omfang	Per abonnement, region, modell og distribusjonstype. Kvoten håndheves ikke på tenant-nivå
Enhet	Tokens per minutt. Hver distribusjon tar TPM fra puljen; 240 000 TPM av en modell i én region kan være én distribusjon eller to på 120 000
Forespørsler per minutt	Proporsjonalt med TPM og kan ikke settes separat. Eldre chatmodeller får 6 RPM per 1 000 TPM, gpt-5.5 og o3 får 1, gpt-5.4 får 10
Kvotenivåer (tiers)	Free (Tier 0) og Tier 1 til 6. Nivået øker automatisk med bruks- og betalingshistorikk; EA- og MCA-E-kunder får høyere tiers
Ressursgrenser	30 Azure OpenAI-ressurser per region per abonnement, 32 standarddistribusjoner per ressurs
Global Batch	En egen kvote i tokens i kø, for eksempel 200 millioner for gpt-5.5 på et standardabonnement

Microsoft har siden 7. mai 2026 gått over til kvoter på abonnementsnivå, først for Realtime Translate og Realtime Whisper. Global Standard-distribusjoner av samme modell deler da én pulje på tvers av alle regioner, og Data Zone Standard én pulje per datasone.

Publiserte standardkvoter

Standardkvote per tier, tokens per minutt (forespørsler per minutt)
Modell og distribusjonstype	Tier 1	Tier 3	Tier 6
gpt-6.1-sol, Global Standard	250 000 (250)	2 500 000 (2 500)	15 000 000 (15 000)
gpt-6.1-sol, Data Zone Standard	100 000 (100)	1 100 000 (1 100)	5 000 000 (5 000)
gpt-5.5, Global Standard	1 000 000 (1 000)	4 000 000 (4 000)	15 000 000 (15 000)
gpt-5.5, Data Zone Standard	333 000 (333)	1 333 000 (1 333)	5 000 000 (5 000)
gpt-5.4, Global Standard	250 000 (2 500)	2 500 000 (25 000)	15 000 000 (150 000)
gpt-4.1, Global Standard	1 000 000 (1 000)	9 000 000 (9 000)	45 000 000 (45 000)
o3, Global Standard	1 000 000 (1 000)	4 000 000 (4 000)	15 000 000 (15 000)

Fra Microsofts side om kvoter og grenser for Azure OpenAI. gpt-6-sol har de samme verdiene som gpt-6.1-sol. Data Zone-kvoter er lavere enn Global-kvoter for alle modeller. Free-tieren tilbyr bare gpt-4.1-mini, gpt-5-mini, o4-mini og text-embedding-3-small og kan ikke be om økning. Ifølge Microsoft kan grensene endres.

Kvoter for Claude i Microsoft Foundry

Standardkvote for Claude i Microsoft Foundry, per abonnement
Abonnementstype	Claude Opus 5.5 og Sonnet 5.5	Claude Fable 5 og 5.1
Betal per forbruk	40 RPM, 40 000 input- og 8 000 output-tokens per minutt	0
Enterprise Agreement og MCA-E	10 000 RPM, 10 000 000 input- og 2 000 000 output-tokens per minutt	4 000 RPM, 4 000 000 input- og 800 000 output-tokens per minutt
Gratis prøveversjon	0	0

Input betyr input-tokens som ikke er hentet fra cache. Claude-kvoten styres på abonnementsnivå og deles på tvers av regioner.

Slik håndheves grensen

På standarddistribusjoner teller TPM de faktiske input- og genererte tokenene. En høy max_tokens reserverer ikke kvote der.
RPM sjekkes i korte vinduer, vanligvis 1 eller 10 sekunder. En distribusjon med 600 RPM begrenses over 10 forespørsler i ett sekund, selv om minuttet holder seg under 600.
Avviste forespørsler teller med. En bølge av feilede kall bruker samme grense som vellykkede.
Standarddistribusjoner deler en kapasitetspulje, og Microsoft kan senke den effektive grensen deres i noen timer. Ligger x-ratelimit-limit-tokens under TPM-en dere har satt, er det dette som skjer.
Over et månedlig forbruk per modell, talt på tvers av tenanten (for eksempel 25 milliarder tokens for gpt-5.5), kan latensen ifølge Microsoft variere med mer enn det dobbelte.

429-feil og hvordan dere håndterer dem

Throttling-svar fra Azure OpenAI
Svar	Betydning	Microsoft anbefaler
429, rate limit is exceeded	Distribusjonen gikk over sin TPM eller RPM	Respekter `retry-after-ms`, vent med jitter, begrens nye forsøk til 5 til 10, øk trafikken gradvis
429 på en provisjonert distribusjon	Utnyttelse på 100 %; Microsoft kaller det et signal for trafikkstyring	Prøv igjen etter `retry-after-ms`, legg til overløp til en standarddistribusjon, eller kjøp flere PTU-er
Midlertidig utilgjengelig, høy etterspørsel	Den delte kapasiteten er knapp, uavhengig av kvoten deres	Prøv igjen, fordel lasten på distribusjoner eller regioner, bruk provisjonert kapasitet til kritisk arbeid

Hvert svar har headerne x-ratelimit-limit, x-ratelimit-remaining og x-ratelimit-reset for forespørsler og tokens. Når API Management fordeler trafikk på flere backends, advarer Microsoft om at Azure OpenAI kan returnere en svært lang Retry-After, i Microsofts eksempel ett døgn, og anbefaler circuit breaker-regler.

python

from openai import OpenAI

# AZURE_V1_URL er https://<ressurs>
# .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()

Slik ber dere om mer kvote

Åpne Manage og deretter Quota i Foundry-portalen. Fanen Token per minute viser hva hver modell og region har, og hva som er i bruk.
Flytt først TPM mellom deres egne distribusjoner. Endringer gjelder etter omtrent 15 minutter.
Velg Request quota, eller bruk skjemaet for kvoteforespørsler. Det dekker Azure OpenAI, modeller solgt av Azure og Anthropics Claude-modeller.
Vis faktisk forbruk. Microsoft prioriterer kunder som aktivt bruker den nåværende kvoten sin, og andre forespørsler kan bli avslått.
En godkjent økning legger til kvote uten å endre tieren deres. Free-abonnementer kan ikke be om økning.

Provisjonert kapasitet (PTU)

Fakta om provisjonert kapasitet
Tema	Detalj
Hva dere får	Dedikert kapasitet, fakturert uansett om det kommer forespørsler
Minste størrelse	15 PTU i trinn på 5 ved Global og Data Zone Provisioned; ved Regional Provisioned 50 i trinn på 50 for gpt-5.5, gpt-5.4, gpt-4.1 og o3 og 25 i trinn på 25 for gpt-6.1-sol
Kapasitet per PTU	Input-tokens per minutt per PTU: 1 200 for gpt-5.5, 2 400 for gpt-5.4, 3 000 for gpt-6.1-sol og gpt-4.1
Fakturering	Per time per PTU fra opprettelse til sletting; Azure Reservations for 1 måned eller 1 år senker prisen
Kapasitet	PTU-kvote garanterer ikke kapasitet, og det gjør heller ikke en reservasjon: distribuer først, reserver etterpå
Kostnadsestimat per forespørsel	Prompt-tokens minus cachede tokens pluss `max_tokens`, korrigert når forespørselen er ferdig
Overløp	Overskudd kan gå til en standarddistribusjon, alltid eller per forespørsel med `x-ms-spillover-deployment`

PTU-kvoten gjelder per abonnement, region og distribusjonstype og er ikke knyttet til én modell. Godkjenning kan ta flere dager.

Distribusjonstyper og hvor behandlingen skjer

Distribusjonstyper i Azure OpenAI
Distribusjonstype	Hvor prompter behandles	Kvote
Global Standard og Global Provisioned	I enhver Azure-region	Høyeste standardverdier
Data Zone Standard og Data Zone Provisioned	Innenfor datasonen USA, EU eller APAC	Lavere enn Global
Standard og Regional Provisioned	I den valgte geografien	Per region
Global Batch	I enhver Azure-region, mål på 24 timer, 50 % billigere	Tokens i kø

Claude i Foundry kjører på Global Standard eller på Data Zone Standard bare i USA; Microsoft oppgir ingen EU-datasone for Claude, og Sweden Central er den eneste europeiske regionen for Claude på Global Standard.

Fordeling på flere leverandører

Ved vedvarende 429 anbefaler Microsoft selv å fordele forespørsler på flere distribusjoner eller regioner. Tar man rådet ett steg videre, betyr det mer enn én leverandør: når et abonnement går tom for kvote, står den samme eller en like sterk modell klar et annet sted.

Med Standard Compute er Azure-abonnementet deres ikke lenger den eneste veien, og det finnes ingen regional kvote å søke om: hver nøkkel kjører til månedsbudsjettet er brukt. GPT-6.1 og GPT-5.6 kjører i Microsoft Azures EU-datasone, Claude betjenes av flere skyer, og samme API gir tilgang til Gemini og åpne modeller som GLM, DeepSeek og MiniMax. Går en leverandør ned, bytter forespørselen automatisk til en annen godkjent leverandør av samme modell, uten å forlate region- eller leverandørreglene deres.

Med en Europa-regel for bedriften, et team eller én enkelt nøkkel betjenes hver forespørsel, også nye forsøk og fallbacks, bare av godkjente europeiske inferens-endepunkter. Ansatte logger inn i Claude Desktop og Claude Code med Microsoft-jobbkontoen sin gjennom vår EU-gateway, og tilgangen følger Entra-gruppene deres via SCIM-provisjonering.

python

from openai import OpenAI

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

# "standardcompute" sender hvert steg til den
# billigste modellen som kan løse det.
# For å låse Claude:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

For Bedrock-kvoter, se AWS Bedrock Claude kvoter for bedrifter. Hvordan Standard Compute fungerer for bedrifter, står på KI-gateway for bedrifter.

Flytt teamet til Standard Compute

Opprett en bedriftskonto, inviter teamet og gi hver person og hver app sin egen nøkkel.

Opprett en bedriftskonto Standard Compute for bedrifter

Vanlige spørsmål

Azure OpenAI-kvoten vår for GPT i Norway East og Sweden Central er stadig brukt opp. Finnes det GDPR-vennlige alternativer med høyere grenser?

Standard Compute leverer GPT-6.1 og GPT-5.6 i Microsoft Azures EU-datasone, sammen med Claude og åpne modeller, og det finnes ingen regional kvote å søke om: hver nøkkel kjører til månedsbudsjettet er brukt. Med en Europa-regel betjenes forespørslene bare av godkjente europeiske inferens-endepunkter, og databehandleravtalen signerer dere i dashbordet. Om bruken deres er i tråd med GDPR, avgjøres av deres egen behandling.

Hvilke grenser har Azure OpenAI?

Kvoten gjelder per abonnement, region, modell og distribusjonstype i tokens per minutt, og forespørsler per minutt følger av den. På Tier 1 får gpt-6.1-sol 250 000 TPM på Global Standard og 100 000 TPM på Data Zone Standard; Tier 6 når 15 000 000 TPM på Global Standard.

Hvorfor får vi 429-feil når forbruket ligger under kvoten?

RPM sjekkes i vinduer på 1 eller 10 sekunder, så topper begrenses selv om minuttet ser greit ut. Avviste forespørsler teller også, og Microsoft kan midlertidig senke den effektive grensen på delt standardkapasitet; sammenlign x-ratelimit-limit-tokens med TPM-en dere har satt.

Hvordan øker vi Azure OpenAI-kvoten vår?

Fordel først TPM mellom distribusjonene deres, velg deretter Request quota på Quota-siden i Foundry-portalen, eller bruk aka.ms/oai/stuquotarequest. Microsoft prioriterer abonnementer som allerede bruker kvoten sin, og Free-abonnementer kan ikke be om økning.

Når lønner det seg med provisjonert kapasitet (PTU)?

Ved stabil, latensfølsom last. PTU-er gir dedikert kapasitet, fakturert per time, brukt eller ikke, fra 15 PTU ved Global- og Data Zone-distribusjoner, med reservasjoner for 1 måned eller 1 år som rabatt. Kvote og reservasjon garanterer ikke kapasitet, så distribuer før dere reserverer.

Kan vi bruke Claude i Azure AI Foundry i EU?

Microsoft tilbyr Claude på Global Standard eller på Data Zone Standard bare i USA, uten EU-datasone. Hvis Claude bare skal betjenes av europeiske endepunkter, sender Europa-regelen i Standard Compute Claude til godkjente europeiske inferens-endepunkter og avviser forespørselen før noe sendes, hvis ingen kvalifiserer.

Kilder (kontrollert 9. november 2026)

Azure OpenAI in Microsoft Foundry Models quotas and limits (på engelsk)learn.microsoft.com
Manage Azure OpenAI quota (på engelsk)learn.microsoft.com
Provisioned throughput for Foundry Models (på engelsk)learn.microsoft.com
Determine PTU sizing for a workload (på engelsk)learn.microsoft.com
Operate provisioned throughput deployments in production (på engelsk)learn.microsoft.com
Deployment types in Microsoft Foundry Models (på engelsk)learn.microsoft.com
Claude models in Microsoft Foundry (på engelsk)learn.microsoft.com
Claude model quotas and rate limits (på engelsk)learn.microsoft.com
Azure API Management backends (på engelsk)learn.microsoft.com

Azure OpenAI: kvoter og grenser