Azure OpenAI quota en limieten 2026: TPM, RPM, PTU, 429

In het kort

Het Azure OpenAI-quotum wordt aan uw abonnement toegewezen per regio, per model en per implementatietype, in tokens per minuut (TPM). U verdeelt het over implementaties, en de verzoeken per minuut (RPM) volgen per model in een vaste verhouding uit het TPM.

Standaardquota hangen af van uw quotatier, van Free (Tier 0) tot Tier 6. Op Tier 1 krijgt gpt-6.1-sol 250.000 TPM op Global Standard en 100.000 TPM op Data Zone Standard; klanten met een Enterprise Agreement of MCA-E starten op hogere tiers.

Een 429 betekent dat een implementatie haar TPM of RPM heeft overschreden, gemeten in vensters van 1 of 10 seconden. Microsoft adviseert retry-after-ms te respecteren, met jitter terug te schakelen en verzoeken over meerdere implementaties of regio's te spreiden.

Standard Compute zet GPT, Claude, Gemini en open modellen achter één API en stuurt een gethrottled of mislukt verzoek door naar een andere goedgekeurde aanbieder van hetzelfde model. Zo houdt het quotum of de storing van één abonnement uw werk niet tegen.

Hoe het quotum werkt

Bereik en eenheden van het Azure OpenAI-quotum
Regel	Detail
Bereik	Per abonnement, regio, model en implementatietype. Op tenantniveau wordt het quotum niet afgedwongen
Eenheid	Tokens per minuut. Elke implementatie neemt TPM uit de pool; 240.000 TPM van een model in één regio kan één implementatie zijn of twee van 120.000
Verzoeken per minuut	Evenredig met het TPM en niet los instelbaar. Oudere chatmodellen krijgen 6 RPM per 1.000 TPM, gpt-5.5 en o3 krijgen 1, gpt-5.4 krijgt 10
Quotatiers	Free (Tier 0) en Tier 1 tot 6. Tiers stijgen automatisch met gebruiks- en betaalgeschiedenis; EA- en MCA-E-klanten krijgen hogere tiers
Resourcegrenzen	30 Azure OpenAI-resources per regio per abonnement, 32 standaardimplementaties per resource
Global Batch	Een apart quotum in tokens in de wachtrij, bijvoorbeeld 200 miljoen voor gpt-5.5 op een standaardabonnement

Microsoft stapt sinds 7 mei 2026 over op quota op abonnementsniveau, te beginnen met Realtime Translate en Realtime Whisper. Global Standard-implementaties van hetzelfde model delen dan één pool over alle regio's, en Data Zone Standard één pool per datazone.

Gepubliceerde standaardquota

Standaardquotum per tier, tokens per minuut (verzoeken per minuut)
Model en implementatietype	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)

Van Microsofts pagina over quota en limieten voor Azure OpenAI. gpt-6-sol heeft dezelfde waarden als gpt-6.1-sol. Data Zone-quota zijn voor elk model lager dan Global-quota. De Free-tier biedt alleen gpt-4.1-mini, gpt-5-mini, o4-mini en text-embedding-3-small en kan geen verhoging aanvragen. Volgens Microsoft kunnen de limieten veranderen.

Quota voor Claude in Microsoft Foundry

Standaardquotum voor Claude in Microsoft Foundry, per abonnement
Abonnementstype	Claude Opus 5.5 en Sonnet 5.5	Claude Fable 5 en 5.1
Betalen naar gebruik	40 RPM, 40.000 input- en 8.000 outputtokens per minuut	0
Enterprise Agreement en MCA-E	10.000 RPM, 10.000.000 input- en 2.000.000 outputtokens per minuut	4.000 RPM, 4.000.000 input- en 800.000 outputtokens per minuut
Gratis proefversie	0	0

Input betekent niet-gecachete inputtokens. Het Claude-quotum wordt op abonnementsniveau beheerd en over regio's gedeeld.

Hoe de limiet wordt afgedwongen

Op standaardimplementaties telt TPM de werkelijke input- en gegenereerde tokens. Een grote max_tokens reserveert daar geen quotum.
RPM wordt over korte vensters gecontroleerd, meestal 1 of 10 seconden. Een implementatie met 600 RPM wordt boven 10 verzoeken in één seconde gethrottled, ook als de minuut onder 600 blijft.
Geweigerde verzoeken tellen mee. Een golf mislukte aanroepen gebruikt dezelfde limiet als geslaagde.
Standaardimplementaties delen een capaciteitspool, en Microsoft kan uw effectieve limiet enkele uren verlagen. Ligt x-ratelimit-limit-tokens onder het TPM dat u instelde, dan is dat wat er gebeurt.
Boven een maandelijks gebruik per model, geteld over de tenant (bijvoorbeeld 25 miljard tokens voor gpt-5.5), kan de latentie volgens Microsoft meer dan twee keer variëren.

429-fouten en hoe u ermee omgaat

Throttling-antwoorden van Azure OpenAI
Antwoord	Betekenis	Advies van Microsoft
429, rate limit is exceeded	De implementatie ging over haar TPM of RPM	`retry-after-ms` respecteren, terugschakelen met jitter, retries beperken tot 5 à 10, verkeer geleidelijk opvoeren
429 op een ingerichte implementatie	Benutting op 100%; Microsoft noemt het een signaal van verkeersbeheer	Opnieuw na `retry-after-ms`, overloop naar een standaardimplementatie toevoegen of PTU's bijkopen
Tijdelijk niet beschikbaar, hoge vraag	Gedeelde capaciteit is krap, los van uw quotum	Opnieuw proberen, belasting over implementaties of regio's spreiden, ingerichte doorvoer voor kritisch werk

Elk antwoord bevat de headers x-ratelimit-limit, x-ratelimit-remaining en x-ratelimit-reset voor verzoeken en tokens. Als API Management over meerdere backends verdeelt, waarschuwt Microsoft dat Azure OpenAI een zeer lange Retry-After kan teruggeven, in het voorbeeld van Microsoft een dag, en adviseert het circuit-breaker-regels.

python

from openai import OpenAI

# AZURE_V1_URL is https://<resource>
# .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()

Meer quotum aanvragen

Open in de Foundry-portal Manage en dan Quota. Het tabblad Token per minute toont wat elk model en elke regio heeft en wat in gebruik is.
Verschuif eerst TPM tussen uw eigen implementaties. Wijzigingen gelden na ongeveer 15 minuten.
Kies Request quota, of gebruik het aanvraagformulier voor quota. Het geldt voor Azure OpenAI, door Azure verkochte modellen en de Claude-modellen van Anthropic.
Laat echt gebruik zien. Microsoft geeft voorrang aan klanten die hun bestaande quotum actief gebruiken, en andere aanvragen kunnen worden geweigerd.
Een goedgekeurde verhoging voegt quotum toe zonder uw tier te wijzigen. Free-abonnementen kunnen geen verhoging aanvragen.

Ingerichte doorvoer (PTU)

Feiten over ingerichte doorvoer
Onderwerp	Detail
Wat u krijgt	Toegewezen capaciteit, gefactureerd of er nu verzoeken komen of niet
Minimale omvang	15 PTU in stappen van 5 bij Global en Data Zone Provisioned; bij Regional Provisioned 50 in stappen van 50 voor gpt-5.5, gpt-5.4, gpt-4.1 en o3 en 25 in stappen van 25 voor gpt-6.1-sol
Doorvoer per PTU	Inputtokens per minuut per PTU: 1.200 voor gpt-5.5, 2.400 voor gpt-5.4, 3.000 voor gpt-6.1-sol en gpt-4.1
Facturering	Per uur per PTU van aanmaken tot verwijderen; Azure Reservations voor 1 maand of 1 jaar verlagen de prijs
Capaciteit	PTU-quotum garandeert geen capaciteit, een reservering ook niet: eerst implementeren, dan reserveren
Kostenraming per verzoek	Prompttokens min gecachete tokens, plus `max_tokens`, gecorrigeerd aan het eind van het verzoek
Overloop	Overschot kan naar een standaardimplementatie, altijd of per verzoek met `x-ms-spillover-deployment`

PTU-quotum geldt per abonnement, regio en implementatietype en hangt niet aan één model. Goedkeuring kan enkele dagen duren.

Implementatietypen en waar de verwerking plaatsvindt

Implementatietypen van Azure OpenAI
Implementatietype	Waar prompts worden verwerkt	Quotum
Global Standard en Global Provisioned	In elke Azure-regio	Hoogste standaardwaarden
Data Zone Standard en Data Zone Provisioned	Binnen de datazone VS, EU of APAC	Lager dan Global
Standard en Regional Provisioned	In de gekozen geografie	Per regio
Global Batch	In elke Azure-regio, doel 24 uur, 50% goedkoper	Tokens in de wachtrij

Claude in Foundry draait op Global Standard, of op Data Zone Standard alleen in de VS; Microsoft noemt geen EU-datazone voor Claude, en Sweden Central is de enige Europese regio voor Claude op Global Standard.

Spreiden over meerdere aanbieders

Bij aanhoudende 429's raadt Microsoft zelf aan verzoeken over meerdere implementaties of regio's te spreiden. Een stap verder betekent dat: meer dan één aanbieder. Heeft een abonnement geen quotum meer, dan staat hetzelfde of een even sterk model elders klaar.

Met Standard Compute is uw Azure-abonnement niet langer de enige route, en er is geen regionaal quotum aan te vragen: elke sleutel draait tot zijn maandbudget. GPT-6.1 en GPT-5.6 draaien in de EU-datazone van Microsoft Azure, Claude wordt door meerdere clouds bediend, en dezelfde API bereikt Gemini en open modellen als GLM, DeepSeek en MiniMax. Valt een aanbieder uit, dan gaat uw verzoek automatisch naar een andere goedgekeurde aanbieder van hetzelfde model, zonder uw regio- of aanbiedersregels te verlaten.

Met een Europa-regel voor het bedrijf, een team of één sleutel wordt elk verzoek, inclusief retries en fallbacks, alleen bediend door goedgekeurde Europese inferentie-endpoints. Medewerkers loggen in bij Claude Desktop en Claude Code met hun Microsoft-werkaccount via onze EU-gateway, en de toegang volgt uw Entra-groepen via SCIM-provisioning.

python

from openai import OpenAI

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

# "standardcompute" stuurt elke stap naar het
# goedkoopste model dat hem aankan.
# Om Claude vast te zetten:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

Voor de quota van Bedrock, zie AWS Bedrock Claude quota. Hoe Standard Compute voor bedrijven werkt, staat op AI-gateway voor bedrijven.

Zet uw team op Standard Compute

Maak een bedrijfsaccount aan, nodig uw team uit en geef elke persoon en elke applicatie een eigen sleutel.

Bedrijfsaccount aanmaken Standard Compute voor bedrijven

Veelgestelde vragen

Ons Azure OpenAI-quotum voor GPT in West Europe is steeds op. Is er een alternatief met hogere limieten dat de data in Europa houdt?

Standard Compute levert GPT-6.1 en GPT-5.6 in de EU-datazone van Microsoft Azure, samen met Claude en open-sourcemodellen, en er is geen regionaal quotum aan te vragen: elke sleutel draait tot zijn maandbudget. Met een Europa-regel wordt elk verzoek, inclusief retries en fallbacks, alleen bediend door goedgekeurde Europese inferentie-endpoints, en de verwerkersovereenkomst tekent u in het dashboard.

Wat zijn de rate limits van Azure OpenAI?

Het quotum geldt per abonnement, regio, model en implementatietype in tokens per minuut, en de verzoeken per minuut volgen daaruit. Op Tier 1 krijgt gpt-6.1-sol 250.000 TPM op Global Standard en 100.000 TPM op Data Zone Standard; Tier 6 haalt 15.000.000 TPM op Global Standard.

Waarom krijgen we 429-fouten terwijl het gebruik onder het quotum ligt?

RPM wordt over vensters van 1 of 10 seconden gecontroleerd, dus pieken worden gethrottled ook als de minuut er goed uitziet. Geweigerde verzoeken tellen mee, en Microsoft kan de effectieve limiet op gedeelde standaardcapaciteit tijdelijk verlagen; vergelijk x-ratelimit-limit-tokens met het TPM dat u instelde.

Hoe verhogen we ons Azure OpenAI-quotum?

Verdeel eerst TPM opnieuw over uw implementaties, kies dan Request quota op de Quota-pagina van de Foundry-portal of gebruik aka.ms/oai/stuquotarequest. Microsoft geeft voorrang aan abonnementen die hun quotum al gebruiken, en Free-abonnementen kunnen geen verhoging aanvragen.

Wanneer kopen we ingerichte doorvoer (PTU)?

Bij stabiele, latentiegevoelige belasting. PTU's geven toegewezen capaciteit die per uur wordt gefactureerd, gebruikt of niet, vanaf 15 PTU bij Global- en Data Zone-implementaties, met reserveringen voor 1 maand of 1 jaar als korting. Quotum en reservering garanderen geen capaciteit, dus implementeer voordat u reserveert.

Kunnen we Claude in Azure AI Foundry in de EU gebruiken?

Microsoft biedt Claude op Global Standard, of op Data Zone Standard alleen in de VS, zonder EU-datazone. Voor Claude dat alleen door Europese endpoints wordt bediend, stuurt de Europa-regel van Standard Compute Claude naar goedgekeurde Europese inferentie-endpoints en weigert het verzoek voordat er iets wordt verzonden als geen enkel endpoint in aanmerking komt.

Bronnen (gecontroleerd op 9 november 2026)

Azure OpenAI in Microsoft Foundry: quota en limietenlearn.microsoft.com
Het quotum voor Azure OpenAI beherenlearn.microsoft.com
Ingerichte doorvoer voor Foundry-modellenlearn.microsoft.com
PTU-grootte bepalen voor een workloadlearn.microsoft.com
Ingerichte doorvoerimplementaties in productie uitvoerenlearn.microsoft.com
Implementatietypen in Microsoft Foundry-modellenlearn.microsoft.com
Claude-modellen in Microsoft Foundrylearn.microsoft.com
Quota en frequentielimieten van Claude-modellenlearn.microsoft.com
Azure API Management-backendslearn.microsoft.com

Azure OpenAI: quota en rate limits