Azure OpenAI: quote e limiti di frequenza

Come funziona la quota

Quote predefinite pubblicate

Quote per Claude in Microsoft Foundry

Come viene applicato il limite

• Sulle distribuzioni standard il TPM conta i token di input e quelli generati davvero. Un valore alto di max_tokens lì non riserva quota.
• L'RPM viene verificato in finestre brevi, di solito 1 o 10 secondi. Una distribuzione da 600 RPM viene limitata sopra le 10 richieste in un secondo, anche se il minuto resta sotto 600.
• Le richieste respinte contano. Un'ondata di chiamate fallite consuma lo stesso limite di quelle riuscite.
• Le distribuzioni standard condividono un pool di capacità, e Microsoft può abbassare il tuo limite effettivo per alcune ore. Se x-ratelimit-limit-tokens è sotto il TPM impostato, sta succedendo proprio questo.
• Oltre un utilizzo mensile per modello, contato sull'intero tenant (circa 25 miliardi di token per gpt-5.5), la latenza secondo Microsoft può variare di oltre il doppio.

Errori 429 e come gestirli

from openai import OpenAI

# AZURE_V1_URL è https://<risorsa>
# .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()

Come chiedere più quota

1. Nel portale Foundry apri Manage e poi Quota. La scheda Token per minute mostra quanto ha ogni modello e ogni regione e quanto è in uso.
2. Sposta prima il TPM tra le tue distribuzioni. Le modifiche diventano effettive dopo circa 15 minuti.
3. Scegli Request quota oppure usa il modulo di richiesta della quota. Vale per Azure OpenAI, per i modelli venduti da Azure e per i modelli Claude di Anthropic.
4. Documenta l'utilizzo reale. Microsoft privilegia i clienti che usano attivamente la quota esistente; le altre richieste possono essere respinte.
5. Un aumento approvato aggiunge quota senza cambiare il livello. Le sottoscrizioni nel livello Free non possono chiedere aumenti.

Capacità con provisioning (PTU)

Tipi di distribuzione e luogo di elaborazione

Distribuire il carico su più fornitori

Con 429 persistenti Microsoft stessa consiglia di distribuire le richieste su più distribuzioni o regioni. Il passo successivo è avere più di un fornitore: se la quota di una sottoscrizione è esaurita, lo stesso modello o uno equivalente è disponibile altrove.

Con Standard Compute la tua sottoscrizione Azure non è più l'unica via, e non c'è una quota regionale da chiedere: ogni chiave funziona fino al suo budget mensile. GPT-6.1 e GPT-5.6 girano nella zona dati EU di Microsoft Azure, Claude è servito da più cloud e la stessa API raggiunge Gemini e modelli aperti come GLM, DeepSeek e MiniMax. Se un fornitore va giù, la richiesta passa in automatico a un altro fornitore approvato dello stesso modello, senza uscire dalle tue regole di regione o di fornitore.

Con una regola Europa per l'azienda, un team o una singola chiave, ogni richiesta, compresi nuovi tentativi e fallback, viene servita solo da endpoint di inferenza europei approvati. I dipendenti accedono a Claude Desktop e Claude Code con il loro account di lavoro Microsoft tramite il nostro gateway EU, e l'accesso segue i tuoi gruppi Entra tramite il provisioning SCIM.

from openai import OpenAI

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

# "standardcompute" manda ogni passaggio al
# modello più economico in grado di svolgerlo.
# Per fissare Claude:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

Per le quote di Bedrock vedi Quote AWS Bedrock Claude. Standard Compute per le aziende spiega il gateway, la regola Europa e l'accesso con Microsoft per i team.

Domande frequenti

Fonti (verificate il 9 novembre 2026)

1. Limiti e quote di Azure OpenAI in Microsoft Foundrylearn.microsoft.com
2. Gestire la quota di Azure OpenAIlearn.microsoft.com
3. Larghezza di banda garantita per i modelli Foundrylearn.microsoft.com
4. Dimensionamento delle PTU per un carico di lavorolearn.microsoft.com
5. Gestire le implementazioni con larghezza di banda preconfigurata in produzionelearn.microsoft.com
6. Tipi di distribuzione nei Modelli Foundry di Microsoftlearn.microsoft.com
7. Modelli Claude in Microsoft Foundrylearn.microsoft.com
8. Quote e limiti di frequenza dei modelli Claudelearn.microsoft.com
9. Back-end di Gestione API di Azurelearn.microsoft.com

Approfondimenti

• Standard Compute per le aziende
• Quote AWS Bedrock Claude
• Gateway IA con elaborazione in Europa (in inglese)