Azure OpenAI 서비스 할당량 및 제한
이 문서에는 Azure AI 서비스의 Azure OpenAI에 대한 할당량 및 제한에 대한 빠른 참조와 자세한 설명이 포함되어 있습니다.
할당량 및 제한 참조
다음 섹션에서는 Azure OpenAI에 적용되는 기본 할당량 및 제한에 대한 빠른 가이드를 제공합니다.
이름 제한 | 값 제한 |
---|---|
Azure 구독별 지역별 OpenAI 리소스 | 30 |
기본 DALL-E 2 할당량 한도 | 동시 요청 2개 |
기본 DALL-E 3 할당량 한도 | 2 용량 단위(분당 요청 6개) |
요청당 최대 프롬프트 토큰 | 모델마다 다릅니다. 자세한 내용은 Azure OpenAI 서비스 모델을 참조하세요. |
최대 미세 조정 모델 배포 | 5 |
리소스당 총 학습 작업 수 | 100 |
리소스당 최대 동시 실행 학습 작업 | 1 |
대기 중인 최대 학습 작업 | 20 |
리소스당 최대 파일(미세 조정) | 50 |
리소스당 모든 파일의 총 크기(미세 조정) | 1GB |
최대 학습 작업 시간(초과 시 작업 실패) | 720시간 |
최대 학습 작업 크기(학습 파일의 토큰 수) * (Epoch 수) | 20억 |
업로드당 모든 파일의 최대 크기(데이터의 Azure OpenAI) | 16MB |
/embeddings 를 사용하는 배열의 최대 수 또는 입력 |
2048 |
최대 /chat/completions 메시지 수 |
2048 |
최대 /chat/completions 함수 수 |
128 |
최대 /chat completions 도구 수 |
128 |
배포당 프로비전된 처리량 단위의 최대 수 | 100,000 |
도우미/스레드당 최대 파일 | 20 |
도우미 최대 파일 크기 및 미세 조정 | 512MB |
도우미 토큰 제한 | 2,000,000개의 토큰 제한 |
지역 할당량 한도
모델의 기본 할당량은 모델 및 지역에 따라 다릅니다. 기본 할당량 한도는 변경될 수 있습니다.
표준 배포에 대한 할당량은 TPM(분당 토큰) 기준으로 설명됩니다.
지역 | 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 - 미세 조정 | Davinci-002 | Davinci-002 - 미세 조정 | GPT-35-Turbo - 미세 조정 | GPT-35-Turbo-1106 - 미세 조정 | GPT-35-Turbo-0125 - 미세 조정 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
australiaeast | 40K | 80K | 80K | 30K | 300K | - | 350K | - | - | - | - | - | - | - | - | - |
brazilsouth | - | - | - | - | - | - | 350K | - | - | - | - | - | - | - | - | - |
canadaeast | 40K | 80K | 80K | - | 300K | - | 350K | 350K | 350K | - | - | - | - | - | - | - |
eastus | - | - | 80K | - | 240K | 240K | 240K | 350K | 350K | - | - | - | - | - | - | - |
eastus2 | - | - | 80K | - | 300K | - | 350K | 350K | 350K | - | - | - | - | 250 K | 250 K | 250 K |
francecentral | 20K | 60K | 80K | - | 240K | - | 240K | - | - | - | - | - | - | - | - | - |
japaneast | - | - | - | 30K | 300K | - | 350K | - | - | - | - | - | - | - | - | - |
northcentralus | - | - | 80K | - | 300K | - | 350K | - | - | 240K | 250 K | 240K | 250 K | 250 K | 250 K | 250 K |
norwayeast | - | - | 150K | - | - | - | 350K | - | - | - | - | - | - | - | - | - |
southafricanorth | - | - | - | - | - | - | 350K | - | - | - | - | - | - | - | - | - |
southcentralus | - | - | 80K | - | 240K | - | 240K | - | - | - | - | - | - | - | - | - |
southindia | - | - | 150K | - | 300K | - | 350K | - | - | - | - | - | - | - | - | - |
스웨덴 중부 | 40K | 80K | 150K | 30K | 300K | 240K | 350K | - | - | 240K | 250 K | 240K | 250 K | 250 K | 250 K | 250 K |
스위스 북부 | 40K | 80K | - | 30K | 300K | - | 350K | - | - | - | - | - | - | - | - | - |
switzerlandwest | - | - | - | - | - | - | - | - | - | - | 250 K | - | 250 K | 250 K | 250 K | 250 K |
uksouth | - | - | 80K | - | 240K | - | 350K | - | - | - | - | - | - | - | - | - |
westeurope | - | - | - | - | 240K | - | 240K | - | - | - | - | - | - | - | - | - |
westus | - | - | 80K | 30K | 300K | - | 350K | - | - | - | - | - | - | - | - | - |
westus3 | - | - | 80K | - | - | - | 350K | - | - | - | - | - | - | - | - | - |
1K = TPM(분당 토큰 1,000개) TPM과 RPM(분당 요청 수) 간의 관계는 현재 1000TPM당 6 RPM으로 정의됩니다.
속도 제한을 유지하기 위한 일반적인 모범 사례
속도 제한과 관련된 문제를 최소화하려면 다음 기술을 사용하는 것이 좋습니다.
- 애플리케이션에서 다시 시도 논리를 구현합니다.
- 워크로드가 급격히 변경되지 않도록 합니다. 워크로드를 점진적으로 늘립니다.
- 다양한 로드 증가 패턴을 테스트합니다.
- 배포에 할당된 할당량을 늘립니다. 필요한 경우 다른 배포에서 할당량을 이동합니다.
기본 할당량 및 한도 증가를 요청하는 방법
할당량 증가 요청은 Azure OpenAI Studio의 할당량 페이지에서 제출할 수 있습니다. 엄청난 수요로 인해 할당량 증가 요청이 수락되고 수신되는 순서대로 채워집니다. 기존 할당량 할당을 사용하는 트래픽을 생성하는 고객에게 우선 순위가 지정되며, 이 조건이 충족되지 않으면 요청이 거부될 수 있습니다.
다른 요금 제한에 대해서는 서비스 요청을 제출하세요.
다음 단계
Azure OpenAI 배포에 대한 할당량을 관리하는 방법을 알아봅니다. Azure OpenAI를 지원하는 기본 모델에 대해 자세히 알아봅니다.