OpenAI Ultrarrápido: 6x Mais Rápido por 6x o Preço. Vale a Pena?

OpenAI Ultrafast é uma camada de serviço, não um novo modelo. Adicione service_tier: "ultrafast" a uma solicitação da API de Respostas para gpt-6-astra e o OpenAI gera tokens até 6x mais rápido na API (até 8x, ou 300 tokens por segundo, no Codex). Custa 6x o Standard: US$60 de entrada e US$300 de saída por milhão de tokens, contra US$10 e US$50. O ID do modelo não muda, então as respostas ficam mais rápidas, não mais inteligentes. Ele se paga quando uma pessoa ou uma etapa com restrição de latência espera por saídas longas, e quase nunca para trabalho em lote ou em segundo plano.

A OpenAI disponibilizou o Ultrafast amplamente no GPT-6 Astra no DevDay em 29 de setembro de 2026 (veja tudo mais do DevDay). Este post aborda a disponibilidade, a solicitação, os preços, os limites de taxa e um modelo de ponto de equilíbrio que você pode recalcular com seus próprios números. Para o modelo em si, leia o guia da API do GPT-6 Astra. Você medirá ambas as camadas no Apidog antes de mudar.

OpenAI Ultrafast em resumo

Fontes: guia do modo Ultrafast e página de preços da OpenAI.

O que é o Ultrafast e quem pode usá-lo

O resumo do DevDay da OpenAI chama o Ultrafast de sua camada de velocidade premium. De acordo com o guia, o GPT-6 Astra Ultrafast está disponível para todos os usuários da API com baixos limites de taxa padrão, e organizações com uma equipe de contas da OpenAI podem solicitar mais. O guia também lista acesso prévio para o GPT-5.6 Sol através de equipes de contas (a OpenAI previu o Ultrafast pela primeira vez no GPT-5.6 Sol em 13 de agosto), enquanto o resumo nomeia o GPT-6.1 Sol como o próximo. Nenhum dos dois tem um preço Ultrafast publicado.

No ChatGPT, o Ultrafast Astra é executado no ChatGPT Work e no Codex nos planos Pro 500 e Enterprise. Essa assinatura cobre os aplicativos, não a API: scripts, jobs de CI e agentes que você constrói ainda pagam por token com uma chave de API.

Leia a alegação de velocidade com atenção. É sobre a geração de tokens, e diz “até”. O valor de 300 tokens por segundo é para o Codex; a alegação da API é de até 6x. A OpenAI não publica um valor de tempo para o primeiro token (TTFT) para o Ultrafast, e um número de tokens por segundo não diz nada sobre quanto tempo você espera pelo primeiro token.

Como ativar service_tier ultrafast

Defina model como gpt-6-astra e service_tier como ultrafast em cada solicitação. Via HTTP, da documentação da OpenAI:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Explain why the sky is blue in one sentence.",
    "service_tier": "ultrafast"
  }'

A OpenAI recomenda fortemente WebSockets, especialmente para agentes que fazem muitas chamadas de ferramentas em rápida sucessão, porque a sobrecarga de rede por solicitação pode consumir o ganho. Aqui está o exemplo Python da documentação, transmitindo duas interações em uma única conexão:

from openai import OpenAI

client = OpenAI()
previous_response_id: str | None = None
prompts = [
    "Explain why the sky is blue in one sentence.",
    "Now explain why sunsets look red.",
]

with client.responses.connect() as connection:
    for prompt in prompts:
        connection.response.create(
            model="gpt-6-astra",
            service_tier="ultrafast",
            previous_response_id=previous_response_id,
            input=prompt,
        )
        for event in connection:
            if event.type == "response.output_text.delta":
                print(event.delta, end="", flush=True)
            elif event.type == "response.completed":
                previous_response_id = event.response.id
                print()
                break
            elif event.type in {"response.failed", "response.incomplete", "error"}:
                raise RuntimeError(event.to_json())
        else:
            raise RuntimeError("Connection closed before the response finished.")

Instale com pip install --upgrade "openai[realtime]" e defina OPENAI_API_KEY. Nosso guia do modo WebSocket da OpenAI aborda limites de conexão e reconexões.

Preços do Ultrafast comparados a Standard, Fast e Batch

Preços por 1M de tokens para gpt-6-astra em contexto curto (272K tokens de entrada ou menos):

Acima de 272K tokens de entrada, o Ultrafast sobe para US$120 de entrada, US$12 em cache, US$150 de escrita em cache e US$450 de saída. Fast é o antigo processamento Prioritário, renomeado em 30 de julho de 2026. Observe que cada coluna de entrada também é multiplicada, então prompts longos pagam 6x em tokens que a alegação de velocidade não visa.

Limites de taxa e residência de dados

Os limites padrão do Ultrafast do GPT-6 Astra são 500.000 tokens por minuto nos Níveis de uso 1-3, 1.000.000 no Nível 4 e 5.000.000 no Nível 5. O Ultrafast suporta apenas residência de dados nos EUA e processamento global. Se seu contrato roteia tráfego através de um endpoint da UE ou de outra região, o Ultrafast não está disponível para esse projeto.

Quando o Ultrafast se paga: um modelo de ponto de equilíbrio

Esta é uma aritmética ilustrativa sobre preços de tabela, não um benchmark. A única entrada de velocidade é um placeholder: assuma que sua própria medição mostra o Standard Astra transmitindo 40 tokens de saída por segundo em seu prompt. Substitua pelo seu número.

• Uma resposta voltada para o usuário: 5.000 tokens de entrada sem cache, 2.000 tokens de saída.
  • Standard: US$0.05 de entrada + US$0.10 de saída = US$0.15.
  • Ultrafast: US$0.30 + US$0.60 = US$0.90, ou seja, US$0.75 a mais.
  • Tempo de geração: 2.000 / 40 = 50 segundos no Standard, cerca de 8.3 segundos com 6x completos. Você economiza cerca de 41.7 segundos.
  • Custo por segundo economizado: US$0.75 / 41.7 = US$0.018, ou US$64.80 por hora de espera removida.

Se sua aceleração medida ficar abaixo do limite máximo, cada segundo economizado custará mais:

• Um loop de agente: 20 etapas, cada uma com 20.000 tokens de entrada (18.000 em cache, 2.000 novos) e 500 tokens de saída, ignorando as taxas de escrita em cache.
  • Standard: US$0.018 em cache + US$0.020 de nova entrada + US$0.025 de saída = US$0.063 por etapa, US$1.26 por execução.
  • Ultrafast: US$7.56 por execução, ou seja, US$6.30 a mais.
  • Tempo de geração: 250 segundos no Standard, cerca de 41.7 com 6x. Você economiza aproximadamente 208 segundos.
  • Custo por segundo economizado: cerca de US$0.030, ou US$109 por hora.

O agente compra segundos a uma taxa pior porque a maior parte de sua conta é de entrada, que recebe o preço 6x sem o aumento da velocidade de geração. Para saída sozinha a 6x completos, cada segundo economizado custa cerca de US$0.0003 vezes seus tokens de saída Standard por segundo; a entrada apenas aumenta isso.

Então a questão é concreta: uma pessoa, ou algo com valor monetário, está bloqueado por esses segundos, e essa espera vale mais do que US$65 a US$110 por hora? Um engenheiro bloqueado em seu agente de codificação interno, ou um cliente olhando para um spinner em um fluxo pago, pode superar essa barreira. Um cron job não pode.

Onde o Ultrafast não compensa

• Ninguém está esperando. Avaliações noturnas, preenchimentos e relatórios pertencem à API Batch ou Flex a US$5 de entrada e US$25 de saída, um doze avos da taxa do Ultrafast.
• Agentes em segundo plano. Se um agente é executado sem supervisão e reporta quando termina, terminar três minutos antes raramente muda o resultado.
• Saídas curtas. Uma classificação de 50 tokens tem pouco tempo de geração para cortar; a configuração da conexão e a espera pelo primeiro token dominam, especialmente via HTTP.
• Prompts longos. Chamadas com muita entrada pagam 6x em tokens que a alegação de velocidade não cobre, e acima de 272K de entrada as taxas sobem para US$120 e US$450.
• Processamento regional. Sem endpoints na UE.
• Chamadas limitadas por TTFT. Nossa análise de latência do GPT-6 Sol descobriu que em execuções de raciocínio longas, a maior parte do tempo decorrido passava antes do primeiro token visível. Se sua latência está lá, meça se o Ultrafast a encurta antes de pagar por ele.

Meça o TTFT e o tempo total no Apidog antes de mudar

Substitua o placeholder pelos seus próprios números em cerca de dez minutos.

1. Crie um ambiente no Apidog com OPENAI_API_KEY. Adicione uma solicitação POST para https://api.openai.com/v1/responses com o cabeçalho Authorization: Bearer {{OPENAI_API_KEY}} e este corpo:

{
  "model": "gpt-6-astra",
  "input": "<your real production prompt>",
  "service_tier": "ultrafast",
  "stream": true
}

2. Duplique a solicitação e remova service_tier para a linha de base Standard. Mantenha o prompt idêntico.
3. Envie ambos. O Apidog renderiza o stream de eventos server-sent evento por evento. Observe quando o primeiro response.output_text.delta chega (TTFT) e quando o stream termina (tempo total), e mantenha o bloco usage do evento final response.completed para o custo.
4. Repita cada variante pelo menos 10 vezes e compare as medianas e p95, não execuções únicas.
5. Para loops de agente, teste o caminho WebSocket: abra uma solicitação WebSocket no Apidog para wss://api.openai.com/v1/responses com o mesmo cabeçalho, envie uma mensagem response.create com os mesmos campos menos stream, então uma segunda vez com previous_response_id. A comparação entre WebSocket e SSE explica por que a conexão aberta é importante.

Segundos economizados é a mediana do tempo total no Standard menos a mediana no Ultrafast. Calcule o preço dos tokens usage em ambas as taxas, divida e compare o resultado com o custo da espera para você.

FAQ

O que é OpenAI Ultrafast? Uma camada de serviço da API de Respostas que gera tokens até 6x mais rápido na API por 6x o preço Standard. Você o ativa por solicitação com service_tier: "ultrafast".

O Ultrafast é um modelo mais inteligente? Não. Você chama o mesmo ID de modelo gpt-6-astra; a camada muda a velocidade e o preço, não o modelo.

Quanto custa o GPT-6 Astra Ultrafast? US$60 de entrada, US$6 de entrada em cache, US$75 de escrita em cache e US$300 de saída por 1M de tokens em contexto curto, contra US$10, US$1, US$12.50 e US$50 no Standard.

De onde vem “300 tokens por segundo”? É o valor da OpenAI para o Ultrafast no Codex, onde ela alega até 8x. A alegação da API é de até 6x.

O GPT-6.1 Sol suporta Ultrafast? Ainda não. A OpenAI diz que estará disponível em breve; o resumo do DevDay 2026 acompanha o que está ao vivo.

Próximo passo

Escolha sua solicitação voltada para o usuário mais lenta, execute-a no Standard e no Ultrafast dez vezes cada, e compare a mediana dos segundos economizados com o custo extra. Baixe o Apidog para manter ambas as variantes, seus tempos e seus números de usage em um único projeto.