GPT-5.6 Sol 的 service_tier 参数如何选择 fast、priority 或 ultrafast？

为 GPT-5.6 Sol 选择 service_tier 时，可以先记住一个简单结论：常规需要更快处理时使用 fast；已有代码或接口约定使用 priority 时可以继续使用，它与 fast 都表示请求 Fast mode；只有项目已经获得受控访问权限，并且业务确实需要更高处理层级时，才选择 ultrafast。尤其要注意，请求里传入的值不一定原样出现在响应中：请求 fast 或 priority 后，响应都会显示 service_tier=priority。

先分清三个取值的真实关系

fast、priority 和 ultrafast 看起来像三个从低到高排列的普通档位，但 API 的语义并不是简单的三级开关。前两个值实际上指向同一种 Fast mode。官方 SDK 类型说明明确指出，在 Responses API 或 Chat Completions API 的请求级别传入 service_tier=fast 或 service_tier=priority，都可以选择 Fast mode；服务完成请求后，响应中的层级统一表示为 priority。

因此，fast 更适合作为新代码中的意图表达：开发者看到参数就知道调用方要求快速处理。priority 则可视为同一处理模式的兼容请求值，同时也是响应采用的规范化表示。不要因为响应把 fast 变成了 priority 就判断参数失效，也不要据此重复提交请求。

ultrafast 与前两者不同。它代表受控访问的 Ultrafast Processing 层级，来源明确说明该层级当前可用于 gpt-5.6-sol。成功通过这一层处理的响应会保留 service_tier=ultrafast。这里的关键限制是“受控访问”：模型名称匹配不等于项目自动拥有资格。调用前应先确认项目权限，而不是仅凭 SDK 接受这个字符串就假定服务端一定会按该层级执行。

选择 fast 的场景

新接入 GPT-5.6 Sol、希望请求明确进入 Fast mode，又没有必须沿用旧参数约定时，优先写 fast。这个值最容易表达调用者意图，也减少阅读代码时把“请求优先级”误解为“响应字段”的机会。

适合使用它的任务通常具有交互性：用户正在等待回答、编辑器需要及时补全、后台操作必须在前台流程中返回，或者多步代理工作流中的当前步骤会阻塞后续步骤。是否值得启用仍应由真实指标决定。至少记录端到端延迟、错误率、请求量以及响应中的实际 service_tier，再与默认处理方式比较。来源没有给出固定延迟承诺，因此不应在业务设计中编造一个必然达到的毫秒数。

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="请概括这段故障日志，并列出最可能的两个原因。",
    service_tier="fast",
)

print(response.output_text)
print("actual tier:", response.service_tier)

这段代码请求 Fast mode，但观测结果时应预期 response.service_tier 为 priority。日志和监控最好同时保存请求值与响应值，例如分别记为 requested_service_tier 和 actual_service_tier。否则排查时只看到响应中的 priority，可能误以为调用代码从未传过 fast。

什么时候继续使用 priority

如果现有系统已经传入 priority，并且调用工作正常，没有必要仅为了功能差异而迁移，因为来源把它和 fast 都定义为请求级 Fast mode。网关、配置中心或多语言客户端若已经统一使用 priority，继续使用也能保持兼容并降低无意义的配置变更。

不过，新旧服务混合运行时要避免把两者统计成两个不同的性能产品。请求参数可以接受两个名字，响应却统一为 priority，所以报表分组应以实际处理层级为主，或先把请求侧的 fast 与 priority 归一到同一类别。否则会产生一组只有请求数、另一组只有响应数的错误仪表盘。

request_tier = "priority"  # 现有配置可以保留

response = client.responses.create(
    model="gpt-5.6-sol",
    input="从输入内容中提取行动项。",
    service_tier=request_tier,
)

telemetry = {
    "requested_service_tier": request_tier,
    "actual_service_tier": response.service_tier,
}
print(telemetry)

这也说明 priority 不是一次调用成功与否的判断条件。程序应该根据 HTTP 状态、SDK 异常和响应状态处理错误，而不是要求返回字段必须逐字等于请求字段。对 fast 请求而言，两者本来就会不同。

什么时候选择 ultrafast

ultrafast 应当放在权限确认和业务验证之后。它适用于已经获准使用该处理层级的 GPT-5.6 Sol 项目，并且响应时间对业务链路具有明确价值的场景。来源只确认它是受控访问层级，并未承诺任何项目都能使用，也没有给出本文可以据以比较的固定性能或价格数字。因此，稳妥的选择逻辑是先确认可用性，再做小流量验证，最后根据实际观测决定是否扩大使用范围。

response = client.responses.create(
    model="gpt-5.6-sol",
    input="检查这段变更是否可能引入并发问题。",
    service_tier="ultrafast",
)

if response.service_tier != "ultrafast":
    print("request was not reported as ultrafast")

代码中检查响应字段的目的不是武断地把任何差异都当成失败，而是让可观测系统发现请求没有按预期层级完成。正式业务还应捕获 SDK 返回的明确错误并遵循项目既有的重试策略。不要在权限错误或参数错误上无限重试，因为这类问题通常不会靠等待自行消失。

默认行为与回退策略

如果不设置 service_tier，默认行为是 auto。在 auto 下，请求使用项目设置中配置的服务层级；项目没有另行配置时使用 default。default 代表所选模型的标准定价和性能，而 flex 则是另一种独立的处理模式。它们不是本标题要求比较的三个值，但理解默认路径有助于避免把“没有传参数”误认为“自动使用 fast”。

一个实用策略是按请求类别选择，而不是给整个应用硬编码同一档位。例如，用户同步等待的核心交互可以请求 fast，非紧急离线任务保留项目默认设置；只有获得资格并完成验证的极少数关键链路才请求 ultrafast。这样做还能避免把更高处理层级消耗在用户不会感知其价值的工作上。

def choose_service_tier(interactive: bool, ultrafast_enabled: bool):
    if interactive and ultrafast_enabled:
        return "ultrafast"
    if interactive:
        return "fast"
    return None

tier = choose_service_tier(
    interactive=True,
    ultrafast_enabled=False,
)

request = {
    "model": "gpt-5.6-sol",
    "input": "生成一份简短的代码审查结论。",
}
if tier is not None:
    request["service_tier"] = tier

response = client.responses.create(**request)

这里用 None 表示不在请求中指定参数，让项目配置决定行为。权限开关应来自经过验证的部署配置，而不是通过捕获一次失败后在进程内猜测。若服务端明确拒绝 ultrafast，应记录原因并按业务预先设计的策略处理；是否回退到 fast 必须考虑请求是否允许重复执行，特别是请求会触发工具调用或外部副作用时。

正确验证实际使用的层级

服务端会在响应体中返回实际用于处理请求的 service_tier，而这个值可能与请求参数不同。验证时应以响应字段为事实来源，同时保留请求侧记录。对于本文讨论的三种取值，可以采用以下判断：

• 请求 fast，响应为 priority：这是文档明确描述的正常结果。
• 请求 priority，响应为 priority：同样表示 Fast mode。
• 请求 ultrafast，响应为 ultrafast：表示请求通过该受控层级完成。
• 其他组合：保存完整错误或响应上下文，检查项目配置、访问权限、模型和 SDK 类型定义，不要仅凭字段名称推测。

测试应覆盖两层。第一层是请求构造测试，确认业务分支传入了预期参数；第二层是集成观测，确认真实响应报告的处理层级。只做模拟测试无法证明项目拥有 ultrafast 访问权，只看线上响应又很难判断调用方原本传了什么。

常见误区与排查顺序

把 fast 和 priority 当成两个性能档位

从当前来源的定义看，两者都是选择 Fast mode 的请求值，响应也都会显示 priority。若要迁移命名，应该把它当成代码可读性或配置一致性改造，而不是性能升级。

看到响应变成 priority 就重试

这是最容易制造重复请求的问题。响应规范化为 priority 是预期行为，不是降级信号。工具调用、写数据库或发送消息一类可能产生副作用的请求尤其不能因此自动重放。

认为模型可用就一定能用 ultrafast

来源同时给出了模型适用性和访问限制：GPT-5.6 Sol 支持该层级，但它属于受控访问。排查时先核对项目资格，再核对请求模型与参数，最后查看服务端明确返回的错误信息。SDK 本地类型允许一个值，只代表客户端可以构造请求，不代表项目已经获权。

只记录耗时，不记录层级

不同请求若使用了不同处理方式，只比较耗时会混淆结果。监控至少应关联模型、请求层级、响应层级、响应状态和端到端耗时；涉及流式输出时，还可以分别记录首个输出到达时间与完整响应时间，但不要把本地排队、网络传输和服务端处理混成一个无法解释的指标。

可直接采用的决策规则

对新项目，默认不显式指定层级，先让 auto 与项目设置工作；确认交互链路需要 Fast mode 后，在对应请求上使用 fast。对已经使用 priority 的稳定项目，可以保留原值，因为它与 fast 指向相同模式。对 ultrafast，只有在项目已获访问、模型为 GPT-5.6 Sol、关键链路确有需求且完成真实流量验证时启用。

最终不要用请求字符串猜测实际结果。把请求值和响应值分别记录，并接受 fast 请求返回 priority 这一规范行为。这样既能选对层级，也能避免错误重试、错误告警和误导性的性能报表。