摘要

  • 微软把预置吞吐单位(PTU)定义为模型处理能力的一个固定量,而这个固定量是按模型逐行印出的系数:在复核的六行里,从每个单位每分钟 750 个输入 token 到 14,900 个。
  • 按印出的 15 个单位下限,同一笔采购在两端分别给出每分钟 11,250 与 223,500 个输入 token,相差 19.87 倍;这个倍数没有任何微软页面写过,本文标明是我的除法。
  • 只要买方报出自己的输入输出结构,容量就是可复算的;价不是,因为七份文档里每个具体美元数字都带着 2024 或 2025 的日期,价格页则把金额指向计价器。

定义句里没有一个数字

在定义单位的那一页上,微软写下的是:Provisioned throughput units (PTUs) are the unit of measure for provisioned throughput. A PTU represents a fixed amount of model processing capacity. 定义到此为止。没有 token,没有分钟,也没有一张模型清单。

同一页随即补上两句这句话管不到的内容:一定数量的 PTU 能给出多少 token 吞吐,取决于模型;每个模型都有创建部署所要求的最低 PTU 数量。计费页给出这笔交易的第二个条件:区域、数据区和全局三种预置部署,都按部署的 PTU 数量乘以每 PTU 每小时费率计费。按部署收费,不按 token 消耗收费。同页还写明,PTU 配额按订阅、按区域、按部署类型分别授予,而同一份配额可以部署任何受支持的模型。

「固定量」是一格表格

那个系数住在容量测算页的一个单元格里:Input TPM per PTU 的定义是「一个 PTU 所支持的最大输入 token 数(每分钟)」,并说明估算 PTU 时应当使用这个值。行就是从这里来的。下面是返回结果里的六行:

「固定量」是一格表格
模型 每 PTU 每分钟输入 token 全局与数据区最低 区域最低
gpt-6.2-astra 750 15 25
gpt-4o 2,500 15 50
gpt-6.2-sol 2,950 15 25
gpt-4.1 3,000 15 50
gpt-5 4,750 15 50
gpt-4.1-mini 14,900 15 25

最低数量并非只印在测算页。价格页同样逐模型印出最低 PTU,其中包括 GPT-4.1 全局 15 个、GPT-4.1 区域 50 个,并声明表内金额属于估算,请到计价器核对或联系销售。于是「最小可买量」在两份文档里各印了一次,服务于两个目的。

有了这两个印出来的数,除法是我的:15 乘 750 等于每分钟 11,250 个输入 token;15 乘 14,900 等于 223,500;223,500 除以 11,250 是 19.87。同样是 15 个单位,同样是那一档小时费率,只因为行上的模型名不同,输入容量差了将近二十倍。

结构由买方提供

容量不只由输入 token 消耗。测算页把整条链印了出来:所需 PTU 等于归一化 TPM 除以该模型的每 PTU 输入值;归一化 TPM 等于输入 TPM 乘以一减去缓存命中比例,再加上输出输入比乘以输出 TPM。所谓输出输入比,是每个模型自己的权重,一个输出 token 会吃掉相当于若干输入 token 的容量。到了 GPT-6 及之后的模型,归一化口径还要算进缓存输入与缓存写入,而短上下文输入 token 的权重是一。

这就把结论落到了买方的桌上:一个 PTU 并没有一个可以照抄就用的 token 容量。它有的是一份归一化 TPM 预算,而预算里有一项只有买方知道——自己的输入输出结构。缺了这一项,任何每分钟 token 数都只是半个算式。

钱都带着日期

计费页把机制说清,却没有给价:按部署容量计费而非按消耗,无论利用率多少都按部署的完整数量收费,不足一小时的部分按比例折算,超出预留数量的部分按小时费率计。预留是一月期或一年期,折扣随模型系列与期限变化。

价格页印的是结构:一张表,列头分别是模型、最低 PTU、每 PTU 小时价、每 PTU 月度预留价、每 PTU 年度预留价。我这一次读到的是列头与逐模型最低数量,货币对应的数字没有落到位。因此本文不对当期费率作任何断言,不把任何空缺读成零,也不主张微软没有印价。

语料里具体的美元只有带日期的两处。2024 年 10 月 28 日的公告写明预置全局每小时 2.00 美元、2024 年 11 月 1 日起每小时 1.00 美元,数据区每小时 1.10 美元,一月期预留每 PTU 每月 260 美元,一年期每 PTU 每月 221 美元。2025 年 10 月 9 日的社区文章把全局部署下 GPT-4o 的 PTU 月度预留写成每单位 260 美元,并说明价格会变。两处都不是今天的费率,两处都是关于自己那一天的陈述。

只拿那个带日期的每 PTU 每小时 1.00 美元来算,15 个单位的下限就是每小时 15.00 美元。把它除以这 15 个单位一小时连续输入能给出的量,结果(仍然是我的算术)从 14,900 那一行的每百万输入 token 1.12 美元,到 750 那一行的 22.22 美元,中间经过 5.65、6.67、5.56 与 3.51。最高与最低之比是 19.9,和容量的倍数一样,因为同一个小时费率压在六行之上。若按每月 730 小时这个我自设的前提折算,260 美元的预留相当于每 PTU 每小时 0.356 美元,221 美元的一年期折成每 PTU 每年 2,652 美元,也就是每小时 0.303 美元。

墙上有表

越界之后不是更高的账单。运维页把部署利用率定义为一段时间内消耗的 PTU 除以同期部署的 PTU,并写下规则:Throttling at 100%: When a request is made, if current utilization is at 100%, the service returns HTTP 429 immediately, with retry-after-ms and retry-after response headers indicating how long to wait. 调用可以一直进到百分之百,短暂超出的突发被容忍;过了这条线,回应是一次带时间的拒绝,而不是一张加长的发票。定义页补充说,可以把溢出转到标准部署,这是一项可选设置;而按订阅、区域、部署类型划分的配额,是另一个与容量分开的水池。

算到哪一步为止

系数、下限、输出权重与 429 规则都印着。结构由买方提供。费率在七份被读的文档里要么带日期,要么被推出门外:里面没有出现 2026 年当期每 PTU 价格。六行是测算页这次返回的行,页面可能还印着别的行,本文不主张这就是全部。2025 年那篇文章里的 token 示例与测算页印的 2,500 输入 TPM/PTU 及按模型权重对不上,因此被排除在全部容量算术之外,只取它那个带日期的预留金额。

于是分工有点难受,也很有用。买方能算出自己每分钟买到多少输入 token,能确切知道用完时会发生什么。读不到的是价。定义把数量称为固定,表格把固定量按模型摊开,美元留在计价器里。BTW 名录里的微软条目记载的是这份文档的发布者,不是价格。