据 OpenAI 开发者社区十月八日晚间公告，GPT-6.1 Sol 的 Ultrafast 模式当日起在 Responses API、Codex 和 ChatGPT Work 三个渠道同步灰度上线。开发者在 API 请求中把 service_tier 字段设为 ultrafast，即可获得比 fast 档位更短的首 token 延迟。这是 OpenAI 继七月三十日把 priority 改名 fast 之后，又拆出的一个新速度层级。
三层服务档位从慢到快依次为 default、fast、ultrafast。default 走共享推理集群，最便宜但排队不确定；fast 预留专用容量，有延迟 SLA；ultrafast 则是给对首 token 延迟极度敏感的生产场景准备的，价格最高。据 OpenAI 文档，ultrafast 请求不适用批量折扣，也不享受 prompt 缓存读取价。
对做实时对话或函数链式调用的团队来说，ultrafast 的价值在于把模型思考时间从秒级压到亚秒级。但代价是每百万 token 单价显著上涨，适合只在关键链路启用，而不是全量切换。
从实际调用的角度看，切换档位不需要改任何业务逻辑——只需要在请求体里加一个字段。这听起来很简单，但很多团队踩的坑是：他们把 service_tier 写在了错误的位置。Responses API 里这个参数是顶层字段，不是嵌在 model 参数下面的。放错位置会被静默忽略，结果你付了 ultrafast 的钱却跑着 default 的延迟。
另一个常见误区是认为开了 ultrafast 就所有请求都快。实际上这个档位优化的主要是首 token 延迟，也就是用户从发请求到看到第一个字的等待时间。生成速度本身并不会明显变快。如果你的场景是长文本生成而不是首字响应，ultrafast 带来的体验提升有限。
ultrafast 跟 fast 到底差在哪一档？
根据 OpenAI 公开的定价表，fast 档位的短上下文输入和输出价格大约是 default 的两倍，而 ultrafast 在此基础上又有溢价。短期上下文和长期上下文的加价幅度不同——长上下文场景下 ultrafast 的边际成本更高，因为 KV 缓存的资源占用更大。
调用时参数怎么写才不会报错？
实战中建议先在测试环境对比三个档位的 P50 和 P99 延迟。很多团队发现 fast 已经足够覆盖业务需求，ultrafast 只在用户等待体验直接影响转化的关键路径上才有必要开。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论