docs(ms-ai-architect): KB-refresh critical cost 4/8 — inference-endpoint verifisert mot Foundry priority-processing + deployment-types

Verifisert mot live Microsoft Learn (foundry/openai/concepts/priority-processing,
foundry/foundry-models/concepts/deployment-types, foundry/concepts/manage-costs):
- Priority processing lagt til (deployment-tabell + Nivå 4). ÆRLIG framing: delt doc-signal —
  provisioned-throughput-siden lister den som fullverdig pay-per-token-kategori m/ latensmål per
  modell (gpt-5.5/5.4/5.2/5.1/4.1), mens deployment-types/enable-siden markerer preview/invitasjon.
  Skrevet som tier på GlobalStandard/DataZoneStandard (modellv. 2025-12-01+), m/ «rulles ut»-caveat.
- VERIFY meter-skille bekreftet: «Foundry Models sold by Azure billed via Azure meters as First Party
  Consumption Services» under Foundry-ressurs; partner/community «billed through Azure Marketplace» →
  Global resources, format model-name-GUID. Oppdatert Cost-tracking-bullet (slo feil sammen før).
- Phi-3→Phi-4-familien (2 steder): katalog viser kun Phi-4-familien (Phi-4, -mini-instruct,
  -multimodal, -reasoning) i sky-serverless; Phi-3 superseded. Estimat-priser beholdt m/ (estimat).
- Quota 200k TPM/1k RPM: lagt til «verifiser i quota-docs (varierer per modell/type/region)».

Korreksjons-disiplin (operatør-godkjent): footer-dato-inkonsistens fikset — header 2026-04→2026-06,
footer «Sist oppdatert 2026-02»→2026-06 (561-seksjonsstempel urørt, ikke re-verifisert). 2 kilde-
rader stemplet Verified MCP 2026-06 (faktisk re-fetchet). Disclaimed priser urørt. validate 239/0.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

skills/ms-ai-security/references/cost-optimization/inference-endpoint-cost-optimization.md

@@ -1,6 +1,6 @@
 # Managed Inference Endpoints: Cost Optimization
 
-**Last updated:** 2026-04
+**Last updated:** 2026-06
 **Status:** GA
 **Category:** Cost Optimization & FinOps for AI
 
@@ -23,8 +23,11 @@ Hovedutfordringen for de fleste organisasjoner er å balansere tre faktorer: kos
 | **Managed Online Endpoint** | VM-timer (per instance, per hour) | Konsistent, forutsigbar trafikk | Fast timekostnad uavhengig av requests |
 | **Serverless API Endpoint** | Pay-per-token + pay-per-request | Variabel, uforutsigbar trafikk | Kun kostnad ved faktisk bruk |
 | **Provisioned Throughput (PTU)** | Fast månedskostnad for reservert kapasitet | Stable workloads med høy throughput | Lavere enhetskostnad for høy bruk |
+| **Priority Processing**¹ (tier på Standard serverless) | Pay-per-token (priority-tier-rate) | Latens-sensitiv serverless uten langtidsbinding | Premium enhetspris vs. Standard, men definert latensmål (SLA) per modell |
 | **Low-Priority VMs** | 50-80% rabatt vs. dedicated VMs | Batch inference, ikke-kritiske workloads | Betydelig kostnadsbesparing med preemption-risiko |
 
+*¹ Priority processing aktiveres på GlobalStandard-/DataZoneStandard-deployments (modellversjon 2025-12-01+) og gir lav, forutsigbar latens på pay-as-you-go. Rulles ut — enkelte doc-flater (deployment-types/enable-siden) markerer den fortsatt som preview/invitasjon per 2026-06.*
+
 ### Autoscaling-konfigurasjonskomponenter
 
 | Parameter | Beskrivelse | Kostnadspåvirkning |
@@ -279,7 +282,7 @@ START
 
 **Serverless endpoints:**
 - Provisjoneres via AI Foundry Portal eller SDK (`ServerlessEndpoint`)
-- Støtter Microsoft-modeller (Phi-3, m.fl.) og Azure Marketplace-modeller
+- Støtter Microsoft-modeller (Phi-4-familien, m.fl.) og Azure Marketplace-modeller
 - Kostnadsoppfølging via Azure Cost Management med marketplace-meters
 
 **Managed compute (via Azure ML integration):**
@@ -343,7 +346,7 @@ mon_client.autoscale_settings.create_or_update(
 
 **Cost tracking:**
 - Managed endpoints: Tag-basert kostnadssporing (`azuremlendpoint`, `azuremldeployment`)
-- Serverless: Meters i Azure Cost Management (separate for Microsoft vs. Marketplace-modeller)
+- Serverless: I Cost Management vises Models sold by Azure (inkl. Azure OpenAI/Microsoft) som meters under selve Foundry-ressursen, mens partner-/Marketplace-modeller vises under **Global resources** med format `model-name-GUID`
 - Budsjett-alerts for proaktiv kostnadskontroll
 
 **Metrics for optimalisering:**
@@ -421,10 +424,10 @@ Total kostnad = (Instance hours × Instance price)
 **Token-basert prising:**
 - Pris per 1M tokens (input og output prises separat)
 - Pris per 1000 API requests
-- Quota: 200k tokens/min og 1k requests/min per deployment (standard)
+- Quota: typisk 200k tokens/min og 1k requests/min per deployment (standard) — verifiser gjeldende grenser i quota-docs (varierer per modell, deployment-type og region)
 
 **Microsoft-modeller (direkte fra Azure):**
-- Phi-3: ~10 kr per 1M input tokens, ~30 kr per 1M output tokens (estimat)
+- Phi-4-familien: ~10 kr per 1M input tokens, ~30 kr per 1M output tokens (estimat)
 - Priser vises i "Pricing and terms" tab ved deployment
 
 **Marketplace-modeller (tredjepart):**
@@ -542,6 +545,7 @@ Total kostnad = (Instance hours × Instance price)
 
 **Nivå 4: Enterprise-skala (100+ modeller, millioner requests/dag)**
 - Vurder **Provisioned Throughput (PTU)** for høy-volum modeller (Azure OpenAI)
+- Vurder **Priority processing** (pay-per-token priority-tier med definert latensmål) for latens-sensitive serverless-workloads uten PTU-binding — kan kombineres med PTU for steady-state-kapasitet
 - Implementer multi-region deployment for geo-distribusjon og cost arbitrage
 - Bruk custom autoscaling-metrics (business KPIs, ikke bare CPU)
 - Dedikert FinOps-team for kontinuerlig optimalisering
@@ -574,6 +578,8 @@ Hvis inference-kostnad per prediction >10% av business value per prediction, er
 - [Deploy models as serverless API deployments (AI Foundry Portal)](https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/deploy-models-serverless?view=foundry-classic) — **Verified**
 - [Plan and manage costs for Microsoft Foundry](https://learn.microsoft.com/en-us/azure/foundry/concepts/manage-costs?view=foundry-classic) — **Verified**
 - [Plan to manage costs for Azure OpenAI in Foundry Models](https://learn.microsoft.com/en-us/azure/foundry/concepts/manage-costs) — **Verified**
+- [Enable priority processing for Microsoft Foundry models](https://learn.microsoft.com/azure/foundry/openai/concepts/priority-processing) — **Verified MCP 2026-06**
+- [Deployment types for Microsoft Foundry Models](https://learn.microsoft.com/azure/foundry/foundry-models/concepts/deployment-types) — **Verified MCP 2026-06**
 
 **Cost Governance:**
 - [Govern Azure platform services (PaaS) for AI](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/platform/governance) — **Verified**
@@ -598,6 +604,6 @@ Hvis inference-kostnad per prediction >10% av business value per prediction, er
 
 ---
 
-**Sist oppdatert:** 2026-02
+**Sist oppdatert:** 2026-06
 **Versjon:** 1.0
 **Forfatter:** Cosmo Skyberg (AI-generert kunnskapsbase via MCP-research)