fix(ms-ai-architect): Spor 0 — 37 kilde-verifiserte KB-feil fikset (25 ref-filer), 1 avvist [skip-docs]

Per-kilde verifiserings-agenter (Opus xhigh, live microsoft_docs_fetch) bekreftet
hver verdi mot kilden FOER endring; alle forekomster av samme gale fakta fikset
fil-vidt (ikke bare sitert linje).

- 37/38 confirm-fix anvendt; #8 (model-selection «Model Router GA») AVVIST: fila var
  allerede korrekt (Model Router GA siden 2025-11-18); den siterte model-choice-guide
  har utdatert «(preview)»-etikett. AA «fikse» ville innfoert en feil.
- Tverteklynger reconciled til kilde-sann verdi: AI Search storage (S1 160/S2 512/S3
  1024/L1 2048/L2 4096 GB; vektor 5/35/150/300), Quota Tiers (erstatter
  Default/Enterprise + «1 Unit Capacity»).
- Hoey-innsats: realtime Schrems II omskrevet (global deployment != EU-residens,
  selv-verifisert mot kilde); Data Zone Norway East = gpt-5.4 OG gpt-5.5 (ikke kun
  5.5); computer-use = gpt-5.4 + computer-tool (region flagget for verifisering).
- Suite 552/552 groenn. Manifest oppdatert (fixed/verdict/verified per fiks).

Spor 1-froe (cross-fil-gjentakelser i UBEROERTE filer): «DDoS Protection Standard» i
ros-ai-threat-library.md + zero-trust-ai-services.md. Tilstoetende funn (ikke i de 38):
se docs / STATE.

skills/ms-ai-governance/references/monitoring-observability/endpoint-health-and-capacity-planning.md

@@ -22,10 +22,10 @@ Utfordringen for arkitekter er å balansere kostnad (monitoreringsdata lagres i
 |---------|-------------|-------------------|-----------|
 | `AzureOpenAIRequests` | Totalt antall API-kall over tid | PT1M (1 minutt) | Ja |
 | `AzureOpenAIAvailabilityRate` | `(Total Calls - Server Errors) / Total Calls` (%) | PT1M | Nei |
-| `TokensGenerated` | Completion tokens generert | PT1M | Ja |
+| `GeneratedTokens` | Completion tokens generert | PT1M | Ja |
 | `ActiveTokens` | Totale tokens (prompt + completion) | PT1M | Ja |
-| `PTUUtilization` | Prosentvis bruk av PTU-kapasitet | PT1M | Ja |
-| `ProcessingTime` | End-to-end latency (ms) | PT1M | Ja |
+| `AzureOpenAIProvisionedManagedUtilizationV2` | Prosentvis bruk av PTU-kapasitet | PT1M | Nei |
+| `AzureOpenAITimeToResponse` | Time to response (ms) | PT1M | Ja |
 
 **Viktig:** Platform metrics samles automatisk uten konfigurasjon, men for å analysere i Log Analytics må diagnostic settings aktiveres.
 
@@ -38,14 +38,14 @@ Utfordringen for arkitekter er å balansere kostnad (monitoreringsdata lagres i
 | **Quota** | Regionbasert grense per modell/subscription | TPM | Forespørres via support |
 | **429 Throttling** | HTTP-responskode når rate limit overstiges | - | Implementer retry-logic |
 
-**RPM/TPM-ratio varierer per modell:**
+**RPM/TPM-ratio varierer per modell.** Kvote tildeles nå via **Quota Tiers** (Free Tier (Tier 0) + Tier 1–6), ikke «1 Unit Capacity». Forholdet mellom RPM og TPM er likevel modellspesifikt (verifisert mot Tier 1, GlobalStandard):
 
-| Modell | 1 Unit Capacity | RPM | TPM |
-|--------|----------------|-----|-----|
-| Eldre chat-modeller | 1 | 6 | 1,000 |
-| o1, o1-preview | 1 | 1 | 6,000 |
-| o3 | 1 | 1 | 1,000 |
-| o3-mini, o1-mini | 1 | 1 | 10,000 |
+| Modell | RPM | TPM |
+|--------|-----|-----|
+| Eldre chat-modeller | 6 | 1,000 |
+| o1, o1-preview | 1 | 6,000 |
+| o3 | 1 | 1,000 |
+| o3-mini, o1-mini | 1 | 10,000 |
 
 **Viktig:** Deployment TPM kan IKKE overskride subscription quota for den modellen i den regionen.
 
@@ -172,7 +172,7 @@ PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{
 **Mønster:**
 - Bruk PTU i stedet for Standard (pay-as-you-go)
 - PTU gir dedikert kapasitet med forutsigbar latens
-- Overvåk `PTUUtilization`-metrikk for kapasitetsplanlegging
+- Overvåk `AzureOpenAIProvisionedManagedUtilizationV2`-metrikk for kapasitetsplanlegging
 - Sett alert hvis utilization > 80% (signal om behov for oppgradering)
 
 **Fordeler:**
@@ -189,7 +189,7 @@ PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{
 
 ```kql
 AzureMetrics
-| where MetricName == "PTUUtilization"
+| where MetricName == "AzureOpenAIProvisionedManagedUtilizationV2"
 | where TimeGenerated > ago(5m)
 | summarize AvgUtilization = avg(Average) by Resource
 | where AvgUtilization > 80

skills/ms-ai-governance/references/monitoring-observability/token-usage-tracking-attribution.md

@@ -57,8 +57,8 @@ Azure OpenAI samler automatisk token-baserte metrics:
 
 **Tilgjengelige metrics:**
 - `TokenTransaction` — Total token count (input + output)
-- `PromptTokens` — Input tokens
-- `CompletionTokens` — Output tokens
+- `InputTokens` — Input tokens
+- `OutputTokens` — Output tokens
 - `ProcessedPromptTokens` — Tokens faktisk prosessert (kan avvike ved caching)
 
 **Aksess via:**
@@ -442,7 +442,7 @@ AzureMetrics
 | **PTU** | Track utilization percentage against reserved capacity |
 
 **PTU Metrics:**
-- `PTUUtilization` — Percentage of reserved capacity used
+- `AzureOpenAIProvisionedManagedUtilizationV2` — Percentage of reserved capacity used
 - `ProcessedPromptTokens` — Input tokens processed
 - Input TPM per PTU — Model-specific (f.eks. 8450 TPM for Llama-3.3-70B)
 
@@ -455,7 +455,7 @@ AzureMetrics
 ```kusto
 AzureMetrics
 | where ResourceProvider == "MICROSOFT.COGNITIVESERVICES"
-| where MetricName == "PTUUtilization"
+| where MetricName == "AzureOpenAIProvisionedManagedUtilizationV2"
 | summarize AvgUtilization = avg(Average), MaxUtilization = max(Maximum)
     by Resource, bin(TimeGenerated, 1h)
 | extend EfficiencyStatus = case(