Os limites de taxa são a causa mais comum de uma integração funcional começar a falhar de repente em produção. Veja o que cada limite realmente restringe e como desenvolver levando esses limites em conta.
429 significa que um deles foi atingido — não é uma indisponibilidade nem um problema de cobrança.| Limite | O que contabiliza | Sintoma típico quando excedido |
|---|---|---|
| RPM — requisições por minuto | Quantas requisições você pode iniciar em uma janela móvel de um minuto. | Picos falham, enquanto o tráfego constante funciona. |
| TPM — tokens por minuto | Total de tokens de entrada e saída em uma janela móvel de um minuto. | Algumas chamadas com contexto grande falham, enquanto muitas chamadas pequenas passam. |
| Concorrência | Requisições em andamento no mesmo instante. | Processos paralelos ou agentes ficam bloqueados; o streaming agrava o problema. |
Uma resposta em streaming ocupa sua vaga de simultaneidade do primeiro ao último token. Uma geração de 60 segundos mantém essa vaga ocupada por um minuto inteiro, portanto uma simultaneidade de 1 limita você a cerca de uma requisição longa por vez, independentemente de quão generoso pareça o limite de RPM. Ferramentas baseadas em agentes, como Claude Code, Cline e Aider, abrem vários streams ao mesmo tempo, por isso atingem primeiro os limites de simultaneidade.
Tente novamente com espera exponencial e variação aleatória — dobre o tempo de espera a cada tentativa e adicione um pequeno intervalo aleatório para que os clientes que tentam novamente não se sincronizem e causem outro pico. Respeite o cabeçalho retry-after quando ele estiver presente. Limite o total de tentativas e apresente um erro claro em vez de tentar novamente indefinidamente. Use uma fila no cliente para controlar seu próprio tráfego, em vez de descobrir o limite ao atingi-lo.
Novas contas começam com limites conservadores de simultaneidade e RPM para que um único script fora de controle não prejudique todos. Ambos são aumentados mediante solicitação assim que houver histórico de uso — entre em contato com o suporte com uma breve descrição da sua carga de trabalho. Os planos ilimitados com preço fixo são regidos por limites de uso justo, em vez de cobrança por token, e as recargas de crédito pré-pago têm valor nominal de 7.69231x.
Significa que um limite de taxa foi atingido — requisições por minuto, tokens por minuto ou requisições simultâneas. Não é uma falha de cobrança nem uma indisponibilidade. Tente novamente com espera exponencial e respeite o cabeçalho retry-after se ele for retornado.
Ferramentas baseadas em agentes iniciam várias requisições em streaming ao mesmo tempo. O streaming ocupa uma vaga de simultaneidade durante toda a resposta, portanto algumas gerações longas em paralelo esgotam a simultaneidade enquanto sua contagem de requisições por minuto ainda parece baixa.
Entre em contato com o suporte assim que tiver algum histórico de uso, com uma breve descrição da carga de trabalho e da simultaneidade necessária. Os limites começam conservadores para proteger a capacidade compartilhada e são aumentados rotineiramente para cargas de trabalho reais.
Sim, como limites de uso justo. Os planos ilimitados eliminam a cobrança por token, mas não as restrições físicas da capacidade do provedor, portanto os limites de simultaneidade e de picos continuam se aplicando.
Os mesmos modelos, as mesmas janelas de contexto e uma única URL base para substituir a atual. Pague conforme o uso ou escolha um plano ilimitado com preço fixo.
Obter uma chave de API Ver planos ilimitadosA AI Prime Tech é um gateway de API independente e não é afiliada, endossada nem patrocinada pela Anthropic. “Claude” e “Anthropic” são marcas comerciais da Anthropic. Os preços oficiais de tabela da Anthropic apresentados para comparação são extraídos dos preços publicados pela Anthropic e podem mudar; nossas tarifas são obtidas do nosso próprio catálogo atualizado em tempo real. As estimativas são calculadas a partir das quantidades de tokens que você informa e serão diferentes do uso real.