Límites de velocidad

Existen dos tipos de límites:

1. Los límites de gasto establecen un costo mensual máximo en el que una organización puede incurrir por el uso de la API.
2. Los límites de velocidad establecen el número máximo de solicitudes a la API que una organización puede realizar durante un período de tiempo definido.

La API aplica límites configurados por el servicio a nivel de organización, pero también puedes establecer límites configurables por el usuario para los espacios de trabajo de tu organización.



Acerca de los límites de velocidad

• Los límites están diseñados para prevenir el abuso de la API, mientras se minimiza el impacto en los patrones de uso comunes de los clientes.
• Los límites se definen por nivel de uso. Tu organización se coloca en un nivel automáticamente y puede pasar a un nivel superior con el tiempo a medida que usas la API.
• Los límites se establecen a nivel de organización. Puedes ver el nivel de tu organización y los límites actuales en la página de Límites en la Claude Console.
• Podrías alcanzar los límites de velocidad en intervalos de tiempo más cortos. Por ejemplo, una tasa de 60 solicitudes por minuto (RPM) podría aplicarse como 1 solicitud por segundo. Ráfagas cortas de solicitudes pueden exceder el límite y provocar errores de límite de velocidad.
• Los siguientes límites son los límites estándar para cada nivel. Si necesitas límites más altos, consulta Solicitar límites más altos.
• La API utiliza el algoritmo de token bucket para aplicar los límites de velocidad. Esto significa que tu capacidad se repone continuamente hasta tu límite máximo, en lugar de restablecerse en intervalos fijos.
• Todos los límites descritos aquí representan el uso máximo permitido, no mínimos garantizados. Estos límites están destinados a reducir el gasto excesivo no intencional y garantizar una distribución justa de los recursos entre los usuarios.



Límites de gasto

Cada uno de los niveles Start, Build y Scale tiene un tope de gasto mensual, que es el máximo que tu organización puede gastar en la API cada mes calendario. Una vez que alcanzas el tope de gasto de tu nivel, el uso de la API se pausa hasta el mes siguiente a menos que solicites un límite más alto. Puedes ver el tope de gasto mensual de tu organización en la página de Límites.

Las organizaciones en el nivel Custom no tienen tope de gasto mensual; los límites se acuerdan con su equipo de cuenta.

También puedes establecer tu propio límite de gasto por debajo del tope de tu nivel para controlar los costos:



Límites de velocidad

Los límites de velocidad para la API de Messages se miden en solicitudes por minuto (RPM), tokens de entrada por minuto (ITPM) y tokens de salida por minuto (OTPM) para cada clase de modelo. Si excedes cualquiera de los límites de velocidad, obtendrás un error 429 que describe qué límite de velocidad se excedió, junto con un encabezado retry-after que indica cuánto tiempo esperar.



ITPM consciente de la caché

Muchos proveedores de API utilizan un límite combinado de "tokens por minuto" (TPM) que puede incluir todos los tokens, tanto en caché como sin caché, de entrada y de salida. Para la mayoría de los modelos de Claude, solo los tokens de entrada sin caché cuentan para tus límites de velocidad de ITPM. Esta es una ventaja clave que hace que los límites de velocidad sean efectivamente más altos de lo que podrían parecer inicialmente.

Los límites de velocidad de ITPM se estiman al comienzo de cada solicitud, y la estimación se ajusta durante la solicitud para reflejar el número real de tokens de entrada utilizados.

Esto es lo que cuenta para ITPM:

• input_tokens (tokens después del último punto de ruptura de caché) ✓ Cuentan para ITPM
• cache_creation_input_tokens (tokens que se escriben en la caché) ✓ Cuentan para ITPM
• cache_read_input_tokens (tokens leídos de la caché) ✗ NO cuentan para ITPM en la mayoría de los modelos

total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens

Ejemplo: Con un límite de 2,000,000 ITPM y una tasa de aciertos de caché del 80%, podrías procesar efectivamente 10,000,000 de tokens de entrada totales por minuto (2M sin caché + 8M en caché), porque los tokens en caché no cuentan para tu límite de velocidad.

Los límites de velocidad de OTPM se evalúan en tiempo real a medida que se producen los tokens de salida, contando solo los tokens realmente generados. El parámetro max_tokens no influye en los cálculos del límite de velocidad de OTPM, por lo que no hay desventaja en cuanto a límites de velocidad al establecer un valor de max_tokens más alto.

Los límites de velocidad se aplican por separado para cada modelo; por lo tanto, puedes usar diferentes modelos hasta sus respectivos límites simultáneamente. Puedes verificar tus límites de velocidad actuales y su comportamiento en la Claude Console, o leer los límites configurados de forma programática con la API de Límites de Velocidad.

^{* - El límite de velocidad de Opus es un límite total que se aplica al tráfico combinado de Claude Opus 4.8, Opus 4.7, Opus 4.6 y Opus 4.5.}

^{** - El límite de velocidad de Sonnet 4.x es un límite total que se aplica al tráfico combinado de Sonnet 4.6 y Sonnet 4.5. Claude Sonnet 5 tiene un límite de velocidad separado y no forma parte de este grupo combinado.}

^{† - El límite cuenta cache_read_input_tokens para el uso de ITPM.}



API de Message Batches

La API de Message Batches tiene su propio conjunto de límites de velocidad que se comparten entre todos los modelos. Estos incluyen un límite de solicitudes por minuto (RPM) para todos los endpoints de la API y un límite en el número de solicitudes por lotes que pueden estar en la cola de procesamiento al mismo tiempo. Una "solicitud por lotes" aquí se refiere a una parte de un Message Batch. Puedes crear un Message Batch que contenga miles de solicitudes por lotes, cada una de las cuales cuenta para este límite. Una solicitud por lotes se considera parte de la cola de procesamiento cuando aún no ha sido procesada exitosamente por el modelo.



Managed Agents

Los endpoints de Claude Managed Agents tienen límites de velocidad por organización. Estos límites son independientes de los límites de velocidad de la API de Messages mencionados anteriormente.



Límites de velocidad del modo rápido

Al usar el modo rápido (vista previa de investigación) con speed: "fast" en Claude Opus 4.8 u Opus 4.7, se aplican límites de velocidad dedicados que son independientes de los límites de velocidad estándar de Opus. Cuando se exceden los límites de velocidad del modo rápido, la API devuelve un error 429 con un encabezado retry-after. El modo rápido no está disponible en Claude Opus 4.6: las solicitudes a claude-opus-4-6 con speed: "fast" se ejecutan a velocidad estándar. Consulta Modo rápido.

La respuesta incluye encabezados anthropic-fast-* que indican el estado de tu límite de velocidad del modo rápido. Consulta Modo rápido para obtener detalles sobre estos encabezados.



Monitoreo de tus límites de velocidad en la Console

Puedes monitorear el uso de tus límites de velocidad en la página de Uso de la Claude Console.

Además de proporcionar gráficos de tokens y solicitudes, la página de Uso proporciona dos gráficos separados de límites de velocidad. Usa estos gráficos para ver qué margen tienes para crecer, cuándo podrías estar alcanzando el uso máximo, comprender mejor qué límites de velocidad solicitar, o cómo puedes mejorar tus tasas de almacenamiento en caché. Los gráficos visualizan una serie de métricas para un límite de velocidad dado (por ejemplo, por modelo):

• El gráfico Rate Limit - Input Tokens incluye:
  • Máximo por hora de tokens de entrada sin caché por minuto
  • Tu límite de velocidad actual de tokens de entrada por minuto
  • La tasa de caché de tus tokens de entrada (es decir, el porcentaje de tokens de entrada leídos de la caché)
• El gráfico Rate Limit - Output Tokens incluye:
  • Máximo por hora de tokens de salida por minuto
  • Tu límite de velocidad actual de tokens de salida por minuto



Solicitar límites más altos

Para solicitar límites de velocidad más altos o un tope de gasto mensual más alto, usa Request rate limit increase en la página de Límites.



Establecer límites más bajos para Espacios de Trabajo

Para más información sobre espacios de trabajo, consulta Espacios de Trabajo.

Para proteger los Espacios de Trabajo de tu Organización de un posible uso excesivo, puedes establecer límites personalizados de gasto y velocidad por Espacio de Trabajo.

Ejemplo: Si el límite de tu Organización es de 40,000 tokens de entrada por minuto y 8,000 tokens de salida por minuto, podrías limitar un Espacio de Trabajo a 30,000 tokens de entrada por minuto. Esto protege a otros Espacios de Trabajo de un posible uso excesivo y garantiza una distribución más equitativa de los recursos en toda tu Organización. Los tokens por minuto restantes no utilizados (o más, si ese Espacio de Trabajo no usa el límite) quedan entonces disponibles para que otros Espacios de Trabajo los usen.

Nota:

• No puedes establecer límites en el Espacio de Trabajo predeterminado.
• Si no se establecen, los límites del Espacio de Trabajo coinciden con el límite de la Organización.
• Los límites del Espacio de Trabajo se establecen por tipo de limitador (como solicitudes por minuto, tokens de entrada por minuto o tokens de salida por minuto).
• Los límites de toda la Organización siempre se aplican, incluso si los límites de los Espacios de Trabajo suman más.

Para leer los límites de velocidad actuales de tu organización y espacios de trabajo de forma programática, usa la API de Límites de Velocidad.



Encabezados de respuesta

La respuesta de la API incluye encabezados que te muestran el límite de velocidad aplicado, el uso actual y cuándo se restablecerá el límite.

Se devuelven los siguientes encabezados:

Los encabezados anthropic-ratelimit-tokens-* muestran los valores del límite más restrictivo actualmente en vigor. Por ejemplo, si has excedido el límite de tokens por minuto del Espacio de Trabajo, los encabezados contendrán los valores del límite de velocidad de tokens por minuto del Espacio de Trabajo. Si los límites del Espacio de Trabajo no se aplican, los encabezados devolverán el total de tokens restantes, donde el total es la suma de los tokens de entrada y salida. Este enfoque garantiza que tengas visibilidad de la restricción más relevante sobre tu uso actual de la API.