Limites de taxa

Existem dois tipos de limites:

1. Limites de gastos definem um custo mensal máximo que uma organização pode incorrer pelo uso da API.
2. Limites de taxa definem o número máximo de requisições de API que uma organização pode fazer em um período de tempo definido.

A API aplica limites configurados pelo serviço no nível da organização, mas você também pode definir limites configuráveis pelo usuário para os workspaces da sua organização.

Esses limites se aplicam tanto ao uso do Standard Tier quanto do Priority Tier. Para mais informações sobre o Priority Tier, consulte Níveis de serviço.



Sobre os limites de taxa

• Os limites são projetados para prevenir abuso da API, minimizando o impacto nos padrões comuns de uso dos clientes.
• Os limites são definidos por nível de uso. Sua organização é colocada em um nível automaticamente e pode passar para um nível mais alto ao longo do tempo conforme você usa a API.
• Os limites são definidos no nível da organização. Você pode ver o nível da sua organização e os limites atuais na página Limits no Claude Console.
• Você pode atingir limites de taxa em intervalos de tempo mais curtos. Por exemplo, uma taxa de 60 requisições por minuto (RPM) pode ser aplicada como 1 requisição por segundo. Picos curtos de requisições podem exceder o limite e acionar erros de limite de taxa.
• Os limites a seguir são os limites padrão para cada nível. Se você precisar de limites mais altos, consulte Solicitando limites mais altos.
• A API usa o algoritmo token bucket para fazer a limitação de taxa. Isso significa que sua capacidade é continuamente reabastecida até seu limite máximo, em vez de ser redefinida em intervalos fixos.
• Todos os limites descritos aqui representam o uso máximo permitido, não mínimos garantidos. Esses limites têm como objetivo reduzir gastos excessivos não intencionais e garantir uma distribuição justa de recursos entre os usuários.



Limites de gastos

Cada um dos níveis Start, Build e Scale possui um teto de gastos mensal, que é o máximo que sua organização pode gastar na API a cada mês calendário. Quando você atinge o teto de gastos do seu nível, o uso da API é pausado até o próximo mês, a menos que você solicite um limite mais alto. Você pode visualizar o teto de gastos mensal da sua organização na página Limits.

Organizações no nível Custom não têm teto de gastos mensal; os limites são acordados com sua equipe de conta.

Você também pode definir seu próprio limite de gastos abaixo do teto do seu nível para controlar custos:



Limites de taxa

Os limites de taxa para a Messages API são medidos em requisições por minuto (RPM), tokens de entrada por minuto (ITPM) e tokens de saída por minuto (OTPM) para cada classe de modelo. Se você exceder qualquer um dos limites de taxa, receberá um erro 429 descrevendo qual limite de taxa foi excedido, junto com um cabeçalho retry-after indicando quanto tempo esperar.



ITPM com reconhecimento de cache

Muitos provedores de API usam um limite combinado de "tokens por minuto" (TPM) que pode incluir todos os tokens, tanto em cache quanto não em cache, de entrada e de saída. Para a maioria dos modelos Claude, apenas tokens de entrada não armazenados em cache contam para seus limites de taxa de ITPM. Esta é uma vantagem importante que torna os limites de taxa efetivamente mais altos do que podem parecer inicialmente.

Os limites de taxa de ITPM são estimados no início de cada requisição, e a estimativa é ajustada durante a requisição para refletir o número real de tokens de entrada usados.

Veja o que conta para o ITPM:

• input_tokens (tokens após o último ponto de interrupção de cache) ✓ Contam para o ITPM
• cache_creation_input_tokens (tokens sendo gravados no cache) ✓ Contam para o ITPM
• cache_read_input_tokens (tokens lidos do cache) ✗ NÃO contam para o ITPM na maioria dos modelos

total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens

Exemplo: Com um limite de 2.000.000 ITPM e uma taxa de acerto de cache de 80%, você poderia efetivamente processar 10.000.000 de tokens de entrada totais por minuto (2M não em cache + 8M em cache), porque tokens em cache não contam para seu limite de taxa.

Os limites de taxa de OTPM são avaliados em tempo real conforme os tokens de saída são produzidos, contando apenas os tokens realmente gerados. O parâmetro max_tokens não é considerado nos cálculos de limite de taxa de OTPM, portanto não há desvantagem de limite de taxa em definir um valor mais alto de max_tokens.

Os limites de taxa são aplicados separadamente para cada modelo; portanto, você pode usar diferentes modelos até seus respectivos limites simultaneamente. Você pode verificar seus limites de taxa atuais e comportamento no Claude Console, ou ler os limites configurados programaticamente com a Rate Limits API.

^{* - O limite de taxa do Opus é um limite total que se aplica ao tráfego combinado entre Claude Opus 4.8, Opus 4.7, Opus 4.6 e Opus 4.5.}

^{** - O limite de taxa do Sonnet 4.x é um limite total que se aplica ao tráfego combinado entre Sonnet 4.6 e Sonnet 4.5. O Claude Sonnet 5 tem um limite de taxa separado e não faz parte deste bucket combinado.}

^{† - O limite conta cache_read_input_tokens para o uso de ITPM.}



Message Batches API

A Message Batches API tem seu próprio conjunto de limites de taxa que são compartilhados entre todos os modelos. Estes incluem um limite de requisições por minuto (RPM) para todos os endpoints da API e um limite no número de requisições em lote que podem estar na fila de processamento ao mesmo tempo. Uma "requisição em lote" aqui se refere a parte de um Message Batch. Você pode criar um Message Batch contendo milhares de requisições em lote, cada uma das quais conta para este limite. Uma requisição em lote é considerada parte da fila de processamento quando ainda não foi processada com sucesso pelo modelo.



Managed Agents

Os endpoints do Claude Managed Agents têm limites de taxa por organização. Esses limites são separados dos limites de taxa da Messages API acima.



Limites de taxa do fast mode

Ao usar o fast mode (prévia de pesquisa) com speed: "fast" no Claude Opus 4.8 ou Opus 4.7, aplicam-se limites de taxa dedicados que são separados dos limites de taxa padrão do Opus. Quando os limites de taxa do fast mode são excedidos, a API retorna um erro 429 com um cabeçalho retry-after. O fast mode não está disponível no Claude Opus 4.6: requisições para claude-opus-4-6 com speed: "fast" são executadas na velocidade padrão. Consulte Fast mode.

A resposta inclui cabeçalhos anthropic-fast-* que indicam o status do seu limite de taxa do fast mode. Consulte Fast mode para detalhes sobre esses cabeçalhos.



Monitorando seus limites de taxa no Console

Você pode monitorar seu uso de limite de taxa na página Usage do Claude Console.

Além de fornecer gráficos de tokens e requisições, a página Usage fornece dois gráficos separados de limite de taxa. Use esses gráficos para ver quanta margem você tem para crescer, quando pode estar atingindo o pico de uso, entender melhor quais limites de taxa solicitar ou como pode melhorar suas taxas de cache. Os gráficos visualizam várias métricas para um determinado limite de taxa (por exemplo, por modelo):

• O gráfico Rate Limit - Input Tokens inclui:
  • Máximo horário de tokens de entrada não armazenados em cache por minuto
  • Seu limite de taxa atual de tokens de entrada por minuto
  • A taxa de cache para seus tokens de entrada (ou seja, a porcentagem de tokens de entrada lidos do cache)
• O gráfico Rate Limit - Output Tokens inclui:
  • Máximo horário de tokens de saída por minuto
  • Seu limite de taxa atual de tokens de saída por minuto



Solicitando limites mais altos

Para solicitar limites de taxa mais altos ou um teto de gastos mensal mais alto, use Request rate limit increase na página Limits.



Definindo limites mais baixos para Workspaces

Para mais informações sobre workspaces, consulte Workspaces.

Para proteger Workspaces em sua Organização contra possível uso excessivo, você pode definir limites personalizados de gastos e de taxa por Workspace.

Exemplo: Se o limite da sua Organização é de 40.000 tokens de entrada por minuto e 8.000 tokens de saída por minuto, você pode limitar um Workspace a 30.000 tokens de entrada por minuto. Isso protege outros Workspaces contra possível uso excessivo e garante uma distribuição mais equitativa de recursos em toda a sua Organização. Os tokens por minuto restantes não utilizados (ou mais, se esse Workspace não usar o limite) ficam então disponíveis para outros Workspaces usarem.

Observação:

• Você não pode definir limites no Workspace padrão.
• Se não definidos, os limites do Workspace correspondem ao limite da Organização.
• Os limites de Workspace são definidos por tipo de limitador (como requisições por minuto, tokens de entrada por minuto ou tokens de saída por minuto).
• Os limites de toda a Organização sempre se aplicam, mesmo que os limites de Workspace somem mais.

Para ler seus limites de taxa atuais de organização e workspace programaticamente, use a Rate Limits API.



Cabeçalhos de resposta

A resposta da API inclui cabeçalhos que mostram o limite de taxa aplicado, o uso atual e quando o limite será redefinido.

Os seguintes cabeçalhos são retornados:

Os cabeçalhos anthropic-ratelimit-tokens-* exibem os valores para o limite mais restritivo atualmente em vigor. Por exemplo, se você excedeu o limite de tokens por minuto do Workspace, os cabeçalhos conterão os valores de limite de taxa de tokens por minuto do Workspace. Se os limites de Workspace não se aplicarem, os cabeçalhos retornarão o total de tokens restantes, onde o total é a soma de tokens de entrada e saída. Essa abordagem garante que você tenha visibilidade sobre a restrição mais relevante no seu uso atual da API.