速率限制

限制分为两种类型：

1. 支出限制设置组织每月在 API 使用上可产生的最高费用。
2. 速率限制设置组织在规定时间段内可发出的 API 请求的最大数量。

API 在组织级别强制执行服务配置的限制，但您也可以为组织的工作区设置用户可配置的限制。

这些限制同时适用于标准层级和优先层级（Priority Tier）的使用。有关优先层级的更多信息（优先层级通过承诺支出换取更高的服务级别），请参阅服务层级。



关于速率限制

• 这些限制旨在防止 API 滥用，同时尽量减少对常见客户使用模式的影响。
• 限制按使用层级（usage tier）定义，每个层级对应一组不同的支出限制和速率限制。
• 当您在使用 API 时达到特定阈值，您的组织将自动提升层级。 限制在组织级别设置。您可以在 Claude Console 的限制页面查看您组织的限制。
• 您可能会在更短的时间间隔内触发速率限制。例如，每分钟 60 个请求（RPM）的速率可能会按每秒 1 个请求的方式执行。短时间内的请求突发可能会超出限制并触发速率限制错误。
• 下面列出的限制是标准层级限制。如果您需要更高的自定义限制或优先层级以获得更高的服务级别，请在限制页面联系销售团队。
• API 使用令牌桶算法进行速率限制。这意味着您的容量会持续补充至最大限制，而不是在固定时间间隔重置。
• 此处描述的所有限制均代表允许的最大使用量，而非保证的最小值。这些限制旨在减少意外超支，并确保资源在用户之间公平分配。



支出限制

每个使用层级对您每个日历月在 API 上的支出设有上限。一旦达到所在层级的支出限制，在您符合下一层级的条件之前，您必须等到下个月才能再次使用 API。

要符合下一层级的条件，您必须满足充值要求。为了最大限度地降低账户充值过多的风险，您的充值金额不能超过您的月度支出限制。



层级晋升要求



提高您的支出限制

您的组织有两种支出限制：一种是您可直接控制的客户自设限制，另一种是由您的使用层级设定的层级强制上限。两者的提升流程不同。



客户自设支出限制

您可以设置低于所在层级上限的支出限制以控制成本。调整方法如下：



层级强制支出限制

当您需要高于所在层级上限的限制时（Tier 4 的上限为每月 $200,000），请在限制页面点击联系销售。这将在新标签页中打开联系表单，当您的组织完成升级后，销售团队成员将通过电子邮件跟进。

月度账单结算完全取消月度支出上限，并默认采用 Net-30 付款条款。



速率限制

Messages API 的速率限制针对每个模型类别，以每分钟请求数（RPM）、每分钟输入令牌数（ITPM）和每分钟输出令牌数（OTPM）来衡量。 如果您超出任何速率限制，将收到 429 错误，其中描述了超出的是哪个速率限制，并附带一个 retry-after 标头指示需要等待的时长。



缓存感知的 ITPM

许多 API 提供商使用统一的"每分钟令牌数"（TPM）限制，该限制可能包含所有令牌，无论是缓存的还是未缓存的、输入的还是输出的。对于大多数 Claude 模型，只有未缓存的输入令牌才会计入您的 ITPM 速率限制。 这是一个关键优势，使得速率限制实际上比初看起来更高。

ITPM 速率限制在每个请求开始时进行估算，并在请求过程中根据实际使用的输入令牌数进行调整。

以下是计入 ITPM 的内容：

• input_tokens（最后一个缓存断点之后的令牌）✓ 计入 ITPM
• cache_creation_input_tokens（正在写入缓存的令牌）✓ 计入 ITPM
• cache_read_input_tokens（从缓存读取的令牌）✗ 对于大多数模型不计入 ITPM

total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens

示例：在 2,000,000 ITPM 限制和 80% 缓存命中率的情况下，您每分钟实际上可以处理 10,000,000 个总输入令牌（200 万未缓存 + 800 万缓存），因为缓存的令牌不计入您的速率限制。

OTPM 速率限制在生成输出令牌时实时评估，仅统计实际生成的令牌。max_tokens 参数不会纳入 OTPM 速率限制的计算，因此设置较高的 max_tokens 值不会对速率限制产生不利影响。

速率限制针对每个模型单独应用；因此您可以同时使用不同的模型，各自达到其相应的限制。 您可以在 Claude Console 中查看当前的速率限制和行为，或使用速率限制 API 以编程方式读取已配置的限制。

^{* - Opus 速率限制是一个总限制，适用于 Claude Opus 4.8、Opus 4.7、Opus 4.6、Opus 4.5 和 Opus 4.1（已弃用）的合并流量。}

^{** - Sonnet 4.x 速率限制是一个总限制，适用于 Sonnet 4.6 和 Sonnet 4.5 的合并流量。}

^{† - 该限制将 cache_read_input_tokens 计入 ITPM 使用量。}



Message Batches API

Message Batches API 有自己的一套速率限制，在所有模型之间共享。这些限制包括针对所有 API 端点的每分钟请求数（RPM）限制，以及可同时处于处理队列中的批处理请求数量限制。此处的"批处理请求"是指消息批次（Message Batch）的一部分。您可以创建一个包含数千个批处理请求的消息批次，每个请求都会计入此限制。当批处理请求尚未被模型成功处理时，即被视为处于处理队列中。



托管智能体

Claude 托管智能体端点按组织进行速率限制。这些限制与上述 Messages API 速率限制相互独立。



快速模式速率限制

在 Claude Opus 4.8、Opus 4.7 或 Opus 4.6 上使用带有 speed: "fast" 的快速模式（研究预览版）时，将应用专用的速率限制，这些限制与标准 Opus 速率限制相互独立。当超出快速模式速率限制时，API 会返回带有 retry-after 标头的 429 错误。

响应中包含 anthropic-fast-* 标头，用于指示您的快速模式速率限制状态。有关这些标头的详细信息，请参阅快速模式。



在 Console 中监控您的速率限制

您可以在 Claude Console 的使用情况页面监控您的速率限制使用情况。

除了提供令牌和请求图表外，使用情况页面还提供两个独立的速率限制图表。使用这些图表可以查看您还有多少增长空间、何时可能达到使用峰值、更好地了解应申请什么样的速率限制，或如何提高缓存率。这些图表可视化了给定速率限制（例如按模型）的多项指标：

• 速率限制 - 输入令牌图表包括：
  • 每小时的每分钟未缓存输入令牌最大值
  • 您当前的每分钟输入令牌速率限制
  • 输入令牌的缓存率（即从缓存读取的输入令牌百分比）
• 速率限制 - 输出令牌图表包括：
  • 每小时的每分钟输出令牌最大值
  • 您当前的每分钟输出令牌速率限制



为工作区设置更低的限制

有关工作区的更多信息，请参阅工作区。

为了保护组织中的工作区免受潜在过度使用的影响，您可以为每个工作区设置自定义的支出限制和速率限制。

示例：如果您组织的限制是每分钟 40,000 个输入令牌和每分钟 8,000 个输出令牌，您可以将某个工作区限制为每分钟 30,000 个输入令牌。这可以保护其他工作区免受潜在过度使用的影响，并确保资源在整个组织中更公平地分配。剩余的每分钟未使用令牌（如果该工作区未用完限制，则会更多）随后可供其他工作区使用。

注意：

• 您无法为默认工作区设置限制。
• 如果未设置，工作区限制将与组织的限制相同。
• 工作区限制按限制器类型设置（例如每分钟请求数、每分钟输入令牌数或每分钟输出令牌数）。
• 组织范围的限制始终适用，即使各工作区限制的总和超过该限制。

要以编程方式读取当前的组织和工作区速率限制，请使用速率限制 API。



响应标头

API 响应包含标头，显示所执行的速率限制、当前使用情况以及限制何时重置。

返回的标头如下：

anthropic-ratelimit-tokens-* 标头显示当前生效的最严格限制的值。例如，如果您已超出工作区的每分钟令牌限制，标头将包含工作区每分钟令牌速率限制的值。如果工作区限制不适用，标头将返回剩余的总令牌数，其中总数是输入令牌和输出令牌之和。这种方法确保您能够了解当前 API 使用中最相关的约束。