速率限制

限制分为两种类型：

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

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。



关于速率限制

• 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。
• 限制由使用层级定义。您的组织会被自动置于某个层级，并且随着您使用 API，可以随时间推移升级到更高的层级。
• 限制在组织级别设置。您可以在 Claude Console 的限制页面上查看组织的层级和当前限制。
• 您可能会在更短的时间间隔内达到速率限制。例如，每分钟 60 个请求（RPM）的速率可能会按每秒 1 个请求来执行。短时间的请求突发可能会超过限制并触发速率限制错误。
• 以下限制是每个层级的标准限制。如果您需要更高的限制，请参阅申请更高的限制。
• 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，而不是在固定间隔重置。
• 此处描述的所有限制均表示允许的最大使用量，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的公平分配。



支出限制

Start、Build 和 Scale 层级各自都有每月支出上限，即您的组织每个日历月在 API 上可以花费的最大金额。一旦达到层级的支出上限，API 使用将暂停至下个月，除非您申请更高的限制。您可以在限制页面上查看组织的每月支出上限。

Custom 层级的组织没有每月支出上限；限制由其客户团队安排。

您还可以在层级上限以下设置自己的支出限制以控制成本：



速率限制

Messages API 的速率限制按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。 如果您超过任何速率限制，您将收到 429 错误，其中描述了超过了哪个速率限制，并附带一个 retry-after 标头，指示需要等待多长时间。



缓存感知的 ITPM

许多 API 提供商使用合并的"每分钟令牌数"（TPM）限制，可能包括所有令牌，无论是缓存的还是未缓存的、输入还是输出。**对于大多数 Claude 模型，只有未缓存的输入令牌计入您的 ITPM 速率限制。**这是一个关键优势，使速率限制实际上比最初看起来更高。

ITPM 速率限制在每个请求开始时进行估算，并在请求期间调整估算值以反映实际使用的输入令牌数量。

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，您实际上每分钟可以处理 10,000,000 个总输入令牌（2M 未缓存 + 8M 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，仅计算实际生成的令牌。max_tokens 参数不会影响 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。

速率限制对每个模型分别应用；因此您可以同时使用不同的模型，直至各自的限制。 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 和 Opus 4.5 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。Claude Sonnet 5 有单独的速率限制，不属于此合并桶。}

^{† - 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。这些限制包括对所有 API 端点的每分钟请求数（RPM）限制，以及对可同时处于处理队列中的批处理请求数量的限制。这里的"批处理请求"是指 Message Batch 的一部分。您可以创建包含数千个批处理请求的 Message Batch，每个请求都计入此限制。当批处理请求尚未被模型成功处理时，它被视为处理队列的一部分。



托管代理

Claude 托管代理端点按组织进行速率限制。这些限制与上述 Messages API 速率限制是分开的。



快速模式速率限制

在 Claude Opus 4.8 或 Opus 4.7 上使用带有 speed: "fast" 的快速模式（研究预览版）时，将应用与标准 Opus 速率限制分开的专用速率限制。当超过快速模式速率限制时，API 会返回带有 retry-after 标头的 429 错误。快速模式在 Claude Opus 4.6 上不可用：对 claude-opus-4-6 发出的带有 speed: "fast" 的请求将以标准速度运行。请参阅快速模式。

响应包含 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 的使用情况页面上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单独的速率限制图表。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、更好地了解应申请哪些速率限制，或者如何提高缓存率。这些图表可视化给定速率限制（例如，按模型）的多项指标：

• 速率限制 - 输入令牌图表包括：
  • 每小时最大未缓存每分钟输入令牌数
  • 您当前的每分钟输入令牌速率限制
  • 您的输入令牌的缓存率（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：
  • 每小时最大每分钟输出令牌数
  • 您当前的每分钟输出令牌速率限制



申请更高的限制

要申请更高的速率限制或更高的每月支出上限，请使用限制页面上的申请速率限制提升。



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的过度使用，您可以为每个工作区设置自定义的支出和速率限制。

示例：如果您的组织限制是每分钟 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的过度使用，并确保资源在整个组织中更公平地分配。剩余未使用的每分钟令牌数（如果该工作区未用完限制，则更多）可供其他工作区使用。

注意：

• 您无法对默认工作区设置限制。
• 如果未设置，工作区限制与组织的限制相同。
• 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，即使工作区限制的总和超过该限制。

要以编程方式读取您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 响应包含的标头会向您显示强制执行的速率限制、当前使用量以及限制何时重置。

返回以下标头：

anthropic-ratelimit-tokens-* 标头显示当前生效的最严格限制的值。例如，如果您超过了工作区每分钟令牌限制，这些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，这些标头将返回剩余的总令牌数，其中总数是输入和输出令牌的总和。这种方法确保您能够了解当前 API 使用中最相关的约束。