速率限制

限制有兩種類型：

1. 支出限制（Spend limits） 設定組織每月可因 API 使用而產生的最高費用。
2. 速率限制（Rate limits） 設定組織在定義的時間段內可發出的最大 API 請求數量。

API 在組織層級強制執行服務設定的限制，但您也可以為組織的工作區設定使用者可配置的限制。



關於速率限制

• 限制旨在防止 API 濫用，同時盡量減少對常見客戶使用模式的影響。
• 限制由**用量層級（usage tier）**定義。您的組織會自動被置於某個層級，並且隨著您使用 API，可以隨時間移至更高的層級。
• 限制是在組織層級設定的。您可以在 Claude Console 的限制頁面上查看您組織的層級和目前限制。
• 您可能會在較短的時間間隔內達到速率限制。例如，每分鐘 60 個請求（RPM）的速率可能會以每秒 1 個請求的方式強制執行。短時間的請求爆發可能會超過限制並觸發速率限制錯誤。
• 以下限制是每個層級的標準限制。如果您需要更高的限制，請參閱申請更高的限制。
• API 使用令牌桶演算法（token bucket algorithm）來進行速率限制。這表示您的容量會持續補充至您的最大限制，而不是在固定的時間間隔重置。
• 此處描述的所有限制代表允許的最大用量，而非保證的最低用量。這些限制旨在減少非預期的超支，並確保資源在使用者之間公平分配。



支出限制

Start、Build 和 Scale 層級各有每月支出上限，這是您的組織每個日曆月在 API 上可以花費的最高金額。一旦達到您層級的支出上限，API 使用將暫停至下個月，除非您申請更高的限制。您可以在限制頁面上查看您組織的每月支出上限。

Custom 層級的組織沒有每月支出上限；限制由其客戶團隊安排。

您也可以設定低於您層級上限的自訂支出限制來控制成本：



速率限制

Messages API 的速率限制是以每個模型類別的每分鐘請求數（RPM）、每分鐘輸入 token 數（ITPM）和每分鐘輸出 token 數（OTPM）來衡量的。 如果您超過任何速率限制，您將收到 429 錯誤，說明超過了哪個速率限制，以及一個 retry-after 標頭，指示需要等待多長時間。



快取感知 ITPM

許多 API 供應商使用合併的「每分鐘 token 數」（TPM）限制，可能包括所有 token，無論是快取的還是未快取的、輸入的還是輸出的。對於大多數 Claude 模型，只有未快取的輸入 token 會計入您的 ITPM 速率限制。 這是一個關鍵優勢，使速率限制實際上比最初看起來更高。

ITPM 速率限制在每個請求開始時進行估算，並在請求期間調整估算值以反映實際使用的輸入 token 數量。

以下是計入 ITPM 的項目：

• input_tokens（最後一個快取斷點之後的 token）✓ 計入 ITPM
• cache_creation_input_tokens（正在寫入快取的 token）✓ 計入 ITPM
• cache_read_input_tokens（從快取讀取的 token）✗ 對於大多數模型不計入 ITPM

total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens

範例：在 2,000,000 ITPM 限制和 80% 快取命中率的情況下，您實際上每分鐘可以處理 10,000,000 個總輸入 token（2M 未快取 + 8M 快取），因為快取的 token 不計入您的速率限制。

OTPM 速率限制會在產生輸出 token 時即時評估，僅計算實際產生的 token。max_tokens 參數不會影響 OTPM 速率限制的計算，因此設定較高的 max_tokens 值不會對速率限制造成不利影響。

速率限制是針對每個模型分別套用的；因此您可以同時使用不同的模型，直到達到各自的限制。 您可以在 Claude Console 中查看您目前的速率限制和行為，或使用速率限制 API 以程式化方式讀取已設定的限制。

^{* - Opus 速率限制是一個總限制，適用於 Claude Opus 4.8、Opus 4.7、Opus 4.6 和 Opus 4.5 的合併流量。}

^{** - Sonnet 4.x 速率限制是一個總限制，適用於 Sonnet 4.6 和 Sonnet 4.5 的合併流量。Claude Sonnet 5 有獨立的速率限制，不屬於此合併配額。}

^{† - 此限制將 cache_read_input_tokens 計入 ITPM 用量。}



Message Batches API

Message Batches API 有自己的一組速率限制，在所有模型之間共享。這些限制包括對所有 API 端點的每分鐘請求數（RPM）限制，以及可同時處於處理佇列中的批次請求數量限制。此處的「批次請求」是指 Message Batch 的一部分。您可以建立包含數千個批次請求的 Message Batch，每個批次請求都會計入此限制。當批次請求尚未被模型成功處理時，即被視為處理佇列的一部分。



受管代理

Claude 受管代理端點的速率限制是以組織為單位。這些限制與上述 Messages API 速率限制是分開的。



快速模式速率限制

在 Claude Opus 4.8 或 Opus 4.7 上使用 speed: "fast" 的快速模式（研究預覽）時，會套用與標準 Opus 速率限制分開的專用速率限制。當超過快速模式速率限制時，API 會回傳 429 錯誤以及 retry-after 標頭。快速模式在 Claude Opus 4.6 上不可用：對 claude-opus-4-6 使用 speed: "fast" 的請求會以標準速度執行。請參閱快速模式。

回應包含 anthropic-fast-* 標頭，指示您的快速模式速率限制狀態。有關這些標頭的詳細資訊，請參閱快速模式。



在 Console 中監控您的速率限制

您可以在 Claude Console 的用量頁面上監控您的速率限制使用情況。

除了提供 token 和請求圖表外，用量頁面還提供兩個獨立的速率限制圖表。使用這些圖表可以查看您有多少成長空間、何時可能達到使用高峰、更好地了解應申請哪些速率限制，或如何改善您的快取率。這些圖表將給定速率限制（例如，每個模型）的多項指標視覺化：

• Rate Limit - Input Tokens（速率限制 - 輸入 token）圖表包括：
  • 每小時最大未快取每分鐘輸入 token 數
  • 您目前的每分鐘輸入 token 速率限制
  • 您輸入 token 的快取率（即從快取讀取的輸入 token 百分比）
• Rate Limit - Output Tokens（速率限制 - 輸出 token）圖表包括：
  • 每小時最大每分鐘輸出 token 數
  • 您目前的每分鐘輸出 token 速率限制



申請更高的限制

若要申請更高的速率限制或更高的每月支出上限，請在限制頁面上使用申請速率限制提高（Request rate limit increase）。



為工作區設定較低的限制

有關工作區的更多資訊，請參閱工作區。

為了保護您組織中的工作區免於潛在的過度使用，您可以為每個工作區設定自訂的支出和速率限制。

範例：如果您組織的限制是每分鐘 40,000 個輸入 token 和每分鐘 8,000 個輸出 token，您可以將一個工作區限制為每分鐘 30,000 個輸入 token。這可以保護其他工作區免於潛在的過度使用，並確保資源在整個組織中更公平地分配。剩餘未使用的每分鐘 token（或更多，如果該工作區未用完限制）則可供其他工作區使用。

注意：

• 您無法在預設工作區上設定限制。
• 如果未設定，工作區限制會與組織的限制相同。
• 工作區限制是按限制器類型設定的（例如每分鐘請求數、每分鐘輸入 token 數或每分鐘輸出 token 數）。
• 組織範圍的限制始終適用，即使工作區限制的總和超過該限制。

若要以程式化方式讀取您目前的組織和工作區速率限制，請使用速率限制 API。



回應標頭

API 回應包含的標頭會顯示強制執行的速率限制、目前用量以及限制何時重置。

回傳以下標頭：

anthropic-ratelimit-tokens-* 標頭顯示目前生效的最嚴格限制的值。例如，如果您已超過工作區每分鐘 token 限制，標頭將包含工作區每分鐘 token 速率限制的值。如果工作區限制不適用，標頭將回傳剩餘的總 token 數，其中總數是輸入和輸出 token 的總和。這種方法可確保您能夠了解目前 API 使用中最相關的限制。