- Limites de gastos definem um custo máximo mensal que uma organização pode incorrer pelo uso da API.
- Limites de taxa definem o número máximo de solicitações de API que uma organização pode fazer em um período de tempo definido.
Sobre nossos limites
- Os limites são projetados para prevenir abuso da API, minimizando o impacto nos padrões de uso comum dos clientes.
- Os limites são definidos por camada de uso, onde cada camada está associada a um conjunto diferente de limites de gastos e taxa.
- Sua organização aumentará de camada automaticamente conforme você atinge certos limites enquanto usa a API. Os limites são definidos no nível da organização. Você pode ver os limites da sua organização na página de Limites no Claude Console.
- Você pode atingir limites de taxa em intervalos de tempo mais curtos. Por exemplo, uma taxa de 60 solicitações por minuto (RPM) pode ser aplicada como 1 solicitação por segundo. Rajadas curtas de solicitações em alto volume podem exceder o limite de taxa e resultar em erros de limite de taxa.
- Os limites descritos abaixo são nossos limites de camada padrão. Se você está procurando limites mais altos e personalizados ou Priority Tier para níveis de serviço aprimorados, entre em contato com vendas através do Claude Console.
- Usamos o algoritmo token bucket para fazer 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 uso máximo permitido, não mínimos garantidos. Esses limites são destinados a reduzir gastos excessivos não intencionais e garantir distribuição justa de recursos entre usuários.
Limites de gastos
Cada camada de uso tem um limite sobre quanto você pode gastar na API a cada mês do calendário. Depois de atingir o limite de gastos da sua camada, até que você se qualifique para a próxima camada, você terá que esperar até o próximo mês para poder usar a API novamente. Para se qualificar para a próxima camada, você deve atender a um requisito de depósito. Para minimizar o risco de financiar em excesso sua conta, você não pode depositar mais do que seu limite de gastos mensal.Requisitos para avançar de camada
| Camada de Uso | Compra de Crédito | Compra Máxima de Crédito |
|---|---|---|
| Camada 1 | $5 | $100 |
| Camada 2 | $40 | $500 |
| Camada 3 | $200 | $1.000 |
| Camada 4 | $400 | $5.000 |
| Faturamento Mensal | N/A | N/A |
Compra de Crédito mostra as compras de crédito cumulativas (excluindo impostos) necessárias para avançar para essa camada. Você avança imediatamente ao atingir o limite.Compra Máxima de Crédito limita o valor máximo que você pode adicionar à sua conta em uma única transação para evitar financiamento excessivo da conta.
Limites de taxa
Nossos limites de taxa para a API Messages são medidos em solicitações 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 cabeçalhoretry-after indicando quanto tempo esperar.
Você também pode encontrar erros 429 devido a limites de aceleração na API se sua organização tiver um aumento acentuado no uso. Para evitar atingir limites de aceleração, aumente seu tráfego gradualmente e mantenha padrões de uso consistentes.
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, entrada e saída. Para a maioria dos modelos Claude, apenas tokens de entrada não em cache contam para seus limites de taxa ITPM. Esta é uma vantagem chave que torna nossos limites de taxa efetivamente mais altos do que podem parecer inicialmente. Os limites de taxa ITPM são estimados no início de cada solicitação, e a estimativa é ajustada durante a solicitação para refletir o número real de tokens de entrada usados. Aqui está o que conta para ITPM:input_tokens(novos tokens de entrada que não estão em cache) ✓ Contam para ITPMcache_creation_input_tokens(tokens sendo escritos no cache) ✓ Contam para ITPMcache_read_input_tokens(tokens lidos do cache) ✗ NÃO contam para ITPM para a maioria dos modelos
Alguns modelos mais antigos (marcados com † nas tabelas de limite de taxa abaixo) também contam
cache_read_input_tokens para limites de taxa ITPM.Para todos os modelos sem o marcador †, tokens de entrada em cache não contam para limites de taxa e são faturados a uma taxa reduzida (10% do preço base do token de entrada). Isso significa que você pode alcançar throughput efetivo significativamente mais alto usando prompt caching.Maximize seus limites de taxa com prompt cachingPara aproveitar ao máximo seus limites de taxa, use prompt caching para conteúdo repetido como:
- Instruções e prompts do sistema
- Documentos de contexto grande
- Definições de ferramentas
- Histórico de conversa
max_tokens no início de cada solicitação, e a estimativa é ajustada no final da solicitação para refletir o número real de tokens de saída usados.
Se você está atingindo limites OTPM mais cedo do que esperado, tente reduzir max_tokens para aproximar melhor o tamanho de suas conclusões.
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.
Para solicitações de contexto longo (>200K tokens) ao usar o cabeçalho beta
context-1m-2025-08-07 com Claude Sonnet 4.x, limites de taxa separados se aplicam. Consulte Limites de taxa de contexto longo abaixo.| Modelo | Máximo de solicitações por minuto (RPM) | Máximo de tokens de entrada por minuto (ITPM) | Máximo de tokens de saída por minuto (OTPM) |
|---|---|---|---|
| Claude Sonnet 4.x** | 50 | 30.000 | 8.000 |
| Claude Sonnet 3.7 (descontinuado) | 50 | 20.000 | 8.000 |
| Claude Haiku 4.5 | 50 | 50.000 | 10.000 |
| Claude Haiku 3.5 | 50 | 50.000† | 10.000 |
| Claude Haiku 3 | 50 | 50.000† | 10.000 |
| Claude Opus 4.x* | 50 | 30.000 | 8.000 |
| Claude Opus 3 (descontinuado) | 50 | 20.000† | 4.000 |
cache_read_input_tokens para uso ITPM.
API Message Batches
A API Message Batches tem seu próprio conjunto de limites de taxa que são compartilhados entre todos os modelos. Estes incluem um limite de solicitações por minuto (RPM) para todos os endpoints da API e um limite no número de solicitações em lote que podem estar na fila de processamento ao mesmo tempo. Uma “solicitação em lote” aqui se refere a parte de um Message Batch. Você pode criar um Message Batch contendo milhares de solicitações em lote, cada uma das quais conta para este limite. Uma solicitação em lote é considerada parte da fila de processamento quando ainda não foi processada com sucesso pelo modelo.| Máximo de solicitações por minuto (RPM) | Máximo de solicitações em lote na fila de processamento | Máximo de solicitações em lote por lote |
|---|---|---|
| 50 | 100.000 | 100.000 |
Limites de taxa de contexto longo
Ao usar Claude Sonnet 4 e Sonnet 4.5 com a janela de contexto de 1M tokens ativada, os seguintes limites de taxa dedicados se aplicam a solicitações que excedem 200K tokens.A janela de contexto de 1M tokens está atualmente em beta para organizações na camada de uso 4 e organizações com limites de taxa personalizados. A janela de contexto de 1M tokens está disponível apenas para Claude Sonnet 4 e Sonnet 4.5.
| Máximo de tokens de entrada por minuto (ITPM) | Máximo de tokens de saída por minuto (OTPM) |
|---|---|
| 1.000.000 | 200.000 |
Para aproveitar ao máximo a janela de contexto de 1M tokens com limites de taxa, use prompt caching.
Monitorando seus limites de taxa no Console
Você pode monitorar seu uso de limite de taxa na página Uso do Claude Console. Além de fornecer gráficos de token e solicitação, a página de Uso fornece dois gráficos de limite de taxa separados. Use esses gráficos para ver quanto espaço você tem para crescer, quando você pode estar atingindo pico de uso, entender melhor quais limites de taxa solicitar, ou como você pode melhorar suas taxas de caching. Os gráficos visualizam um número de 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 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
Definindo limites mais baixos para Workspaces
Para proteger Workspaces em sua Organização de possível uso excessivo, você pode definir limites de gastos e taxa personalizados por Workspace. Exemplo: Se o limite da sua Organização é 40.000 tokens de entrada por minuto e 8.000 tokens de saída por minuto, você pode limitar um Workspace a 30.000 tokens totais por minuto. Isso protege outros Workspaces de possível uso excessivo e garante uma distribuição mais equitativa de recursos em sua Organização. Os tokens por minuto não utilizados restantes (ou mais, se esse Workspace não usar o limite) estão então disponíveis para outros Workspaces usarem. Nota:- Você não pode definir limites no Workspace padrão.
- Se não definido, os limites do Workspace correspondem ao limite da Organização.
- Os limites em toda a Organização sempre se aplicam, mesmo que os limites do Workspace somem mais.
- O suporte para limites de tokens de entrada e saída será adicionado aos Workspaces no futuro.
Cabeçalhos de resposta
A resposta da API inclui cabeçalhos que mostram o limite de taxa aplicado, uso atual e quando o limite será redefinido. Os seguintes cabeçalhos são retornados:| Cabeçalho | Descrição |
|---|---|
retry-after | O número de segundos a esperar até que você possa tentar novamente a solicitação. Tentativas anteriores falharão. |
anthropic-ratelimit-requests-limit | O número máximo de solicitações permitidas em qualquer período de limite de taxa. |
anthropic-ratelimit-requests-remaining | O número de solicitações restantes antes de ser limitado por taxa. |
anthropic-ratelimit-requests-reset | A hora em que o limite de taxa de solicitação será totalmente reabastecido, fornecido em formato RFC 3339. |
anthropic-ratelimit-tokens-limit | O número máximo de tokens permitidos em qualquer período de limite de taxa. |
anthropic-ratelimit-tokens-remaining | O número de tokens restantes (arredondado para o milhar mais próximo) antes de ser limitado por taxa. |
anthropic-ratelimit-tokens-reset | A hora em que o limite de taxa de token será totalmente reabastecido, fornecido em formato RFC 3339. |
anthropic-ratelimit-input-tokens-limit | O número máximo de tokens de entrada permitidos em qualquer período de limite de taxa. |
anthropic-ratelimit-input-tokens-remaining | O número de tokens de entrada restantes (arredondado para o milhar mais próximo) antes de ser limitado por taxa. |
anthropic-ratelimit-input-tokens-reset | A hora em que o limite de taxa de token de entrada será totalmente reabastecido, fornecido em formato RFC 3339. |
anthropic-ratelimit-output-tokens-limit | O número máximo de tokens de saída permitidos em qualquer período de limite de taxa. |
anthropic-ratelimit-output-tokens-remaining | O número de tokens de saída restantes (arredondado para o milhar mais próximo) antes de ser limitado por taxa. |
anthropic-ratelimit-output-tokens-reset | A hora em que o limite de taxa de token de saída será totalmente reabastecido, fornecido em formato RFC 3339. |
anthropic-priority-input-tokens-limit | O número máximo de tokens de entrada Priority Tier permitidos em qualquer período de limite de taxa. (Apenas Priority Tier) |
anthropic-priority-input-tokens-remaining | O número de tokens de entrada Priority Tier restantes (arredondado para o milhar mais próximo) antes de ser limitado por taxa. (Apenas Priority Tier) |
anthropic-priority-input-tokens-reset | A hora em que o limite de taxa de token de entrada Priority Tier será totalmente reabastecido, fornecido em formato RFC 3339. (Apenas Priority Tier) |
anthropic-priority-output-tokens-limit | O número máximo de tokens de saída Priority Tier permitidos em qualquer período de limite de taxa. (Apenas Priority Tier) |
anthropic-priority-output-tokens-remaining | O número de tokens de saída Priority Tier restantes (arredondado para o milhar mais próximo) antes de ser limitado por taxa. (Apenas Priority Tier) |
anthropic-priority-output-tokens-reset | A hora em que o limite de taxa de token de saída Priority Tier será totalmente reabastecido, fornecido em formato RFC 3339. (Apenas Priority Tier) |
anthropic-ratelimit-tokens-* exibem os valores para o limite mais restritivo atualmente em vigor. Por exemplo, se você excedeu o limite de token por minuto do Workspace, os cabeçalhos conterão os valores de limite de taxa de token por minuto do Workspace. Se os limites do Workspace não se aplicarem, os cabeçalhos retornarão os tokens totais restantes, onde total é a soma de tokens de entrada e saída. Esta abordagem garante que você tenha visibilidade da restrição mais relevante no seu uso atual da API.