Claude Fable 5 速率限制

限额是怎么构成的

决定你实际天花板的有四件事，其中只有两件写在定价页上。

• Fable 5 有自己的池子，而且更小

  限额按模型分别应用，所以你可以同时把多个模型各自跑到它们的上限。Fable 5 明显低于其他模型：Start 档 500,000 ITPM，而 Opus 5、Sonnet 5、Haiku 4.5 都是 2,000,000。Opus 4.x 各版本共用一个合并的桶，Opus 5 和 Fable 5 各有独立的桶。

• 三个相互独立的每分钟维度

  RPM、ITPM、OTPM 各自独立执行，超过任意一个都返回 429。限流器用的是持续补充的令牌桶，而不是按固定间隔重置，所以在你每分钟平均值明明远低于限额的情况下，短促的突发依然能触发 429。

• 是用量档位，不是按量调节的旋钮

  组织会根据用量历史和账号状况被自动放进 Start、Build、Scale 或 Custom 档，并随时间上移。Start、Build、Scale 各自带有 500 美元、1,000 美元、200,000 美元的月度消费上限。新组织在账号历史尚未建立时，起始限额可能低于公布的数字。

• 工作区限额叠在组织限额之下

  你可以为各个工作区设置更低的消费和速率限额，避免某一个团队把资源吃光。即使各工作区限额加起来超过组织限额，组织级限额始终生效；anthropic-ratelimit 响应头反映的是当下最严格的那条限额。

按这个顺序提升有效吞吐量

先做缓存，再调流量形态，最后才申请提额。提额申请表会问你的缓存命中率，所以提交之前先把缓存做好。

1. 1

   2. 把所有重复的内容都缓存起来

   对大多数模型来说，cache_read_input_tokens 不计入 ITPM。把系统指令、工具定义、大型上下文文档和会话历史都缓存起来。在 2,000,000 ITPM 限额下达到 80% 缓存命中率，你每分钟可以处理 10,000,000 总输入 token。

2. 2

   1. 找到你真实的数字

   在 Claude Console 的 Limits 页面查看你的档位和当前限额，或者用 Rate Limits API 以程序方式读取。用 Usage 页面查看每小时的未缓存输入 token 峰值和缓存命中率，并与你配置的限额对照。

3. 3

   4. 带着证据申请提额

   在 Limits 页面点 Request rate limit increase。准备好每个模型每分钟输入和输出 token 的峰值，以及输入中缓存或重复上下文所占的比例。紧急需求可以直接联系 Anthropic 支持。

4. 4

   3. 把流量形态削平

   用排队和限速代替扇出，新工作负载逐步放量而不是一次性开到满量，后者可能触发加速限制。能容忍延迟的批量任务，改用 Message Batches API，它有一套自己独立的限额。

相关页面