速率限制

宁享Token API 通过 RPM（每分钟请求数）和 TPM（每分钟 Token 数）两个维度限制请求速率，保障服务稳定性。

限制维度

维度	全称	说明
RPM	Requests Per Minute	每分钟请求数
TPM	Tokens Per Minute	每分钟 Token 数（输入+输出）
并发数	—	同时进行中的请求数

默认限制

等级	RPM	TPM	最大并发
免费版	20	40,000	2
标准版	60	150,000	10
专业版	200	500,000	30
企业版	1,000	2,000,000	100

实际限制以控制台「账户信息」页面显示为准，可联系客服提升配额。

模型级别限制

部分大模型有独立的速率限制：

模型	单独 RPM 上限	单独 TPM 上限
glm-5.2	60	150,000
deepseek-v4-pro	30	80,000
kimi-k3	30	80,000

以上为默认值，最终以控制台显示为准。

限流响应

触发速率限制时返回 429 Too Many Requests：

{
  "error": {
    "code": "rate_limit_exceeded",
    "message": "Rate limit reached. Please retry after 10 seconds.",
    "type": "rate_limit_error",
    "request_id": "req_abc123"
  }
}

响应头：

HTTP/1.1 429 Too Many Requests
Retry-After: 10
X-RateLimit-Limit-Requests: 60
X-RateLimit-Remaining-Requests: 0
X-RateLimit-Reset-Requests: 45
X-RateLimit-Limit-Tokens: 150000
X-RateLimit-Remaining-Tokens: 0

响应头	说明
Retry-After	建议等待秒数
X-RateLimit-Limit-Requests	当前 RPM 上限（未配置该维度时不返回）
X-RateLimit-Remaining-Requests	剩余请求数
X-RateLimit-Reset-Requests	距限额重置的秒数
X-RateLimit-Limit-Tokens	当前 TPM 上限（未配置该维度时不返回）
X-RateLimit-Remaining-Tokens	剩余 Token 数

最佳实践

指数退避重试

遇到 429 时，使用指数退避重试：

import time
import requests

def call_with_retry(url, headers, json_data, max_retries=5):
    for i in range(max_retries):
        resp = requests.post(url, headers=headers, json=json_data)
        if resp.status_code == 429:
            wait = int(resp.headers.get("Retry-After", 2 ** i))
            print(f"触发限流，等待 {wait} 秒后重试...")
            time.sleep(wait)
            continue
        return resp
    raise Exception("达到最大重试次数")

批量请求控制

• 避免短时间内发送大量并发请求
• 使用队列处理批量任务
• 并发数控制在限制以内

Token 优化

• 精简 system prompt
• 避免超长上下文
• 启用上下文缓存以降低 TPM 消耗
• 及时清理历史消息

并发限制

并发数 = 同时处于处理中的请求数。超出并发限制会返回 429。

等级	最大并发
免费版	2
标准版	10
专业版	30
企业版	100

视频与图像任务

视频、图像生成任务不计入 RPM / TPM，但有单独的并发限制：

能力	最大并发任务数
视频生成	3
图像生成	10
音乐生成	2

任务排队中也会占用并发数。

提升配额

如需提升速率限制，可：

1. 升级账户等级（控制台 → 账户 → 升级）
2. 联系客服定制企业配额

常见问题

如何查看当前用量？

控制台 → 用量记录，实时显示 RPM / TPM 消耗。

429 后多久恢复？

通常等待 60 秒即可恢复。具体见 Retry-After 响应头。

不同模型共享 RPM 吗？

全局 RPM 共享。部分大模型有独立 RPM 限制，独立计算。

流式请求如何计 RPM？

流式请求按 1 次请求 计算 RPM，不计入多次。

相关文档

• 错误码
• HTTP 状态码