限制与余额

本页说明你的余额由什么构成、一个请求会预留和花费什么、你可以发送多少请求，以及单个请求可能遇到的少数几项限制。

1M tokens 余额的价值

$5.00

每日额度刷新

00:00 UTC

限流保护，按账户

120 请求 / 分钟

请求如何被处理

• 没有速率档位 — 只有一条规则限制请求到达的速度，且对每个账户、每个计划都相同：每分钟 120 个请求。对每分钟的 tokens 没有限制。
• 没有单独的 API 配额 — API 与聊天消耗同一份余额。计划决定当日额度的大小，而不决定请求速率。
• 想多快就多快 — 并行发送的请求会被接受并排队等待。它们不会因为并行而被拒绝。

你的余额

你的余额以 tokens 计算。1,000,000 tokens 的余额价值 $5.00，模型与定价页面上的每个价格都是相对于该价值的费率。

余额在任何时刻都是两部分之和。

• 当日计划额度 — 由你的计划设定的 tokens 数量。每天 00:00 UTC 刷新。一天结束时剩余的部分不会结转。
• 已购买的信用额度 — 你以套餐形式购买的 tokens。信用额度不会过期，并且适用于所有计划，包括 Free。

• 消耗顺序 — 每个请求先消耗当日计划额度。只有超出当日额度的部分才会使用已购买的信用额度。
• 聊天与 API 共用 — 每个账户只有一份余额。API 密钥从拥有它的账户的余额中扣费，价格与聊天相同。
• 套餐 — 信用额度以 1,000,000 ($5.00)、2,000,000 ($10.00) 和 5,000,000 ($25.00) tokens 的套餐出售，也可以在 1,000,000 到 100,000,000 tokens 之间自选数量，价格为每 1,000,000 $5.00。

充值 更改计划

请求预留什么、花费什么

• 预留 — 请求到达时，它会从你的余额中预留自己的输出预算：/v1/chat/completions 和 /v1/messages 上是 max_tokens，/v1/responses 上是 max_output_tokens。/v1/chat/completions 也会读取 max_completion_tokens。默认值为 4,096，范围是 1 到 65,536。
• 准入 — 只有当预留额度不超过你余额的剩余量时，请求才会被接受。余额大于零但小于输出预算时，会得到 Quota exceeded 回复。发送较小的 max_tokens 即可用掉剩余部分。
• 结算 — 答案完成后，预留额度会被实际费用取代。实际费用可能低于也可能高于预留额度。
• 退回 — 以错误状态结束的请求会全额退回其预留额度。

实际费用取决于模型系列。

以美元计的金额按每 1,000,000 $5.00 折算为 tokens，从你的余额中扣除，并取整为整数个 token。

使用 POST /v1/tokenize 或 POST /v1/messages/count_tokens 统计 tokens 是免费的，且不预留任何额度。 Token 计数

在哪里查看余额和用量

密钥与用量页面显示你当前可以花费的额度、当日计划额度、已购买的信用额度，以及过去 30 天的 API 支出。其下列出你的密钥发出的每个请求：时间、端点、模型、缓存输入、计费 tokens 和费用。 密钥与用量

每个回复还带有一个 usage 对象，包含该次调用的 token 计数。

• usage 包含模型的 token 计数。从你的余额中扣除的数额不在回复中：它是密钥与用量中请求列表的 计费 tokens 一列。
• 在 /v1/messages 上使用托管开源权重模型时，input_tokens 是输入中未缓存的部分，cache_read_input_tokens 是已缓存的部分，cache_creation_input_tokens 始终为 0。
• /v1/chat/completions 上的流会在 [DONE] 之前的最后一个数据块中携带 usage。 流式

余额用完时

预留额度超出你的余额的请求，会得到状态码 429、类型 rate_limit_error 和下面的消息。不会收取任何费用。当余额大于零但小于请求的输出预算时，也会发送同样的回复。

{
  "error": {
    "type": "rate_limit_error",
    "message": "Quota exceeded. Upgrade your plan at shannon-ai.com/plan"
  }
}

{
  "type": "error",
  "error": {
    "type": "rate_limit_error",
    "message": "Quota exceeded. Upgrade your plan at shannon-ai.com/plan"
  }
}

在 /v1/responses 上，error 对象还可以包含 code 和 param，两者均为 null。

你可以：

• 等待 00:00 UTC 的下一次计划额度。
• 充值信用额度。信用额度在计划额度之后消耗，并且不会过期。 充值
• 更换为每日额度更大的计划。 更改计划
• 如果还剩一些余额，请发送较小的 max_tokens：这样预留的额度会更小。

Shannon Coder 调用额度

/v1/chat/completions 和 /v1/messages 上的 shannon-coder-1 按调用次数而不是按 tokens 计数。每个计划在每个 4 小时窗口内包含一定数量的调用。一个请求就是一次调用。

• 窗口从 UTC 00:00, 04:00, 08:00, 12:00, 16:00, 20:00 开始。窗口结束时剩余的调用次数不会结转。
• 调用在请求被接受时、模型作答之前计数。之后失败的请求仍然算作一次调用。
• 这些调用不预留 tokens，也不从你的余额中扣除任何内容。密钥与用量中的请求列表会显示它们的 token 数及按标价折算的价值。
• 在这两个端点上，shannon-coder-1 的默认 max_tokens 为 65,536。
• 没有剩余调用次数时，回复的状态码为 429，类型为 rate_limit_error，消息为 Shannon Coder call quota reached. Upgrade your plan at shannon-ai.com/plan。
• 在 /v1/responses 上，shannon-coder-1 没有调用额度：与其他所有模型一样，按每 1M $8.00 从你的余额中按 tokens 扣费。

限流保护

一个账户每分钟可发送 120 个请求。这是对请求速率的唯一限制，且所有计划都相同。它的目的是阻止洪泛，而不是拖慢正常使用。

• 这一分钟是一个 60 秒的固定窗口，从你的第一个请求开始。窗口结束后，计数从零重新开始。
• 计数按账户进行，而不是按密钥，也不是按 IP 地址。轮换密钥不会开启新的窗口。
• 窗口内的第 121 个请求会得到状态码 429、类型 rate_limit_error 和消息 Too many requests. Retry in <N>s.。N 是距窗口结束的秒数，范围为 1 到 60。
• 限流保护在检查余额之前进行。被它拒绝的请求不预留任何额度，也不产生费用。

{
  "error": {
    "type": "rate_limit_error",
    "message": "Too many requests. Retry in 37s."
  }
}

{
  "type": "error",
  "error": {
    "type": "rate_limit_error",
    "message": "Too many requests. Retry in 37s."
  }
}

并行请求

账户同时打开的请求数量没有上限，并行发送请求也不会报错。无法立即开始的请求会排队，依次得到答复。

• 每个请求在到达时就计入每分钟 120 个的限额，无论之前的请求是否已完成。
• 每个请求在结束之前都持有自己的预留额度。二十个未完成的请求，在默认输出预算下，会占用 20 × 4,096 = 81,920 tokens 的余额。如果这些预留额度之和大于你的余额，下一个请求就会得到 Quota exceeded 回复，即使已完成的调用实际花费更少。较小的 max_tokens 占用更少。
• 非流式请求在答案完成之前不会发送任何内容，因此请为客户端设置能覆盖等待时间的超时。流在等待期间会保持连接打开。 流式

单个请求的限制

错误

本页的各个回复。在 /v1/messages 上，同一个 error 对象会被包装为 {"type": "error", "error": {…}}。