O Alibaba Cloud Model Studio aplica limitação de taxa às chamadas de modelo no nível da conta Alibaba Cloud, agregando o uso de todos os usuários RAM, workspaces e chaves de API vinculados à conta. As solicitações são rejeitadas quando o limite é excedido e a recuperação geralmente ocorre de forma automática em até um minuto.
Regras de limitação de taxa
- Limitação de taxa no nível da conta: A limitação de taxa é calculada por dimensão de conta primária. O volume de chamadas de todos os subusuários RAM, workspaces e chaves de API da conta é contabilizado cumulativamente.
- Limitação de taxa independente por modelo: Modelos diferentes possuem cotas de limitação de taxa independentes. Para mais informações, consulte as tabelas abaixo.
- Tipos de limitação de taxa: Os principais modelos de geração de texto (como qwen3.8-max, qwen3.8-flash, deepseek-v4-pro-0813 e kimi-k3) usam limitação de taxa dinâmica, na qual o valor do limite de TPM é ajustado mensalmente conforme a faixa de consumo mensal no Bailian, e o TPM efetivamente disponível nunca é inferior ao valor do limite. Para mais informações, consulte Limitação de taxa dinâmica. Os demais modelos e regiões usam limitação de taxa estática; consulte Regras de limitação de taxa estática.
Limitação de taxa dinâmica
Mecanismo de limitação de taxa dinâmica
O Bailian utiliza um mecanismo de limitação de taxa dinâmica para determinados modelos. Os pontos principais são:
- Limitação flexível: Quando o volume de chamadas atinge o valor do limite, a limitação não é acionada se a plataforma ainda tiver recursos disponíveis. Assim, o TPM efetivamente disponível nunca é inferior ao valor do limite. É um comportamento esperado que o limite real observado durante as chamadas seja superior ao valor definido.
- Granularidade do limite: Por conta + modelo. Os volumes de chamadas de todos os subcontas RAM, workspaces e API Keys vinculados a uma conta principal são agregados e contabilizados na cota de TPM dessa conta para o respectivo modelo, compartilhando o mesmo limite.
- Workspace: Defina um valor de limite específico para um modelo dentro de um workspace. Workspaces sem configuração individual compartilham a cota no nível da conta.
- Comportamento quando limitada: Quando a limitação de taxa dinâmica é acionada, um erro 429 é retornado (código de erro Throttling.ResourceExhausted ou Throttling.ServiceOverloaded, mensagem Too many requests.). Se a plataforma estiver temporariamente sem recursos, um erro 503 (ServiceUnavailable) pode ser retornado — isso não está relacionado à cota de limitação; tente novamente mais tarde. Para orientações de tratamento de erros, consulte Códigos de erro.
- Mais informações: Para as configurações de limite de workspace, consulte Gerenciamento de permissões.
Modelos e faixas de limite de taxa
O Bailian define sua faixa de limite de TPM com base no seu histórico de consumo. Para verificar o valor exato do limite, consulte a página de detalhes do modelo.
- Singapore
- China (Beijing)
Consumo mensal na plataforma Bailian: | Faixa 1 (atual) ≤$8.000 | Faixa 2 $8.000~$140.000 | Faixa 3 >$140.000 |
|---|---|---|---|
Modelos suportados | Faixas de limite de TPM | ||
qwen4-max | 5,000,000 | 10,000,000 | 20,000,000 |
qwen3.8-max | 2.000.000 | 5.000.000 | 10.000.000 |
qwen3.8-max-0902 | 1.500.000 | 1.500.000 | 1.500.000 |
qwen3.8-flash | 2.500.000 | 5.000.000 | 10.000.000 |
qwen3.8-omni-flash | 2.000.000 | 5.000.000 | 10.000.000 |
qwen3.8-2.4t-a95b | 5.000.000 | 5.000.000 | 5.000.000 |
deepseek-v4.1-flash-1017 | 1.200.000 | 1.200.000 | 1.200.000 |
deepseek-v4.1-flash | 1.200.000 | 1.200.000 | 1.200.000 |
deepseek-v4-pro-0813 | 1.200.000 | 5.000.000 | 10.000.000 |
kimi-k3 | 1.200.000 | 5.000.000 | 10.000.000 |
glm-5.3 | 5.000.000 | 5.000.000 | 5.000.000 |
glm-5.3-prime | 2.000.000 | 2.000.000 | 2.000.000 |
qwen3.8-27b | 5.000.000 | 5.000.000 | 5.000.000 |
Detalhes da limitação de taxa estática
Os limites de taxa de cada modelo estão listados por categoria de modelo abaixo: modelos marcados com limitação dinâmica têm o valor do limite de TPM ajustado conforme a faixa de consumo mensal; consulte Modelos e faixas de limite. Os demais modelos usam limitação de taxa estática; consulte Regras de limitação de taxa estática.
Regras de limitação de taxa estática
Modelos e regiões não cobertos pela limitação de taxa dinâmica usam limitação de taxa estática, com as seguintes regras:
- Limites fixos: Cada modelo possui valores fixos de limite de RPM e TPM, independentes entre modelos.
- Aplicação por segundo: Além de RPM/TPM por minuto, a limitação também pode ser aplicada por segundo como RPS (RPM/60) e TPS (TPM/60) — um pico de solicitações em curto período pode acionar a limitação mesmo sem exceder os limites por minuto.
- Acionamento e recuperação: Solicitações que excedem os limites são rejeitadas com erro 429 e normalmente se recuperam automaticamente em um minuto. Para a classificação das mensagens de erro, consulte Por que a limitação de taxa é acionada? e Códigos de erro.
Geração de texto
Modelo de linguagem Qwen
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Hong Kong (China)
- Japão (Tóquio)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen4-max | Internacional | Limitação de taxa dinâmica | |
| qwen3.8-max | Internacional | Limitação de taxa dinâmica | |
| qwen3.8-max-0902 | Internacional | Limitação de taxa dinâmica | |
| qwen3.8-flash | Internacional | Limitação de taxa dinâmica | |
| qwen3.7-max | Internacional | 600 | 1.000.000 |
| qwen3.7-max-2026-06-08 | Internacional | 60 | 1.000.000 |
| qwen3.7-max-2026-05-20 | Internacional | 60 | 1.000.000 |
| qwen3.7-max-preview | Internacional | 600 | 1.000.000 |
| qwen3.7-max-2026-05-17 | Internacional | 600 | 1.000.000 |
qwen-maxA limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API. | Internacional | 600 | 1.000.000 |
| qwen3.7-plus | Internacional | 15.000 | 5.000.000 |
| qwen3.7-plus-2026-05-26 | Internacional | 60 | 1.000.000 |
| qwen3.6-plus | Internacional | 15.000 | 5.000.000 |
| qwen3.6-plus-2026-04-02 | Internacional | 60 | 1.000.000 |
| qwen3.7-flash | Internacional | 15.000 | 5.000.000 |
| qwen3.7-flash-2026-07-15 | Internacional | 15.000 | 5.000.000 |
| qwen3.6-flash | Internacional | 15.000 | 5.000.000 |
| qwen3.6-flash-2026-04-16 | Internacional | 60 | 1.000.000 |
| qwen3.5-plus | Internacional | 15.000 | 5.000.000 |
| qwen3.5-plus-2026-04-20 | Internacional | 600 | 1.000.000 |
| qwen3.5-plus-2026-02-15 | Internacional | 60 | 1.000.000 |
qwen-plusA limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API. | Internacional | 600 | 1.000.000 |
| qwen-plus-latest | Internacional | 600 | 1.000.000 |
| qwen-plus-2025-12-01 | Internacional | 120 | 1.000.000 |
| qwen-plus-2025-07-14(qwen-plus-0714) | Internacional | 60 | 100.000 |
| qwen-plus-2025-04-28(qwen-plus-0428) | Internacional | 60 | 1.000.000 |
| qwen-plus-2025-01-25(qwen-plus-0125) | Internacional | 60 | 100.000 |
| qwen3.5-flash | Internacional | 15.000 | 5.000.000 |
| qwen3.5-flash-2026-02-23 | Internacional | 60 | 1.000.000 |
qwen-flashA limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API. | Internacional | 600 | 5.000.000 |
| qwen-flash-2025-07-28 | Internacional | 600 | 5.000.000 |
Qwen-VL (compreensão visual/imagem para texto)
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Hong Kong (China)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3-vl-plus | Internacional | 1.200 | 1.000.000 |
Qwen Omni (omnimodal)
- Singapura
- China do Norte 2 (Pequim)
- Hong Kong (China)
- Japão (Tóquio)
- Alemanha (Frankfurt)
- EUA (Virgínia)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3.8-omni-flash | Internacional | 30.000 | Limitação de taxa dinâmica |
| qwen3.5-omni-flash | Internacional | 60 | 100.000 |
| qwen3.5-omni-flash-2026-03-15 | Internacional | 60 | 100.000 |
| qwen3.5-omni-plus | Internacional | 60 | 100.000 |
| qwen3.5-omni-plus-2026-03-15 | Internacional | 60 | 100.000 |
| qwen3-omni-flash | Internacional | 60 | 100.000 |
Qwen-Omni-Realtime
Para conexões WebSocket, o RPM limita o número de solicitações de conexão por minuto. As respostas em uma conexão existente não contam para o RPM. Reconectar conta como uma nova solicitação. Atualmente, não há um limite separado para o número total de conexões abertas simultaneamente. Os limites de TPM continuam se aplicando. Consulte as tabelas abaixo para os limites dos modelos.
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3.8-omni-flash-realtime | Internacional | 60 | 2.000.000 |
| qwen3.5-omni-plus-realtime | Internacional | 60 | 100.000 |
| qwen3.5-omni-plus-realtime-2026-03-15 | Internacional | 60 | 100.000 |
| qwen3.5-omni-flash-realtime | Internacional | 60 | 100.000 |
| qwen3.5-omni-flash-realtime-2026-03-15 | Internacional | 60 | 100.000 |
| qwen3-omni-flash-realtime-2025-09-15 | Internacional | 60 | 100.000 |
Qwen-OCR (extração de texto)
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen-vl-ocr | Internacional | 600 | 6.000.000 |
| qwen-vl-ocr-2025-11-20 | Internacional | 1.200 | 6.000.000 |
Qwen-Coder
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3-coder-flash | Internacional | 600 | 5.000.000 |
| qwen3-coder-flash-2025-07-28 | Internacional | 600 | 5.000.000 |
Modelo de tradução Qwen
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Requisições por minuto (RPM) | Tokens por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen-mt-plus | Internacional | 60 | 100.000 |
| qwen-mt-flash | Internacional | 60 | 100.000 |
| qwen-mt-lite | Internacional | 60 | 100.000 |
Modelo de mineração de dados Qwen
- China do Norte 2 (Pequim)
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| qwen-doc-turbo | 600 | 3.000.000 |
Modelo de pesquisa profunda Qwen
- China do Norte 2 (Pequim)
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Número de chamadas por minuto (RPM) | Número de tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| qwen-deep-research | 120 | 1.200.000 |
Modelo de linguagem Qwen de código aberto
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3.8-2.4t-a95b | Internacional | Limitação de taxa dinâmica | |
| qwen3.8-27b | Internacional | Limitação de taxa dinâmica | |
| qwen3.6-35b-a3b | Internacional | 600 | 1.000.000 |
| qwen3.6-27b | Internacional | 600 | 1.000.000 |
| qwen3.5-397b-a17b | Internacional | 600 | 1.000.000 |
| qwen3.5-122b-a10b | Internacional | 600 | 1.000.000 |
| qwen3.5-27b | Internacional | 600 | 1.000.000 |
| qwen3.5-35b-a3b | Internacional | 600 | 5.000.000 |
DeepSeek
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Japão (Tóquio)
- Hong Kong (China)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| deepseek-v4.1-flash-1017 | Internacional | Limitação de taxa dinâmica | |
| deepseek-v4.1-flash | Internacional | Limitação de taxa dinâmica | |
| deepseek-v4-pro | Internacional | 10.000 | 1.200.000 |
| deepseek-v4-pro-0813 | Internacional | Limitação de taxa dinâmica | |
| deepseek-v4-flash-0731 | Internacional | 15.000 | 1.200.000 |
Kimi
- China do Norte 2 (Pequim)
- EUA (Virgínia)
- Alemanha (Frankfurt)
- Hong Kong (China)
- Japão (Tóquio)
- Singapura
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Requisições por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| kimi-k3.1-pro | 15000 | Limitação dinâmica de taxa |
| kimi-k3 | Limitação de taxa dinâmica | |
| kimi-k2.7-code | 500 | 1.000.000 |
| kimi-k2.6 | 500 | 1.000.000 |
| kimi-k2.5 | 500 | 1.000.000 |
MiniMax
- China do Norte 2 (Pequim)
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| MiniMax-M2.5 | 500 | 1.000.000 |
GLM
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Singapura
- Hong Kong (China)
- Japão (Tóquio)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| glm-5.3 | Global | 15.000 | 1.200.000 |
| glm-5.3 | Estados Unidos | 15.000 | 1.200.000 |
| glm-5.2 | Global | 500 | 1.000.000 |
| glm-5.2 | Estados Unidos | 500 | 1.000.000 |
| glm-5.1 | Global | 500 | 1.000.000 |
Fornecimento direto GLM-Z.AI
- Singapura
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| ZHIPU/GLM-5.3 | 200 | 3.000.000 |
| ZHIPU/GLM-5.2 | 200 | 3.000.000 |
MindLab
- Singapore
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| mindlab/macaron-v1-tall | 300 | 3.000.000 |
| mindlab/macaron-v1.1-venti | 600 | 5.000.000 |
| mindlab/macaron-v1.1-coding-venti | 600 | 5.000.000 |
Geração de imagens e vídeo
Qwen (Qwen-Image)
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Hong Kong (China)
- Japão (Tóquio)
Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|---|
Limite de chamadas da API de envio de tarefas | Número de tarefas sendo processadas simultaneamente (concorrência) | ||
qwen-image-3.0-pro | Internacional | 5 vezes/minuto | Interface síncrona ilimitada / Interface assíncrona 10 |
qwen-image-3.0 | Internacional | 20 vezes/minuto | Interface síncrona ilimitada / Interface assíncrona 10 |
qwen-image-2.1-pro | Internacional | 20 vezes/minuto | Interface síncrona ilimitada / Interface assíncrona 10 |
qwen-image-2.1-turbo | Internacional | 120 vezes/minuto | Interface síncrona ilimitada / Interface assíncrona 10 |
qwen-image-2.0-pro | Internacional | 2 vezes/minuto | Interface síncrona ilimitada |
qwen-image-2.0-pro-2026-06-22 | Internacional | 2 vezes/minuto | Interface síncrona ilimitada |
qwen-image-2.0-pro-2026-04-22 | Internacional | 2 vezes/minuto | Interface síncrona ilimitada |
qwen-image-2.0-pro-2026-03-03 | Internacional | 2 vezes/minuto | Interface síncrona ilimitada |
qwen-image-2.0 | Internacional | 2 vezes/s | Interface síncrona ilimitada |
qwen-image-2.0-2026-03-03 | Internacional | 2 vezes/s | Interface síncrona ilimitada |
qwen-mt-image-2.0 | Internacional | 60 vezes/minuto | Interface síncrona ilimitada / Interface assíncrona 2 |
Geração de imagens - Z-Image
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|---|
Chamadas por segundo (RPS) | Número de tarefas sendo processadas simultaneamente (concorrência) | ||
z-image-turbo | Internacional | 2 | Interface síncrona: ilimitada |
Wanxiang
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|---|
Requisições por segundo (RPS) | Número de tarefas sendo processadas simultaneamente (concorrência) | ||
wan2.7-image-pro | Internacional | 5 | 5 |
wan2.7-image | Internacional | 5 | 5 |
wan2.6-image | Internacional | 5 | 5 |
wan2.6-t2i | Internacional | 5 | 5 |
wan2.5-t2i-preview | Internacional | 5 | 5 |
wan2.2-t2i-flash | Internacional | 2 | 2 |
wan2.2-t2i-plus | Internacional | 2 | 2 |
wan2.1-t2i-turbo | Internacional | 2 | 2 |
wan2.1-t2i-plus | Internacional | 2 | 2 |
wan2.5-i2i-preview | Internacional | 5 | 5 |
Série Vidu
- Singapura
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|
| Chamadas por minuto (RPM) | Número de tarefas simultâneas sendo processadas | |
| vidu/vidu-image_reference2image | 300 | 5Sob uma única Bailian API Key, os modelos da série Vidu de geração de imagem com referência compartilham 5 slots simultâneos. Ou seja, o número total de tarefas em execução em todos os modelos combinados não deve exceder 5. |
Série HappyHorse
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
- Japão (Tóquio)
Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|---|
Chamadas por segundo (RPS) | Número de tarefas sendo processadas simultaneamente (concorrência) | ||
happyhorse-1.1-t2v | Internacional | 5 | 5 |
happyhorse-1.1-i2v | Internacional | 5 | 5 |
happyhorse-1.1-r2v | Internacional | 5 | 5 |
happyhorse-1.0-t2v | Internacional | 5 | 5 |
happyhorse-1.0-i2v | Internacional | 5 | 5 |
happyhorse-1.0-r2v | Internacional | 5 | 5 |
happyhorse-1.0-video-edit | Internacional | 5 | 5 |
Série Wanx
wan3.0-video e wan3.0-video-prime, acesse o Model Marketplace no console do Model Studio, selecione a região usada nas chamadas de API e consulte os detalhes do modelo correspondente.- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Alemanha (Frankfurt)
Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|---|
Requisições por segundo (RPS) | Requisições simultâneas em andamento | ||
wan2.7-t2v-2026-06-12 | Internacional | 5 | 5 |
wan2.7-t2v-2026-04-25 | Internacional | 5 | 5 |
wan2.7-t2v | Internacional | 5 | 5 |
wan2.6-t2v | Internacional | 5 | 5 |
wan2.5-t2v-preview | Internacional | 5 | 5 |
wan2.2-t2v-plus | Internacional | 2 | 2 |
wan2.1-t2v-turbo | Internacional | 2 | 2 |
wan2.1-t2v-plus | Internacional | 2 | 2 |
wan2.7-i2v-2026-04-25 | Internacional | 5 | 5 |
wan2.7-i2v | Internacional | 5 | 5 |
wan2.6-i2v-flash | Internacional | 5 | 5 |
wan2.6-i2v | Internacional | 5 | 5 |
wan2.5-i2v-preview | Internacional | 5 | 5 |
wan2.2-i2v-flash | Internacional | 2 | 2 |
wan2.1-i2v-plus | Internacional | 2 | 2 |
wan2.1-i2v-turbo | Internacional | 2 | 2 |
wan2.2-i2v-plus | Internacional | 2 | 2 |
wan2.2-kf2v-flash | Internacional | 2 | 2 |
wan2.1-kf2v-plus | Internacional | 1 | 2 |
wan2.1-vace-plus | Internacional | 2 | 2 |
wan2.7-videoedit | Internacional | 5 | 5 |
wan2.7-r2v | Internacional | 5 | 5 |
wan2.6-r2v-flash | Internacional | 5 | 5 |
wan2.6-r2v | Internacional | 5 | 5 |
wan2.2-animate-move | Internacional | 5 | 1 |
wan2.2-animate-mix | Internacional | 5 | 1 |
Shengdongrenxiang VideoRetalk
- China do Norte 2 (Pequim)
Modelo | Número de chamadas por segundo (RPS) | Número de tarefas sendo processadas simultaneamente |
|---|---|---|
videoretalk | 1 | 1 Em qualquer momento, apenas 1 tarefa está em execução de fato, enquanto as demais tarefas na fila permanecem em estado de espera. |
Transformação de estilo de vídeo
- China do Norte 2 (Pequim)
Modelo | Requisições por segundo (RPS) | Tarefas de processamento simultâneas |
|---|---|---|
video-style-transform | 20 | 2 Ao mesmo tempo, apenas 1 tarefa está em execução de fato, e as tarefas nas demais filas permanecem em estado de espera. |
Série Vidu
- Singapura
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|
| Chamadas por segundo (RPS) | Número de tarefas sendo processadas simultaneamente (concorrência) | |
| vidu/viduq3-mix_reference2video | 5 | 5Sob uma única Bailian API Key, os modelos da série Vidu de geração de vídeo compartilham 5 slots simultâneos. Ou seja, o número total de tarefas em execução em todos os modelos não pode exceder 5. |
| vidu/viduq3-ad_reference2video | 5 | |
| vidu/viduq3-drama_reference2video | 5 | |
| vidu/viduq2-pro-fast_img2video | 5 | |
Série PixVerse
- Singapura
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido) | |
|---|---|---|
| Chamadas por segundo (RPS) | Número de tarefas sendo processadas simultaneamente (concorrência) | |
| pixverse/pixverse-v6-t2v | 5 | 5Sob a mesma API key do Model Studio, a cota é compartilhada entre os 4 modelos. Ou seja, o número total de tarefas em execução nesses 4 modelos não pode exceder 5. |
| pixverse/pixverse-v6-it2v | 5 | |
| pixverse/pixverse-v6-kf2v | 5 | |
| pixverse/pixverse-v6-r2v | 5 | |
Reconhecimento de fala
Qwen-Audio-ASR
- Singapura
- China (Pequim)
Nome do modelo | Escopo de implantação do serviço | Requisições por minuto (RPM) |
|---|---|---|
qwen-audio-3.1-asr-flash | Internacional | 600 |
qwen-audio-3.0-asr-flash | Internacional | 600 |
Qwen-Audio-ASR-Streaming
- Singapura
- China (Pequim)
| Nome do modelo | Escopo de implantação do serviço | Requisições por minuto (RPM) |
|---|---|---|
| qwen-audio-3.1-asr-flash-streaming | Internacional | 1.200 |
| qwen-audio-3.0-asr-flash-streaming | Internacional |
Qwen-Audio-ASR-Filetrans
- Singapura
- China (Pequim)
Nome do modelo | Escopo de implantação do serviço | Requisições por minuto (RPM) |
|---|---|---|
qwen-audio-3.1-asr-flash-filetrans | Internacional | 600 |
qwen-audio-3.0-asr-flash-filetrans | Internacional | 600 |
Qwen-Audio-ASR-Message
- Singapura
- China (Pequim)
| Nome do modelo | Escopo de implantação | Requisições por minuto (RPM) |
|---|---|---|
| qwen-audio-3.1-asr-flash-message | Internacional | 1200 |
Qwen3-ASR
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
- Qwen3-ASR-Flash-Filetrans
- Qwen3-ASR-Flash
Modelo | Escopo de implantação do serviço | Chamadas por minuto (RPM) |
|---|---|---|
qwen3-asr-flash-filetrans | Internacional | 100 |
Qwen3-ASR-Realtime
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Chamadas por segundo (RPS) |
|---|---|---|
qwen3-asr-flash-realtime | Internacional | 20 |
Fun-ASR
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Chamadas por minuto (RPM) |
|---|---|---|
fun-asr | Internacional | 600 |
fun-asr-flash-2026-06-15 | Internacional | 600 |
Fun-ASR-Realtime
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Requisições por segundo (RPS) |
|---|---|---|
fun-asr-realtime | Internacional | 20 |
Paraformer
- China do Norte 2 (Pequim)
Modelo | Requisições por segundo (RPS) |
|---|---|
paraformer-realtime-v2 | 20 |
paraformer-realtime-8k-v2 |
Modelo | Requisições por minuto (RPM) |
|---|---|
paraformer-v2 | 1.200 |
Modelo | Requisições por segundo (RPS) | Tarefas de processamento simultâneas (concorrência) |
|---|---|---|
paraformer-8k-v2 | 20 | 100 |
Síntese de fala
Qwen-Audio-TTS
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Requisições por minuto (RPM) |
|---|---|---|
| qwen-audio-3.1-tts-plus | Internacional | 180 |
| qwen-audio-3.1-tts-flash | Internacional | 180 |
| qwen-audio-3.0-tts-plus | Internacional | 180 |
| qwen-audio-3.0-tts-flash | Internacional | 180 |
CosyVoice
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Requisições por segundo (RPS) |
|---|---|---|
cosyvoice-v3-plus | Internacional | 3 |
cosyvoice-v3-flash | Internacional |
Qwen3-TTS
- Singapura
- China do Norte 2 (Pequim)
- Qwen3-TTS-Flash
Modelo | Escopo de implantação do serviço | Requisições por minuto (RPM) |
|---|---|---|
qwen3-tts-flash | Internacional | 180 |
Qwen3-TTS-Realtime
- Singapura
- China do Norte 2 (Pequim)
- Qwen3-TTS-Flash-Realtime
Modelo | Escopo de implantação do serviço | Chamadas por minuto (RPM) |
|---|---|---|
qwen3-tts-flash-realtime | Internacional | 180 |
Geração de áudio
Qwen-Audio-TTS-Next
- Singapura
- China (Pequim)
| Modelo | Requisições por minuto (RPM) |
|---|---|
| qwen-audio-3.1-tts-next | 180 |
Diálogo por voz
Qwen-Audio-Realtime
Para conexões WebSocket, o RPM limita o número de solicitações de conexão por minuto. As respostas em uma conexão existente não contam para o RPM. Reconectar conta como uma nova solicitação. Atualmente, não há um limite separado para o número total de conexões abertas simultaneamente. Os limites de TPM continuam se aplicando. Consulte as tabelas abaixo para os limites dos modelos.
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen-audio-3.1-realtime-plus | Internacional | 60 | 100.000 |
| qwen-audio-3.1-realtime-flash | Internacional | 60 | 100.000 |
| qwen-audio-3.0-realtime-plus | Internacional | 60 | 100.000 |
| qwen-audio-3.0-realtime-flash | Internacional | 60 | 100.000 |
Tradução de áudio e vídeo
Qwen3-LiveTranslate-Flash
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Requisições por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3-livetranslate-flash | Internacional | 100 | 100.000 |
| qwen3-livetranslate-flash-2025-12-01 | Internacional | 100 | 100.000 |
Qwen-LiveTranslate-Flash-Realtime
Para conexões WebSocket, o RPM limita o número de solicitações de conexão por minuto. As respostas em uma conexão existente não contam para o RPM. Reconectar conta como uma nova solicitação. Atualmente, não há um limite separado para o número total de conexões abertas simultaneamente. Os limites de TPM continuam se aplicando. Consulte as tabelas abaixo para os limites dos modelos.
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3.8-livetranslate-flash-realtime | Internacional | 10 | 100.000 |
| qwen3.5-livetranslate-flash-realtime | Internacional | ||
| qwen3.5-livetranslate-flash-realtime-2026-05-19 | Internacional | ||
Clonagem e design de voz
Clonagem e design de voz do Qwen-Audio-TTS/CosyVoice
A clonagem e o design de voz do Qwen-Audio-TTS/CosyVoice compartilham um mesmo modelo e a mesma cota de limitação de taxa.
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Requisições por segundo (RPS) |
|---|---|---|
voice-enrollment | Internacional | 10 |
Clonagem de voz do Qwen3-TTS
- Singapura
- China do Norte 2 (Pequim)
Modelo | Escopo de implantação do serviço | Chamadas por minuto (RPM) |
|---|---|---|
qwen-voice-enrollment | Internacional | 180 |
Geração de música
Fun-Music
- China do Norte 2 (Pequim)
Modelo | Chamadas por minuto (RPM) |
|---|---|
fun-music-preview | 180 |
fun-music-v1 | 180 |
Embedding e reordenação
- Singapura
- China do Norte 2 (Pequim)
- Hong Kong (China)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen3.7-text-embedding | Internacional | 24.000 | 1.000.000 |
| text-embedding-v4 | Internacional | 1.800 | 1.000.000 |
| text-embedding-v3 | Internacional | 6.000 | 24.000.000 |
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxaOs limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Chamadas por minuto (RPM) | Tokens consumidos por minuto (TPM)Apenas tokens de entrada. | ||
| tongyi-embedding-vision-plus | Internacional | 600 | 200.000 |
| tongyi-embedding-vision-flash | Internacional | 600 | 200.000 |
- Singapura
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxaOs limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Requisições por minuto (RPM) | Tokens por minuto (TPM)Apenas tokens de entrada. | ||
| qwen3-rerank | Internacional | 5.400 | 5.000.000.000 |
Indústria
Reconhecimento de intenção
- China do Norte 2 (Pequim)
| Modelo | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Requisições por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | |
| tongyi-intent-detect-v3 | 1.200 | 1.000.000 |
Assunção de papel
- Singapura
- EUA (Virgínia)
- China do Norte 2 (Pequim)
| Modelo | Escopo de implantação do serviço | Condições de limitação de taxa (acionadas se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|---|
| Requisições por minuto (RPM) | Tokens consumidos por minuto (TPM)Inclui tokens de entrada e saída. | ||
| qwen-plus-character | Internacional | 120 | 500.000 |
| qwen-flash-character | Internacional | 120 | 500.000 |
| qwen-plus-character-ja | Internacional | 120 | 500.000 |
Modelo de decisão
- Singapura
- China (Pequim)
| Nome do modelo | Limites de taxa (acionados se qualquer valor for excedido)Os limites a seguir são por minuto. O serviço também pode aplicar limites com base em requisições por segundo (RPS = RPM/60) e tokens por segundo (TPS = TPM/60). | |
|---|---|---|
| Requisições por minuto (RPM) | Tokens por minuto (TPM)Inclui tokens de entrada e saída. | |
| decision-model-preview | 1.200 | 2.000.000 |
Modelos offline
Para mais informações, consulte Mecanismo de desativação de modelos.
Perguntas frequentes
Por que a limitação de taxa é acionada?
Com base na mensagem de erro, determine qual tipo de limite de taxa foi acionado:
Requests rate limit exceededouYou exceeded your current requests list: Limite de solicitações por minuto (RPM) atingido.Allocated quota exceededouYou exceeded your current quota: Limite de tokens por minuto (TPM) ultrapassado.Request rate increased too quickly: A frequência de solicitações aumentou de forma abrupta em um curto período, ativando a proteção de estabilidade do sistema — isso é acionado mesmo que o número total de chamadas não atinja o limite superior de RPM ou TPM.- Para outros erros, consulte Códigos de erro para confirmar a causa.
Como visualizar o volume de chamadas do modelo?
Após a ocorrência de uma chamada de modelo, é possível visualizá-la em nível de minutos no gráfico de monitoramento. Faça login na página Monitoring (Singapura ou Pequim); no painel de navegação esquerdo, selecione O&M Management > Monitoring para acessar a página de visão geral de monitoramento, defina as condições de consulta (por exemplo, intervalo de tempo, workspace etc.), localize o modelo desejado na área Models e clique em View Details para visualizar as estatísticas de chamadas do modelo. Para mais detalhes, consulte a documentação de Monitoring.
Os dados de monitoramento são atualizados em nível de minutos e servem apenas como referência; não são usados como base de faturamento.
Quanto tempo leva para recuperar após a limitação de taxa ser acionada?
A recuperação normalmente ocorre em até um minuto. Caso outros erros surjam, consulte Códigos de erro para solucionar o problema.
A velocidade de resposta do modelo está relacionada ao pagamento?
A velocidade de resposta do modelo não está relacionada ao pagamento. A cota gratuita e as chamadas pagas utilizam a mesma infraestrutura de serviço de modelo, e a velocidade de geração de um mesmo modelo é idêntica. A cota gratuita controla apenas se uma solicitação é aceita: quando a cota se esgota, é retornado um erro 403 (após a ativação de Free Quota Only), e isso não reduz a velocidade de geração das solicitações já aceitas.
Quais fatores afetam a velocidade de resposta do modelo?
- Tipo de modelo: Modelos leves (como qwen-flash) geram respostas mais rapidamente do que modelos grandes (como qwen-max).
- Comprimento da saída: Quanto mais tokens de saída, maior o tempo total.
- Carga do servidor: Podem ocorrer pequenas flutuações durante períodos de pico.
A limitação de taxa reduz a velocidade de geração das solicitações aceitas?
Não. A limitação de taxa (RPM/TPM) apenas faz com que as solicitações que excedem o limite sejam rejeitadas (retornando o erro 429). Quando a cota gratuita se esgota (com Free Quota Only ativado), é retornado o erro 403, o que também não afeta a velocidade das solicitações já aceitas. 429 é limitação de taxa, 403 é esgotamento de cota; ambos são mecanismos de rejeição.
Como evitar a limitação de taxa?
- Escolha modelos com limites de taxa mais altos: A versão estável ou a versão mais recente têm limites de taxa mais flexíveis do que versões snapshot datadas.
-
Otimize a estratégia de invocação
- Reduza a frequência de invocação: Ao receber
Requests rate limit exceededouYou exceeded your current requests list, reduza a frequência de chamadas à API. - Reduza o consumo de tokens: Ao receber
Allocated quota exceededouYou exceeded your current quota, encurte a entrada ou limite o comprimento da saída. - Suavize a taxa de solicitações: Ao receber
Request rate increased too quickly, use agendamento em taxa uniforme, backoff exponencial ou filas de solicitações para distribuir as requisições de forma equilibrada e evitar picos instantâneos.
- Reduza a frequência de invocação: Ao receber
-
Adicione um modelo de backup
Após a limitação de taxa ser acionada, alterne para um modelo de backup para continuar a geração, o que reduz a probabilidade de falha e aumenta o throughput. O código a seguir chama
qwen-pluse, quando a limitação de taxa é acionada, alterna automaticamente paraqwen-flashpara tentar novamente. Você também pode escolher modelos de séries diferentes (como qwen-flash) como modelos de backup para reduzir ainda mais o risco de o modelo principal e o de backup serem limitados simultaneamente.Código de exemplo
- Divida as tarefas: Conversas longas ou documentos grandes consomem rapidamente um grande número de tokens. Divida grandes tarefas em lotes menores e envie-os em intervalos de tempo distintos.
- Lotes: Quando não for necessária uma resposta em tempo real, use Lotes (Batch API). Solicitações em lote não estão sujeitas às restrições de limitação de taxa em tempo real, mas é preciso considerar o tempo de enfileiramento e processamento.
Como controlar o uso de tokens ou os custos?
A limitação de taxa restringe apenas a taxa de chamadas por unidade de tempo e não limita o uso cumulativo. Se você precisa controlar o uso de tokens ou os custos, gerencie por meio dos seguintes métodos:
- Defina limites de consumo e alertas de cobrança: No cartão Bills and fees, configure fee alerts, ative limites mensais de consumo e notificações de limiar. Você será alertado ao atingir o limiar, evitando gastos excessivos. Para mais informações, consulte Consulta de faturamento e gerenciamento de custos.
- Ative o Free Quota Only: Para modelos compatíveis com cota gratuita, você pode ativar Free Quota Only; após o esgotamento da cota gratuita, as chamadas param automaticamente para evitar custos adicionais. Para mais informações, consulte Cota gratuita para novos usuários.
- Monitore o uso dos modelos: Verifique regularmente o uso de tokens de cada modelo e detecte crescimentos anômalos a tempo. Consulte Como visualizar o volume de chamadas do modelo? acima.