Skip to main content

Rate limiting

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.
Caso o valor do limite de TPM não atenda às necessidades do seu negócio, entre em contato com seu gerente de contas para solicitar um aumento de cota.
  • 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)
ModeloEscopo de implantação do serviçoCondições 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-maxInternacionalLimitação de taxa dinâmica
qwen3.8-maxInternacionalLimitação de taxa dinâmica
qwen3.8-max-0902InternacionalLimitação de taxa dinâmica
qwen3.8-flashInternacionalLimitação de taxa dinâmica
qwen3.7-maxInternacional6001.000.000
qwen3.7-max-2026-06-08Internacional601.000.000
qwen3.7-max-2026-05-20Internacional601.000.000
qwen3.7-max-previewInternacional6001.000.000
qwen3.7-max-2026-05-17Internacional6001.000.000
qwen-max
A limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API.
Internacional6001.000.000
qwen3.7-plusInternacional15.0005.000.000
qwen3.7-plus-2026-05-26Internacional601.000.000
qwen3.6-plusInternacional15.0005.000.000
qwen3.6-plus-2026-04-02Internacional601.000.000
qwen3.7-flashInternacional15.0005.000.000
qwen3.7-flash-2026-07-15Internacional15.0005.000.000
qwen3.6-flashInternacional15.0005.000.000
qwen3.6-flash-2026-04-16Internacional601.000.000
qwen3.5-plusInternacional15.0005.000.000
qwen3.5-plus-2026-04-20Internacional6001.000.000
qwen3.5-plus-2026-02-15Internacional601.000.000
qwen-plus
A limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API.
Internacional6001.000.000
qwen-plus-latestInternacional6001.000.000
qwen-plus-2025-12-01Internacional1201.000.000
qwen-plus-2025-07-14(qwen-plus-0714)Internacional60100.000
qwen-plus-2025-04-28(qwen-plus-0428)Internacional601.000.000
qwen-plus-2025-01-25(qwen-plus-0125)Internacional60100.000
qwen3.5-flashInternacional15.0005.000.000
qwen3.5-flash-2026-02-23Internacional601.000.000
qwen-flash
A limitação de taxa não se aplica a chamadas de serviço feitas com o Batch API.
Internacional6005.000.000
qwen-flash-2025-07-28Internacional6005.000.000

Qwen-VL (compreensão visual/imagem para texto)

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
  • Hong Kong (China)
ModeloEscopo de implantação do serviçoCondições 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-plusInternacional1.2001.000.000

Qwen Omni (omnimodal)

  • Singapura
  • China do Norte 2 (Pequim)
  • Hong Kong (China)
  • Japão (Tóquio)
  • Alemanha (Frankfurt)
  • EUA (Virgínia)
ModeloEscopo de implantação do serviçoCondições 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-flashInternacional30.000Limitação de taxa dinâmica
qwen3.5-omni-flashInternacional60100.000
qwen3.5-omni-flash-2026-03-15Internacional60100.000
qwen3.5-omni-plusInternacional60100.000
qwen3.5-omni-plus-2026-03-15Internacional60100.000
qwen3-omni-flashInternacional60100.000

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)
ModeloEscopo de implantação do serviçoCondições 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-realtimeInternacional602.000.000
qwen3.5-omni-plus-realtimeInternacional60100.000
qwen3.5-omni-plus-realtime-2026-03-15Internacional60100.000
qwen3.5-omni-flash-realtimeInternacional60100.000
qwen3.5-omni-flash-realtime-2026-03-15Internacional60100.000
qwen3-omni-flash-realtime-2025-09-15Internacional60100.000

Qwen-OCR (extração de texto)

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
ModeloEscopo de implantação do serviçoCondições 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-ocrInternacional6006.000.000
qwen-vl-ocr-2025-11-20Internacional1.2006.000.000

Qwen-Coder

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
ModeloEscopo de implantação do serviçoCondições 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-flashInternacional6005.000.000
qwen3-coder-flash-2025-07-28Internacional6005.000.000

Modelo de tradução Qwen

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
ModeloEscopo de implantação do serviçoCondições 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-plusInternacional60100.000
qwen-mt-flashInternacional60100.000
qwen-mt-liteInternacional60100.000

Modelo de mineração de dados Qwen

  • China do Norte 2 (Pequim)
ModeloCondições 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-turbo6003.000.000

Modelo de pesquisa profunda Qwen

  • China do Norte 2 (Pequim)
ModeloCondições 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-research1201.200.000

Modelo de linguagem Qwen de código aberto

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
ModeloEscopo de implantação do serviçoCondições 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-a95bInternacionalLimitação de taxa dinâmica
qwen3.8-27bInternacionalLimitação de taxa dinâmica
qwen3.6-35b-a3bInternacional6001.000.000
qwen3.6-27bInternacional6001.000.000
qwen3.5-397b-a17bInternacional6001.000.000
qwen3.5-122b-a10bInternacional6001.000.000
qwen3.5-27bInternacional6001.000.000
qwen3.5-35b-a3bInternacional6005.000.000

DeepSeek

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
  • Japão (Tóquio)
  • Hong Kong (China)
ModeloEscopo de implantação do serviçoCondições 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-1017InternacionalLimitação de taxa dinâmica
deepseek-v4.1-flashInternacionalLimitação de taxa dinâmica
deepseek-v4-proInternacional10.0001.200.000
deepseek-v4-pro-0813InternacionalLimitação de taxa dinâmica
deepseek-v4-flash-0731Internacional15.0001.200.000

Kimi

  • China do Norte 2 (Pequim)
  • EUA (Virgínia)
  • Alemanha (Frankfurt)
  • Hong Kong (China)
  • Japão (Tóquio)
  • Singapura
ModeloCondições 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-pro15000Limitação dinâmica de taxa
kimi-k3Limitação de taxa dinâmica
kimi-k2.7-code5001.000.000
kimi-k2.65001.000.000
kimi-k2.55001.000.000

MiniMax

  • China do Norte 2 (Pequim)
ModeloCondições 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-M2.55001.000.000

GLM

  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
  • Alemanha (Frankfurt)
  • Singapura
  • Hong Kong (China)
  • Japão (Tóquio)
ModeloEscopo de implantação do serviçoCondições 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-5.3Global15.0001.200.000
glm-5.3Estados Unidos15.0001.200.000
glm-5.2Global5001.000.000
glm-5.2Estados Unidos5001.000.000
glm-5.1Global5001.000.000

Fornecimento direto GLM-Z.AI

  • Singapura
ModeloCondições 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-5.32003.000.000
ZHIPU/GLM-5.22003.000.000

MindLab

  • Singapore
ModeloCondições 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-tall3003.000.000
mindlab/macaron-v1.1-venti6005.000.000
mindlab/macaron-v1.1-coding-venti6005.000.000

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
ModeloCondições de limitação de taxa (acionadas se qualquer valor for excedido)
Chamadas por minuto (RPM)Número de tarefas simultâneas sendo processadas
vidu/vidu-image_reference2image3005
Sob 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

Para consultar os limites de taxa de 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
ModeloCondições de limitação de taxa (acionadas se qualquer valor for excedido)
Chamadas por segundo (RPS)Número de tarefas sendo processadas simultaneamente (concorrência)
vidu/viduq3-mix_reference2video55
Sob 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_reference2video5
vidu/viduq3-drama_reference2video5
vidu/viduq2-pro-fast_img2video5

Série PixVerse

  • Singapura
ModeloCondições de limitação de taxa (acionadas se qualquer valor for excedido)
Chamadas por segundo (RPS)Número de tarefas sendo processadas simultaneamente (concorrência)
pixverse/pixverse-v6-t2v55
Sob 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-it2v5
pixverse/pixverse-v6-kf2v5
pixverse/pixverse-v6-r2v5

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 modeloEscopo de implantação do serviçoRequisições por minuto (RPM)
qwen-audio-3.1-asr-flash-streamingInternacional1.200
qwen-audio-3.0-asr-flash-streamingInternacional

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 modeloEscopo de implantaçãoRequisições por minuto (RPM)
qwen-audio-3.1-asr-flash-messageInternacional1200

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)
ModeloEscopo de implantação do serviçoRequisições por minuto (RPM)
qwen-audio-3.1-tts-plusInternacional180
qwen-audio-3.1-tts-flashInternacional180
qwen-audio-3.0-tts-plusInternacional180
qwen-audio-3.0-tts-flashInternacional180

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)
ModeloRequisições por minuto (RPM)
qwen-audio-3.1-tts-next180

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)
ModeloEscopo de implantação do serviçoCondições 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-plusInternacional60100.000
qwen-audio-3.1-realtime-flashInternacional60100.000
qwen-audio-3.0-realtime-plusInternacional60100.000
qwen-audio-3.0-realtime-flashInternacional60100.000

Tradução de áudio e vídeo

Qwen3-LiveTranslate-Flash

  • Singapura
  • China do Norte 2 (Pequim)
ModeloEscopo de implantação do serviçoCondições 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-flashInternacional100100.000
qwen3-livetranslate-flash-2025-12-01Internacional100100.000

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)
ModeloEscopo de implantação do serviçoCondições 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-realtimeInternacional10100.000
qwen3.5-livetranslate-flash-realtimeInternacional
qwen3.5-livetranslate-flash-realtime-2026-05-19Internacional

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)
ModeloEscopo de implantação do serviçoCondições 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-embeddingInternacional24.0001.000.000
text-embedding-v4Internacional1.8001.000.000
text-embedding-v3Internacional6.00024.000.000
  • Singapura
  • China do Norte 2 (Pequim)
ModeloEscopo de implantação do serviçoCondições de limitação de taxa
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)
Apenas tokens de entrada.
tongyi-embedding-vision-plusInternacional600200.000
tongyi-embedding-vision-flashInternacional600200.000
  • Singapura
  • China do Norte 2 (Pequim)
ModeloEscopo de implantação do serviçoCondições de limitação de taxa
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)
Apenas tokens de entrada.
qwen3-rerankInternacional5.4005.000.000.000

Indústria

Reconhecimento de intenção

  • China do Norte 2 (Pequim)
ModeloCondições 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-v31.2001.000.000

Assunção de papel

  • Singapura
  • EUA (Virgínia)
  • China do Norte 2 (Pequim)
ModeloEscopo de implantação do serviçoCondições 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-characterInternacional120500.000
qwen-flash-characterInternacional120500.000
qwen-plus-character-jaInternacional120500.000

Modelo de decisão

  • Singapura
  • China (Pequim)
Nome do modeloLimites 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-preview1.2002.000.000

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 exceeded ou You exceeded your current requests list: Limite de solicitações por minuto (RPM) atingido.
  • Allocated quota exceeded ou You 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.
Um pico de solicitações em curto período pode acionar a limitação de taxa mesmo sem exceder os limites por minuto; para detalhes da aplicação por segundo, consulte Regras de limitação de taxa estática.

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?

  1. 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.
  2. Otimize a estratégia de invocação
    • Reduza a frequência de invocação: Ao receber Requests rate limit exceeded ou You exceeded your current requests list, reduza a frequência de chamadas à API.
    • Reduza o consumo de tokens: Ao receber Allocated quota exceeded ou You 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.
  3. 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-plus e, quando a limitação de taxa é acionada, alterna automaticamente para qwen-flash para 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.
    import os
    import asyncio
    from openai import AsyncOpenAI, APIStatusError
    
    # 配置
    API_KEY = os.getenv("DASHSCOPE_API_KEY")
    # 主用模型
    MODEL = "qwen-plus"
    # 备选模型
    BACKUP_MODEL = "qwen-flash"
    # 测试问题
    QUESTION = "你是谁?"
    # 并发设置
    NUM_REQUESTS = 10
    
    client = AsyncOpenAI(
        api_key=API_KEY,
        # 调用时请将WorkspaceId替换为真实的业务空间ID
        base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
    )
    
    async def send_request(model):
        """发送单个请求"""
        try:
            await client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": QUESTION}]
            )
            return True
        except APIStatusError as e:
            if e.status_code == 429:
                print(f"[限流触发] 模型 {model}")
                return False
            raise
        except Exception as e:
            print(f"[请求失败] 模型 {model},错误:{e}")
            return False
    
    async def task(i):
        # 尝试主模型
        if await send_request(MODEL):
            return True
        # 限流时尝试备用模型
        return await send_request(BACKUP_MODEL)
    
    async def main():
        results = await asyncio.gather(*(task(i) for i in range(NUM_REQUESTS)))
        print(f"成功请求: {sum(results)}, 失败请求: {len(results) - sum(results)}")
    
    if __name__ == "__main__":
        asyncio.run(main())
    
  4. 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.
  5. 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.

Ainda haverá limitação de taxa após recarregar a conta?

Recarregar a conta não altera os limites de RPM e TPM dos modelos que usam limitação de taxa estática. Os limites de taxa são configurados no nível da conta primária do Alibaba Cloud e são independentes do faturamento; o recarregamento (pay-as-you-go) apenas garante que a conta não seja suspensa por pagamentos em atraso e não aumenta os limites estáticos. Para modelos que usam limitação de taxa dinâmica, a faixa de limite de TPM é ajustada automaticamente conforme o valor de consumo mensal no Bailian. Se você precisa de cotas de limite de taxa mais altas, entre em contato com seu gerente de conta para solicitar.