Límites de uso de las API: niveles, errores 429 y cómo evitarlos

Los límites de uso de las API (rate limits) fijan cuántas peticiones y cuántos tokens puede enviar tu cuenta a un modelo por minuto o por día, y cuando superas uno la API responde con un error HTTP 429 en lugar de una respuesta. A 23 de octubre de 2026 OpenAI, Anthropic y Google usan niveles de uso automáticos que suben tus límites a medida que gastas más, pero cuentan de forma distinta: Anthropic no tiene en cuenta la entrada en caché ni max_tokens, OpenAI sí cuenta max_tokens y Google añade un límite de gasto cada 10 minutos. Esta guía explica cómo funciona cada uno, qué significa un 429 y cómo dejar de recibirlo, a partir de la documentación de cada fabricante leída el 23 de octubre de 2026.

Qué se cuenta

Todos los fabricantes miden varias cosas a la vez, y chocas con el límite que se agote antes:

• RPM: peticiones por minuto.
• TPM: tokens por minuto. Anthropic lo separa en entrada (ITPM) y salida (OTPM).
• RPD y TPD: peticiones y tokens por día, en algunos modelos y niveles.
• IPM: imágenes por minuto, en los modelos de imagen.

Los límites se aplican a tu organización o proyecto, no a cada clave de API ni a cada usuario. El ejemplo de Google lo deja claro: con un límite de 20 RPM, la petición número 21 de un minuto falla aunque te sobren tokens.

Niveles de cada fabricante

Tabla: niveles de uso (documentación oficial, comprobada el 23 de octubre de 2026)

Para hacerse una idea, el nivel Build de OpenAI permite 5.000 peticiones y 1.000.000 de tokens por minuto en sus modelos Astra, Sol y Terra, y el nivel Start de Anthropic permite 1.000 peticiones, 2.000.000 de tokens de entrada y 400.000 de salida por minuto en Claude Opus 5.5. Nuestras guías del precio de la API de OpenAI y del precio de la API de Claude explican cuánto cuestan esos tokens.

Los detalles que cambian tu diseño

• Anthropic no cuenta las lecturas de caché. En la mayoría de modelos de Claude, solo cuentan para el ITPM la entrada sin caché y los tokens que se escriben en la caché. El ejemplo de Anthropic: con un límite de 2.000.000 de ITPM y un 80 % de aciertos de caché, puedes procesar 10.000.000 de tokens de entrada por minuto. La caché de prompts sirve, por tanto, para ganar capacidad además de para ahorrar.
• max_tokens cuenta en OpenAI, no en Anthropic. OpenAI calcula tu consumo como el mayor entre max_tokens y los tokens estimados de la petición, así que ajústalo al tamaño que esperas. Anthropic cuenta solo los tokens de salida generados de verdad, así que un max_tokens alto no gasta límite.
• Los límites se aplican en ventanas cortas. Anthropic usa un cubo de tokens que se rellena de forma continua y avisa de que 60 RPM pueden aplicarse como 1 petición por segundo, así que una ráfaga puede fallar aunque estés por debajo de la cifra por minuto.
• Crecer de golpe también tiene límite. El error slow_down de OpenAI y los límites de aceleración de Anthropic saltan cuando el tráfico sube demasiado rápido. La regla de OpenAI: a partir de 1 millón de TPM, no crezcas más de un 50 % cada 15 minutos.

No todos los 429 son un límite de velocidad

Un 429 puede significar que has enviado demasiado demasiado rápido, y basta con esperar. Pero también puede significar que has llegado a un límite de gasto, y entonces reintentar no sirve de nada. Cuando una organización de Anthropic llega al tope mensual de su nivel, la API devuelve 429 sin cabecera retry-after hasta las 00:00 UTC del día 1 del mes siguiente, salvo que pidas un límite mayor. OpenAI devuelve 429 cuando alcanzas un límite de gasto estricto que tú mismo configuraste, y su documentación aclara que Retry-After no significa que los errores de cuota o de facturación se arreglen reintentando. Google devuelve 429 RESOURCE_EXHAUSTED con su límite de gasto por 10 minutos. Lee el cuerpo del error antes de reintentar.

Cómo dejar de chocar con el límite

1. Respeta Retry-After. OpenAI y Anthropic lo envían en los 429 temporales. Si no viene, usa un retroceso exponencial con un pequeño retraso aleatorio y limita tanto los intentos como el tiempo total. OpenAI avisa de que las peticiones fallidas también cuentan para tu límite por minuto, así que reenviar al instante lo empeora.
2. Deja que el SDK reintente, pero solo una vez. Los SDK oficiales de OpenAI reintentan solos los errores 429 y 503 que lo admiten; si añades tus propios reintentos, desactiva los del SDK o cuéntalos.
3. Lee las cabeceras. OpenAI devuelve x-ratelimit-remaining-requests y x-ratelimit-remaining-tokens; frena antes de llegar a cero.
4. Pasa el trabajo masivo a lotes. La API por lotes procesa grandes trabajos sin gastar tus límites en tiempo real, y con descuento.
5. Guarda en caché lo que se repite, sobre todo en Claude, donde la entrada en caché no cuenta.
6. Sube el tráfico poco a poco tras un lanzamiento en lugar de encenderlo todo de golpe.

Si después de todo eso necesitas más, cada fabricante tiene un formulario o una opción en la consola para pedir límites mayores. Nuestro resumen de precios de las API de LLM compara los proveedores por coste.