Límites de peticiones de la API de Unlimited AI explicados
¿Puedes hacer llamadas ilimitadas a la API de unlimited ai? No hay cupo mensual en esta API, pero hay dos límites de velocidad: peticiones por minuto y peticiones simultáneas. Esto es lo que significan en la práctica y cómo escribir código que se mantenga dentro de ellos.
Actualizado
Puntos clave
- Una clave completa permite 300 peticiones por minuto y 8 peticiones concurrentes; una clave de prueba permite 60 y 2.
- 429 con código rate_limited significa demasiadas por minuto; código concurrency significa demasiadas a la vez.
- Una petición en streaming ocupa su espacio de concurrencia hasta que finaliza la transmisión.
- Usa un semáforo de 8 y reintenta 429 con backoff, respetando Retry-After.


Los dos límites, lado a lado
Para peticiones a la API de AI sin tope mensual, estás cubierto: la facturación es prepago y por token, sin cuota de peticiones. Lo que limita el rendimiento es un par de límites de peticiones que protegen las GPU compartidas.
| Tipo de clave | Peticiones por minuto | Peticiones simultáneas |
|---|---|---|
| Clave completa | 300 | 8 |
| Clave de prueba | 60 | 2 |
Otros límites fijos: un cuerpo de petición de hasta 8 MB y una ventana de contexto de 100.000 tokens (prompt más completion). Estos aplican por petición, no por minuto.
Los dos límites de peticiones son independientes. Puedes exceder el límite de concurrencia enviando solo 20 peticiones por minuto si cada una tarda mucho, y puedes exceder el límite por minuto con llamadas muy rápidas y cortas.
Qué significan los números para cargas de trabajo reales
Una forma rápida de dimensionar tu carga de trabajo es la ley de Little: peticiones concurrentes = tasa de llegada x duración promedio.
- Chatbot, 100 usuarios activos. Si cada uno envía un mensaje cada 60 segundos, eso son 100 peticiones por minuto, muy por debajo de 300. Cada respuesta tarda unos 10 segundos, así que la concurrencia promedio es (100 / 60) x 10, aproximadamente 17. Eso excede 8, así que necesitas colas, no solo un bucle de reintento.
- Lote de 10.000 prompts cortos. A 300 por minuto, el tiempo mínimo de ejecución es 10.000 / 300 = 33.3 minutos. Para alcanzar 300 por minuto con 8 slots, las llamadas deben promediar 1.6 segundos (8 x 60 / 300). Las llamadas más largas desplazan el cuello de botella a la concurrencia: a 8 segundos por llamada, 8 slots dan 60 llamadas por minuto y el trabajo tarda unos 167 minutos.
- Desarrollador único escribiendo scripts. Una o dos peticiones a la vez nunca se acercan a ninguno de los límites.
La lección es que para generaciones largas, la concurrencia es casi siempre el límite que alcanzas primero. Las salidas cortas superan el techo por minuto.
Leyendo los encabezados de límite de velocidad
Cada respuesta lleva encabezados que puedes registrar o usar para adaptarte:
X-RateLimit-Limit-Requests: tu límite por minuto.X-RateLimit-Limit-Concurrency: tu límite de concurrencia.X-Balance-USD: crédito restante.X-Request-Id: indícalo al soporte técnico si algo parece incorrecto.
Con el SDK de Python de OpenAI, usa el wrapper de respuesta cruda para verlos:
from openai import OpenAI
client = OpenAI(base_url="https://api.unlimitedaiapi.com/v1", api_key="YOUR_KEY")
raw = client.chat.completions.with_raw_response.create(
model="uncensored",
messages=[{"role": "user", "content": "Reply with one word."}],
)
print(raw.headers.get("X-RateLimit-Limit-Requests"))
print(raw.headers.get("X-RateLimit-Limit-Concurrency"))
print(raw.headers.get("X-Balance-USD"))
completion = raw.parse()
print(completion.choices[0].message.content)
Verifica esto una vez al inicio y dimensiona tu grupo de trabajadores desde el valor de concurrencia en lugar de codificar 8. Así el mismo código funciona para una clave de prueba y una clave completa.
Qué te indica un 429
Superar un límite devuelve HTTP 429 con un código de error:
rate_limited: demasiadas peticiones por minuto. Ralentiza.concurrency: demasiadas peticiones en vuelo. Espera a que una termine.
La API también devuelve 429 con un encabezado Retry-After: 5 cuando está temporalmente sobrecargada. En todos los casos, la respuesta correcta es la misma: espera, luego intenta de nuevo, usando el valor del encabezado si está presente.
Una trampa con streaming: una petición en streaming ocupa su ranura de concurrencia hasta que termina el flujo. Si un cliente abre un flujo y luego deja de leer, o una interfaz deja conexiones pendientes, esas ranuras permanecen ocupadas. Cierra siempre los flujos que abandones.
Un ejecutor por lotes que respeta ambos límites
Este script mantiene como máximo 8 peticiones en vuelo, espacia los inicios para mantenerse por debajo de 300 por minuto, y reintenta los 429 con backoff. Ajusta CONCURRENCY y RPM para una clave de prueba.
import asyncio, random
from openai import AsyncOpenAI, RateLimitError
client = AsyncOpenAI(base_url="https://api.unlimitedaiapi.com/v1", api_key="YOUR_KEY", max_retries=0)
CONCURRENCY, RPM = 8, 300
sem = asyncio.Semaphore(CONCURRENCY)
interval = 60 / RPM # 0.2 s between starts
async def call(prompt, attempt=0):
async with sem:
try:
r = await client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": prompt}],
)
return r.choices[0].message.content
except RateLimitError as e:
if attempt >= 6:
raise
wait = float(e.response.headers.get("Retry-After", 5)) + random.random()
await asyncio.sleep(wait * (1.5 ** attempt))
return await call(prompt, attempt + 1)
async def main(prompts):
tasks = []
for p in prompts:
tasks.append(asyncio.create_task(call(p)))
await asyncio.sleep(interval)
return await asyncio.gather(*tasks)
results = asyncio.run(main(["Summarise: ..."] * 50))
El semáforo se libera mientras duerme en un 429, así que otras tareas siguen avanzando. Establecer max_retries=0 en el cliente evita que el SDK haga sus propios reintentos ocultos encima de los tuyos.
Consejos de diseño para alto volumen
- Cola, no fan out. Una cola de trabajos con 8 trabajadores supera el generar un hilo por petición y reintentar.
- Añade jitter. Si muchos trabajadores retroceden por el mismo tiempo, todos regresan juntos y colisionan de nuevo.
- Limita la salida. Establecer
max_tokensreduce la duración de la llamada, lo que aumenta el throughput efectivo bajo el límite de concurrencia. - Prefiere menos prompts, más grandes cuando la tarea lo permita, por ejemplo clasificando 20 elementos por petición en lugar de uno. Eso reduce la cantidad de peticiones por 20x. Cuida la ventana de 100.000 tokens.
- Rastrea el costo junto con la velocidad. A $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida, un trabajo de 10.000 peticiones de 2.000 tokens de entrada y 300 de salida cuesta $4,50. Consulta la página de precios para montos de recarga y bonificaciones.
Si los límites de clave completa son demasiado bajos para tu producto, dilo a través de la página de soporte con tu tasa de peticiones esperada y la longitud promedio de salida.
Errores comunes que parecen límites
Algunos fallos parecen limitación de velocidad pero tienen otra causa.
Tormentas de reintento
Un cliente que reintenta al instante en cada 429 empeora el problema. Diez trabajadores reintentando sin retraso mantienen el contador por minuto pegado al techo, así que ninguno de ellos tiene éxito. El backoff con jitter no es opcional en volumen.
Contar peticiones, no intentos
Tus reintentos cuentan como peticiones también. Si tu plan es 300 por minuto y el 20% de las llamadas son reintentadas, tu demanda real es 360. Presupuéstalo ejecutando el bucle inicial a aproximadamente el 80% del límite, por ejemplo 240 por minuto.
Timeouts que cancelan trabajo
Si tu cliente abandona después de 30 segundos pero el servidor aún está generando, puedes abrir una petición de reemplazo mientras la primera aún mantiene un slot. Establece timeouts de cliente por encima de tu generación más larga esperada, o reduce max_tokens.
Prueba manual rápida
Para ver un límite activarse intencionalmente con una clave de prueba, dispara tres peticiones al mismo momento:
for i in 1 2 3; do
curl -s -o /dev/null -w "%{http_code}
" https://api.unlimitedaiapi.com/v1/chat/completions -H "Authorization: Bearer YOUR_KEY" -H "Content-Type: application/json" -d '{"model":"uncensored","messages":[{"role":"user","content":"Write a 300 word story."}]}' &
done; wait
En una clave de prueba (2 concurrentes) deberías ver dos respuestas 200 y una 429.
A dónde ir a continuación
Obtén una clave en la página de clave de API; el crédito de prueba de un clic es suficiente para probar tu lógica de reintento contra 429 reales, ya que los límites de 60 por minuto y 2 concurrentes de la clave de prueba son fáciles de exceder a propósito. La documentación enumera todos los endpoints, y las notas de LangChain y agentes muestran cómo limitar la concurrencia dentro de frameworks de agentes, donde una tarea de usuario puede generar varias llamadas paralelas.
Más guías
Preguntas y respuestas
¿Hay un límite diario o mensual de llamadas a la API?
No. La facturación es prepago por token y no hay cuota de llamadas. Solo se aplican los límites por minuto y de concurrencia.
¿Qué sucede cuando excedo 300 peticiones por minuto?
La API responde con HTTP 429 y código de error rate_limited. Espera y reintenta, usando la cabecera Retry-After si está presente.
¿Por qué obtengo un error de concurrencia con poco tráfico?
Las generaciones largas y los streams abiertos mantienen un slot hasta que terminan. Ocho peticiones lentas son suficientes para llenar una clave completa, así que limita max_tokens y cierra los streams no utilizados.
¿Se facturan las respuestas 429?
No. Las peticiones fallidas o rechazadas no se cobran.
Tu clave está a un formulario de distancia
Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.