Limites de Taxa da API OpenAI: Como Corrigir Erros 429 e Manter Seu Aplicativo Funcionando
Índice:
Os limites de taxa da API OpenAI limitam quantas requisições e tokens seu app pode enviar por minuto e por dia.
Ultrapasse um, ou deixe sua conta atingir um crédito, gastos ou limite de uso, e a API retorna um erro 429 em vez de uma resposta.
Seus usuários veem uma falha, e fazer retry às cegas geralmente piora.
Este guia mostra como diferenciar os diferentes erros 429, como os limites do OpenAI funcionam, e como corrigi-los com código de retry em Python.
Também cobre o que fazer quando os limites de um provedor não são suficientes, como enviar tráfego por uma API compatível com OpenAI que faz retry e falha para outros provedores por você.
Qual erro 429 você tem
A página de códigos de erro do OpenAI lista seis causas diferentes para um 429.
Verifique a mensagem ou o campo de código no corpo do erro, depois encontre abaixo.
| Erro (mensagem ou código) | O que significa | Como corrigir |
|---|---|---|
| Rate limit reached for requests | Você está enviando requisições muito rápido | Desacelere e retry com backoff, seguindo o header Retry-After |
| slow_down | Sua taxa de requisição subiu muito rápido | Reduza sua taxa, depois aumente gradualmente |
| credit_balance_exhausted | Sua organização não tem créditos pré-pagos restantes | Adicione créditos; retry não vai ajudar |
| organization_spend_limit_exceeded | A organização atingiu seu próprio limite de gastos | Aumente ou remova o limite de gastos da organização |
| project_spend_limit_exceeded | Um projeto atingiu seu limite de gastos | Aumente ou remova o limite nas configurações do projeto |
| organization_usage_limit_exceeded | Você atingiu o limite de uso que OpenAI atribuiu à sua organização | Solicite um limite mais alto ou contate o suporte |
Os dois primeiros são limites de taxa verdadeiros: espere e eles desaparecem.
Os últimos quatro são limites de conta: nenhuma quantidade de retry os corrige, então seu código deve parar e alertar alguém.
No SDK do Python, todos levantam RateLimitError.
Como funcionam os limites de taxa da API OpenAI
OpenAI mede seu tráfego de várias maneiras ao mesmo tempo, e atingir qualquer um deles retorna um 429:
-
RPM: requisições por minuto
-
RPD: requisições por dia
-
TPM: tokens por minuto
-
TPD: tokens por dia
-
IPM: imagens por minuto, para modelos de imagem
Você pode estar bem abaixo do seu RPM e ainda ser bloqueado no TPM se seus prompts forem longos.
Cada limite é definido por modelo, então mover um trabalho para um modelo diferente lhe dá um subsídio separado, a menos que os dois modelos compartilhem um limite (a página de limites da sua organização lista limites compartilhados).
Os limites de taxa OpenAI se aplicam no nível de organização e projeto, não por usuário ou por chave de API. Cada chave em um projeto extrai do mesmo pool, então um trabalho em lote pode usar a capacidade que sua feature voltada para cliente precisa.
Criar mais chaves não aumenta seus limites.
Dois detalhes pegam muitas equipes.
📌 Primeiro, requisições falhadas contam para seus limites por minuto, então um loop de retry apertado piora o problema.
📌 Segundo, OpenAI estima o uso de token de uma requisição pelo maior valor de max_tokens ou sua própria estimativa, então um max_tokens alto usa TPM mesmo quando a resposta real é curta.
Tiers de uso e como aumentar seus limites
Seus limites dependem de seu tier de uso, que é baseado em quanto você já gastou em créditos no total. No momento da escrita, o guia de limites de taxa do OpenAI lista estes tiers:
| Tier | Qualificação | Limite de uso mensal |
|---|---|---|
| Free | Localizado em uma geografia permitida | $100 |
| Build | $5 em compras totais de créditos | $500 |
| Launch | $100 em compras totais de créditos | $5.000 |
| Grow | $500 em compras totais de créditos | $200.000 |
Você sobe automaticamente uma vez que suas compras totais atingem o próximo limite.
Você também pode escolher Upgrade tier em Settings > Organization > Limits.
Seu RPM e TPM exatos para cada modelo estão nessa mesma página de Limits.
OpenAI muda tiers e limites de tempos em tempos, então verifique essa página em vez de confiar em números em posts de blog.
Lendo os headers de rate-limit
Cada resposta inclui headers que mostram quanto do seu limite restou:
| Header | O que diz |
|---|---|
| x-ratelimit-limit-requests / x-ratelimit-limit-tokens | Seus limites de requisição e token atuais |
| x-ratelimit-remaining-requests / x-ratelimit-remaining-tokens | Quantos você tem restantes na janela atual |
| x-ratelimit-reset-requests / x-ratelimit-reset-tokens | Quanto tempo até a janela resetar |
| x-ratelimit-limit-project-tokens, -remaining-project-tokens, -reset-project-tokens | O mesmo, para o limite de token do seu projeto |
| Retry-After | Quanto tempo esperar antes de fazer retry; trate como um mínimo |
Em Python, use with_raw_response para vê-los:
from openai import OpenAI
client = OpenAI()
raw = client.chat.completions.with_raw_response.create(
model="MODEL_ID",
messages=[{"role": "user", "content": "Hello"}],
)
print(raw.headers.get("x-ratelimit-remaining-requests"))
print(raw.headers.get("x-ratelimit-remaining-tokens"))
completion = raw.parse() # o objeto de resposta normal
Como corrigir e prevenir erros de limite de taxa OpenAI
Essas correções funcionam para limites de taxa verdadeiros, os erros "Rate limit reached" e slow_down. Para erros de crédito, gastos e limite de uso, mude as configurações de conta descritas na tabela acima.
Passo 1: Retry com backoff exponencial e jitter
Quando uma requisição tem limite de taxa, espere e tente novamente, dobrando a espera cada vez e adicionando um pouco de aleatoriedade (jitter) para que muitos clientes não façam retry no mesmo momento. Sempre respeite Retry-After quando OpenAI o envia, e limite o número de tentativas e a espera total.
O SDK OpenAI já faz retry de alguns erros por si só.
Se você escrever seu próprio loop, defina max_retries=0 no cliente para que os dois não se acumulem.
import random
import time
from openai import OpenAI, RateLimitError, InternalServerError
client = OpenAI(max_retries=0) # nós tratamos retries
# 429s que retrying não pode corrigir
ACCOUNT_CAPS = {
"credit_balance_exhausted",
"organization_spend_limit_exceeded",
"project_spend_limit_exceeded",
"organization_usage_limit_exceeded",
}
def create_with_backoff(max_attempts=6, max_wait=60, kwargs):
delay = 1.0
for attempt in range(1, max_attempts + 1):
try:
return client.chat.completions.create(kwargs)
except (RateLimitError, InternalServerError) as err:
if getattr(err, "code", None) in ACCOUNT_CAPS or attempt == max_attempts:
raise
retry_after = err.response.headers.get("retry-after")
wait = max(delay, float(retry_after)) if retry_after else delay
time.sleep(min(wait + random.uniform(0, wait * 0.25), max_wait))
delay = 2
response = create_with_backoff(
model="MODEL_ID",
messages=[{"role": "user", "content": "Summarize this ticket in two lines."}],
)
InternalServerError está incluído porque OpenAI também pede que você faça retry de erros 503 "model temporarily overloaded" com backoff.
Passo 2: Defina max_tokens perto do que você precisa
Porque OpenAI conta o maior entre max_tokens e sua própria estimativa contra seu TPM, um max_tokens de 4.000 em uma requisição que retorna 300 tokens desperdiça a maioria desse subsídio.
Defina perto do seu comprimento de saída real e você pode ajustar mais requisições no mesmo limite.
Passo 3: Agrupe trabalho, ou use a Batch API
Se você atingir seu limite de requisição mas tiver tokens sobrando, combine várias tarefas pequenas em uma requisição.
Para trabalho que não precisa de resposta imediata, como classificação noturna ou embeddings em massa, use a Batch API do OpenAI.
Trabalhos em lote têm seu próprio limite de fila e não usam seus limites de taxa síncronos.
Passo 4: Limite requisições do seu lado
Retries reagem a erros depois que acontecem.
Um limitador de taxa do lado cliente os previne: rastreie quantas requisições e tokens você enviou no último minuto e retenha novas requisições quando estiver perto do seu limite.
Uma fila compartilhada ou limitador de token-bucket funciona bem quando vários workers chamam a API com o mesmo projeto.
Passo 5: Aumente o tráfego gradualmente
O erro slow_down significa que seu tráfego cresceu muito rápido, por exemplo quando você ativa uma feature grande de uma vez.
Uma vez que você está acima de 1 milhão de tokens de entrada por minuto, OpenAI pede que você aumente o tráfego por não mais de 50% a cada 15 minutos.
Implante novas features de alto volume em etapas.
Monitore seus limites antes deles morderem
A maioria das equipes descobre limites de taxa de um usuário furioso. Um pouco de monitoramento avisa primeiro:
-
Registre os headers. Grave x-ratelimit-remaining-requests e x-ratelimit-remaining-tokens em cada chamada, marcados por modelo e projeto.
-
Alerte sobre margem. Avise quando a capacidade restante cai regularmente abaixo de uma parcela definida do seu limite, por exemplo 20%, para que você possa aumentar seu tier ou mover tráfego antes de requisições falharem.
-
Rastreie a taxa de 429. Conte 429s por modelo e projeto, e mantenha erros de limite de conta separados de limites de taxa verdadeiros, porque precisam de pessoas diferentes para corrigi-los.
-
Observe limites de gastos também. Um limite de gastos de projeto definido meses atrás pode começar a bloquear tráfego conforme o uso cresce.
Quando um provedor não é suficiente
Backoff lida com picos curtos. Não pode corrigir demanda consistentemente mais alta que seus limites, e não pode ajudar quando o próprio OpenAI está sobrecarregado ou fora.
Nesse ponto você tem três opções:
-
Aumente seus limites. Suba um tier, ou peça ao OpenAI por um limite de uso mais alto.
-
Mova trabalho do caminho crítico. Envie qualquer coisa que possa esperar para a Batch API.
-
Distribua tráfego entre modelos e provedores. Envie algumas requisições para outro modelo com seu próprio limite, e faça failover para outro provedor quando um retorna erros. Um LLM router automatiza isso.
A terceira opção é onde um gateway compatível com OpenAI ajuda. A API compatível com OpenAI do ScriptRun funciona com o SDK OpenAI que você já usa, então você muda apenas a URL base e chave.
Adiciona retries automáticos com backoff, idempotência a nível de requisição então uma chamada retentada não é processada duas vezes, failover entre provedores durante outages, e chaves, limites e quotas por projeto então um workload não pode inanição outro.
Seu código continua chamando um endpoint, e você não está amarrado aos limites de taxa de um único provedor.
E quanto aos limites de taxa do Azure OpenAI
O Azure OpenAI tem seu próprio sistema de quota. Limites são gerenciados no Azure para cada implementação de modelo, não no dashboard do OpenAI, e você os aumenta através do Azure.
O conselho de tratamento de erro neste guia ainda se aplica:
💡 Faça retry de 429s com backoff, honre Retry-After, e mantenha max_tokens realista.
Perguntas Frequentes sobre Limites de Taxa da API OpenAI
Por que recebo um erro 429 na minha primeira solicitação?
Isso é quase sempre um limite de conta, não um limite de taxa. Verifique o código de erro. credit_balance_exhausted significa que sua organização não tem créditos pré-pagos, o que é comum em contas novas. Adicione créditos e tente novamente.
Como aumento meu limite de taxa da API OpenAI?
Seus limites aumentam automaticamente conforme suas compras totais de crédito o movem para um nível de uso superior. Você também pode escolher Atualizar nível em Configurações > Organização > Limites. Organizações com volume muito alto podem consultar a OpenAI sobre capacidade dedicada maior.
Os pedidos falhados contam para os limites de taxa da OpenAI?
Sim. Solicitações malsucedidas contam para seus limites por minuto, portanto tentar novamente imediatamente e repetidamente piora o problema. Use backoff exponencial.
Qual é a diferença entre RPM e TPM?
RPM limita quantas solicitações você envia por minuto. TPM limita quantos tokens essas solicitações usam, incluindo tokens de entrada e a permissão de saída definida por max_tokens. Você pode atingir qualquer um primeiro: muitas solicitações curtas atingem RPM, algumas longas atingem TPM.
A API em Lote tem limites de taxa?
Sim, mas são separados. Os trabalhos em lote contam contra um limite de fila baseado nos tokens de entrada aguardando cada modelo, e não usam seus limites normais por minuto. Os limites e códigos de erro da OpenAI foram verificados pela última vez em 11 de novembro de 2026 em relação às páginas de limites de taxa e códigos de erro da OpenAI.
Publicações relacionadas
API de LLM mais barata em 2026: preços verificados por 1 milhão de tokens
Qual é a API de LLM mais barata? Preços verificados da OpenAI, Claude, Gemini, DeepSeek, Qwen, Mistral e Groq, além de custos reais de carga de trabalho e taxas ocultas.
Marketplace de Agentes de IA: os 10 melhores lugares para encontrar, executar e vender agentes de IA em 2026
O que é um marketplace de agentes de IA, 10 principais plataformas comparadas por custo para testar e quem pode vender, uma lista de verificação de segurança e como listar o seu próprio agente em 2026.
API LLM Gratuita: Quais Provedores Ainda São Gratuitos em 2026 (Limites, Chaves e Pegadinhas)
Cada API LLM gratuita que vale a pena usar em 2026, verificada contra documentação oficial: camadas gratuitas versus créditos, limites, termos de dados, como obter uma chave e código de fallback.
API Compatível com OpenAI: O Que É, Quem Suporta e Como Mudar com Segurança
Um guia de API compatível com OpenAI: URLs base para 15 provedores, o que quebra quando você muda, um teste de fumaça pronto para copiar e colar e uma lista de verificação de migração segura.








