Svaka AI aplikacija koja raste prije ili kasnije dobije istu poruku: HTTP 429, rate limit exceeded. Ograničenja (rate limits) određuju koliko zahtjeva i tokena vaša tvrtka smije poslati u minuti, a limiti potrošnje koliko smije potrošiti u mjesecu. Rijetko su u projektnom planu, a odlučuju hoće li lansiranje, noćna serijska obrada ili užurbano ponedjeljkovo jutro proći bez prekida. Pročitali smo službenu dokumentaciju Anthropica, OpenAI-ja, Googlea, Mistrala i Manusa za 2026. i usporedili razine, ograničenja, limite i obradu grešaka.
Dvije vrste ograničenja: po minuti i po mjesecu
Svi pružatelji kombiniraju dva mehanizma. Ograničenja brzine (rate limits) ograničavaju promet u kratkom vremenskom prozoru: zahtjeve u minuti (RPM) i tokene u minuti (TPM). Limiti potrošnje ograničavaju mjesečni račun. Oba se postavljaju na razini organizacije, a ne korisnika ili API ključa, pa sve aplikacije i svi programeri iste organizacije troše isti bazen, osim ako ga ne podijelite radnim prostorima (workspaces) ili projektima.
Razlike u detaljima su važne. Anthropic odvojeno broji ulazne (ITPM) i izlazne tokene (OTPM); OpenAI i Mistral imaju jedno ograničenje za ulaz i izlaz zajedno. Anthropic koristi algoritam "token bucket" koji se puni kontinuirano umjesto da se resetira na početku svake minute i upozorava da se 60 RPM može provoditi kao jedan zahtjev u sekundi. Kratki naleti zato mogu propasti i kad je zbroj za minutu ispod ograničenja.
Anthropic: Start, Build, Scale i Custom
Anthropic organizacije automatski svrstava u razinu prema povijesti korištenja i stanju računa. Nove organizacije mogu krenuti s razinom Evaluation, ispod standardnih vrijednosti, dok se povijest ne izgradi. Aktualni modeli Claude 5.5 imaju ista standardna ograničenja po razini: 1.000 RPM, 2 milijuna ITPM i 400.000 OTPM na razini Start, 5.000 RPM uz 5 i 1 milijun na razini Build te 10.000 RPM uz 10 i 2 milijuna na razini Scale. Claude Fable 5.x ima vlastita, niža ograničenja. Razina Custom nema objavljenu gornju granicu ni mjesečni limit.
Izvor: Anthropic, "Rate limits" (platform.claude.com/docs/en/api/rate-limits), pročitano 27. listopada 2026. Standardna ograničenja Messages API-ja; Claude Opus 5.5, Sonnet 5.5 i Haiku 5.5 imaju jednaka ograničenja po razini, svaki u vlastitom spremniku. RPM: 1.000 / 5.000 / 10.000 (Fable 5.x: 1.000 / 2.000 / 4.000). Vrijednosti u milijunima.
Svaki model ima vlastiti spremnik. Opus 5.5 i Sonnet 5.5 ne dijele ograničenje, dok stariji modeli dijele jedno (na primjer sve verzije Opus 4.x zajedno). Usmjeravanje jednostavnih zahtjeva na Haiku 5.5 zato dodaje kapacitet umjesto da troši budžet Opusa. Message Batches API također ima zasebna ograničenja: 200.000 zahtjeva u redu čekanja na razini Start, 500.000 na razini Scale, do 100.000 zahtjeva po seriji.
Usporedba mjesečnih limita potrošnje
Mjesečni limit je ograničenje koje većina timova otkrije slučajno. Anthropic ograničava Start na 500 USD, Build na 1.000 USD i Scale na 200.000 USD mjesečno. OpenAI automatski podiže organizacije kako rastu ukupno kupljeni krediti: 5 USD otključava Build (500 USD mjesečno), 100 USD Launch (5.000 USD), a 500 USD Grow (200.000 USD). Google razine Geminija veže uz povezani račun za naplatu u Cloudu: Tier 1 traži aktivan račun za naplatu i ograničen je na 250 USD, Tier 2 traži 100 USD plaćenih i tri dana (2.000 USD), Tier 3 traži 1.000 USD plaćenih i 30 dana (od 20.000 do 100.000 USD i više).
Izvori: Anthropic "Rate limits", OpenAI vodič "Rate limits" (developers.openai.com), Google "Gemini API rate limits" (ai.google.dev), sve pročitano 27. listopada 2026. Anthropicova razina Custom nema limit; Gemini Tier 3 naveden je kao 20.000 do 100.000+ USD. Mistral ne objavljuje limite po razinama; vidljivi su u konzoli.
enforced_spend_limit_reached i bez zaglavlja retry-after. Ponovni pokušaji SDK-a ne uspijevaju dok ne prijeđete na višu razinu. Limit koji sami postavite ispod granice razine vraća HTTP 400. Provjerite gdje ste prije lansiranja proizvoda ili velike serijske obrade, a ne tijekom njih.
OpenAI: Build, Launch i Grow
OpenAI je smanjio broj razina na tri plaćene i besplatnu (100 USD mjesečno u dopuštenim regijama). Standardna ograničenja za modele obitelji GPT-6 Astra, Sol i Terra rastu s 5.000 RPM i 1 milijun TPM na razini Build do 15.000 RPM i 40 milijuna TPM na razini Grow. Model Luna ide do 30.000 RPM i 180 milijuna TPM. Zahtjevi s dugim kontekstom imaju zasebno ograničenje, neke obitelji modela dijele jedno ograničenje, a Batch API broji ulazne tokene u redu čekanja po modelu.
Izvor: OpenAI, vodič "Rate limits" (developers.openai.com/api/docs/guides/rate-limits), pročitano 27. listopada 2026. Standardna ograničenja; način Ultrafast ima zasebna. RPM: Astra, Sol, Terra 5.000 / 10.000 / 15.000; Luna 5.000 / 10.000 / 30.000. OpenAI-jev TPM broji ulaz i izlaz zajedno, Anthropic ih broji odvojeno, pa brojke nisu izravno usporedive.
Google, Mistral i Manus
- Google Gemini objavljuje pravila razina i ograničenja serijske obrade (Tier 1: 5 milijuna tokena u redu za Gemini 4 Argon, Tier 2: 500 milijuna), ali RPM i TPM po modelu vidljivi su samo u Google AI Studiju. Google navodi da ograničenja nisu zajamčena i da se kapacitet može mijenjati. Prioritetna inferencija dobiva 0,3 standardnog ograničenja.
- Mistral mjeri zahtjeve u sekundi, tokene u minuti i tokene u mjesecu, pri čemu se ulaz i izlaz broje zajedno. Besplatna razina namijenjena je evaluaciji i prototipovima; produkcija traži plaćeni plan Scale. Stvarne vrijednosti Mistral prikazuje samo u odjeljku Limits svoje konzole.
- Manus ograničava svoj API za agente po korisniku i po krajnjoj točki, jednako za sve planove: 10 novih zadataka ili dodatnih poruka u minuti, 40 izmjena ili zaustavljanja i 100 čitanja statusa u minuti, 600 upita o potrošnji u minuti. Svi API ključevi jednog korisnika dijele brojač. Za agenta koji po zadatku radi minutama 10 pokretanja u minuti rijetko je usko grlo; to su krediti.
Predmemoriranje upita: najjeftiniji put do veće propusnosti Claudea
Anthropicova ograničenja na prvi pogled izgledaju niža od OpenAI-jevih, ali postoji važna razlika: za gotovo sve aktualne modele Claude tokeni pročitani iz predmemorije ne ulaze u ITPM. Broje se samo nepredmemorirani ulaz i tokeni koji se upisuju u predmemoriju. Uz ograničenje od 2 milijuna ITPM i 80 % pogodaka možete obraditi oko 10 milijuna ulaznih tokena u minuti, a predmemorirani tokeni naplaćuju se i po djeliću normalne cijene.
Izračun Blocksize prema Anthropicovom pravilu da čitanja iz predmemorije ne ulaze u ITPM (većina modela): efektivni ulazni tokeni u minuti = 2.000.000 / (1 − udio pogodaka). Anthropicova dokumentacija navodi primjer od 80 % (10 milijuna). Ograničenje izlaznih tokena (OTPM) i dalje vrijedi.
Najviše dobivaju aplikacije s dugim, stabilnim sistemskim promptom, definicijama alata ili velikim referentnim dokumentom. Isto pravilo čini max_tokens bezopasnim: Anthropic broji samo stvarno generirane izlazne tokene, pa visoka vrijednost max_tokens ne troši OTPM unaprijed. Postavljanje opisujemo u vodiču o predmemoriranju upita.
Kako čitati 429: što ponoviti, a što ne
| Odgovor | Uzrok | Što učiniti |
|---|---|---|
429 uz retry-after | Prekoračen RPM, ITPM, OTPM ili TPM | Pričekajte navedeni broj sekundi, zatim ponovite s eksponencijalnim odgađanjem i slučajnim pomakom (jitter) |
| 429 nakon skoka prometa | Ograničenje ubrzanja (Anthropic) ili "slow_down" (OpenAI) | Postupno podižite promet; rasporedite pokretanje serija |
429, Anthropic enforced_spend_limit_reached | Dosegnut mjesečni limit razine | Ne ponavljajte; zatražite višu razinu |
| 400, "specified API usage limits" | Vaš vlastiti limit potrošnje (Anthropic) | Podignite ili uklonite limit u konzoli |
| 503 "server_is_overloaded" (OpenAI) / 529 (Anthropic) | Privremeno preopterećenje kod pružatelja | Ponovite s odgađanjem; razmislite o rezervnom modelu ili regiji |
I Anthropic i OpenAI vraćaju trenutačno stanje u zaglavljima odgovora (anthropic-ratelimit-input-tokens-remaining, x-ratelimit-remaining-tokens i srodna). Bilježite ih. Pokazuju koliko ste blizu ograničenja mnogo prije prve greške 429 i najbolji su dokaz kad tražite višu razinu.
Šest pravila za produkciju
- Znajte svoju razinu prije lansiranja. Provjerite stranicu s ograničenjima u konzoli ili AI Studiju i zatražite višu razinu tjednima prije kampanje, ne na dan.
- Odvojite opterećenja. Koristite Anthropicove radne prostore ili OpenAI-jeve projekte s vlastitim ograničenjima, da serijska obrada ili test ne izgladne chatbot za korisnike.
- Predmemorirajte sve što se ponavlja. Sistemski promptovi, definicije alata i dugi dokumenti u predmemoriji podižu propusnost Claudea i smanjuju trošak.
- Prebacite ono što nije hitno u serijsku obradu. Batch API-ji imaju zasebna ograničenja i upola nižu cijenu (vidi serijsku obradu).
- Usmjeravajte prema zadatku. Mali modeli imaju vlastite spremnike; slanje jednostavnih zahtjeva njima oslobađa kapacitet za veliki model (vidi usmjeravanje modela).
- Odgađajte ispravno. Poštujte
retry-after, koristite eksponencijalno odgađanje s jitterom, ograničite istodobne zahtjeve redom čekanja i nikad ne ponavljajte grešku limita potrošnje u petlji.
Što to znači za tvrtke u Hrvatskoj i regiji DACH
Većina europskih malih i srednjih tvrtki kreće s najnižom razinom, na kojoj se mjesečni limit (500 USD kod Anthropica i OpenAI Builda, 250 USD kod Gemini Tier 1) dosegne brže nego što se očekuje čim interni asistent dođe do cijele tvrtke. Planirajte prelazak na višu razinu kao dio puštanja u rad, držite produkciju i eksperimente u odvojenim radnim prostorima i od prvog dana dizajnirajte predmemoriranje: to je jedina mjera koja istodobno smanjuje trošak i povećava kapacitet. Za kritične procese drugi pružatelj ili put preko oblaka (Claude preko AWS Bedrocka ili Google Clouda, s vlastitim kvotama) štiti od toga da jedna greška 429 zaustavi poslovanje.
Česta pitanja
Koja su ograničenja Claude API-ja u 2026.?
Anthropic organizacije svrstava u razine Start, Build, Scale ili Custom. Za Claude Opus 5.5, Sonnet 5.5 i Haiku 5.5 standardna ograničenja su na razini Start 1.000 zahtjeva, 2 milijuna ulaznih i 400.000 izlaznih tokena u minuti; na razini Build 5.000 zahtjeva, 5 milijuna ulaznih i 1 milijun izlaznih tokena; na razini Scale 10.000 zahtjeva, 10 milijuna ulaznih i 2 milijuna izlaznih tokena. Claude Fable 5.x ima niža ograničenja. Nove organizacije mogu krenuti s razinom Evaluation, ispod tih vrijednosti.
Koje razine korištenja ima OpenAI API?
OpenAI sada ima tri plaćene razine. Build zahtijeva 5 USD ukupno kupljenih kredita i dopušta 500 USD mjesečno, Launch zahtijeva 100 USD i dopušta 5.000 USD mjesečno, Grow zahtijeva 500 USD i dopušta 200.000 USD mjesečno. Standardna ograničenja za modele Astra, Sol i Terra rastu s 1 milijun tokena u minuti na razini Build do 40 milijuna na razini Grow; Luna ide od 2 do 180 milijuna.
Računaju li se tokeni iz predmemorije u ograničenja Claudea?
Za gotovo sve aktualne modele Claude ne. U ograničenje ulaznih tokena po minuti ulaze samo nepredmemorirani ulazni tokeni i tokeni koji se upisuju u predmemoriju, a tokeni pročitani iz nje ne ulaze. Uz 80 % pogodaka u predmemoriji ograničenje od 2 milijuna ITPM omogućuje obradu oko 10 milijuna ulaznih tokena u minuti.
Zašto API vraća 429 iako sam ispod ograničenja?
Najčešća su tri razloga: kratki nalet zahtjeva, jer se ograničenje po minuti provodi u kraćim intervalima (60 RPM može značiti jedan zahtjev u sekundi); ograničenje ubrzanja nakon naglog skoka prometa; ili mjesečni limit potrošnje. Anthropicova greška 429 zbog limita potrošnje nema zaglavlje retry-after i nosi kod enforced_spend_limit_reached, pa ponovni pokušaji ne pomažu do idućeg mjeseca ili prelaska na višu razinu.
Je li vaša AI aplikacija spremna za stvaran promet?
Provjeravamo razine, ograničenja, predmemoriranje i logiku ponovnih pokušaja, odvajamo opterećenja i planiramo kapacitet za vaše puštanje u rad. Kao Claude Certified Architect iz Zagreba radimo s tvrtkama u Hrvatskoj i regiji DACH.
Razgovarajte s AI konzultantom