Límites y cupos

Cupo semanal y saldo

Cada plan incluye un número de tokens de API a la semana (entrada + salida, razonamiento incluido):

Plan	Tokens incluidos a la semana
Gratuito	Ninguno: se usa solo el saldo recargado
Premium	20.000.000 tokens

El cupo cuenta lo consumido en los últimos 7 días: no hay un día de reinicio, cada petición deja de contar una semana después de hacerse. Cuando se acaban los incluidos, el consumo se descuenta de tu saldo prepagado (ver Precios y facturación). Sin incluidos ni saldo, la API responde 429 con code: "insufficient_quota". El cupo de la API es independiente del chat: gastarlo no afecta a tus conversaciones en Sabiuco.

Ritmo de peticiones

Límite	Valor	Error si se supera
Peticiones por minuto, por clave	60	429 rate_limit_exceeded
Peticiones por minuto, por cuenta (todas tus claves juntas)	60	429 rate_limit_exceeded
Peticiones simultáneas, por cuenta	2	429 too_many_concurrent_requests
Peticiones simultáneas en toda la plataforma	Limitadas para proteger el servicio	429 server_busy

Los límites de la cuenta suman todas tus claves: repartir el tráfico entre varias claves no da más ritmo, y usar varias claves o cuentas para saltarse los límites va contra las Condiciones de la API. Si necesitas más, escríbenos desde Soporte. Ante un 429, espera unos segundos y reintenta con espera creciente.

Saldo reservado y cortes

Cuando ya no te quedan tokens incluidos, antes de empezar cada petición se aparta del saldo su coste máximo (entrada estimada + max_tokens de salida) y al terminar se cobra solo lo consumido. Si el saldo no alcanza, la API responde 429 con code: "insufficient_quota": baja max_tokens, acorta la conversación o recarga.

Si cortas la conexión antes de que termine la respuesta, se cobra lo procesado hasta ese momento (estimado a partir de lo enviado y de lo generado, razonamiento incluido) y la petición aparece como «cortada» en Consumo.

Si la cuenta tiene abierta una disputa o un contracargo de un pago, la API responde 403 con code: "account_frozen" hasta que se resuelva.

Tamaños máximos

Qué	Máximo
Cuerpo de la petición	12 MB
Mensajes por petición	2.000
Texto por petición	unos 3.000.000 de caracteres (~850.000 tokens)
Tokens de salida (max_tokens)	524.288 (por defecto, 16.384)
Claves activas por cuenta	10
Asistentes por cuenta	20
Instrucciones de un asistente	12.000 caracteres
Duración máxima de una respuesta	Según max_tokens: de 5 minutos a 6 horas

Respuestas largas

max_tokens es un tope, no un objetivo: el modelo escribe lo que la respuesta necesita y se para. Subirlo no alarga las respuestas ni las encarece; solo evita que una respuesta larga salga cortada (finish_reason: "length").

• Usa stream: true para las respuestas largas. El modelo escribe entre 40 y 160 tokens por segundo: 50.000 tokens son unos 10-15 minutos, y el máximo, varias horas. En streaming vas recibiendo el texto según sale.
• Mientras el modelo razona no llega texto. Para que la conexión no se quede muda, el servidor manda cada 15 segundos una línea de comentario (: ok), que el estándar de eventos y las librerías de OpenAI ignoran. Si lees el flujo a mano, salta las líneas que empiezan por :.
• Sin stream, la respuesta llega entera al final. Si tarda más de 20 segundos, el servidor responde ya con 200 y va mandando espacios en blanco delante del JSON para mantener la conexión abierta; cualquier lector de JSON los ignora. En ese caso, si la generación falla después, el error llega con código 200 y {"error": …} en el cuerpo en lugar de choices: compruébalo si haces peticiones largas sin streaming. Recuerda subir también el tiempo de espera de tu cliente (el de las librerías de OpenAI es de 10 minutos).
• Cortes. Si el motor deja de mandar datos durante 2 minutos, la petición se corta con stream_interrupted y se cobra lo generado hasta ese momento.
• Saldo. Con saldo prepagado se aparta el coste máximo de la petición antes de empezar: un max_tokens muy alto aparta más (y se devuelve lo que no se use).