Inicio / Contexto y coste

Cuota, límite de tasa y enrutamiento hacia el modelo más barato

Dos límites distintos gobiernan una sesión, el coste en dinero y el límite de tasa en tokens por minuto, y ambos se tratan con el mismo reflejo: enrutar las tareas repetitivas hacia Haiku o Sonnet, reservar Opus para el razonamiento difícil, y esperar respetando un plazo creciente tras un error 429 en lugar de reintentar de inmediato.

Una ráfaga de llamadas lanzadas hacia Claude puede fallar de dos formas muy distintas, y ambas se confunden fácilmente bajo la palabra genérica límite. La primera es un tope en dinero, el spend limit, que bloquea toda nueva llamada hasta el primer día del mes siguiente una vez superado. La segunda es un tope de tasa, en tokens por minuto, que se levanta solo unos instantes después. Ambos devuelven el mismo error 429, lo que los hace difíciles de distinguir sin prestar atención: solo el tope de tasa lleva una cabecera retry-after que indica el plazo a respetar, y el campo error.details.error_code vale enforced_spend_limit_reached cuando es el tope en dinero el que ha respondido.

Dos topes, dos averías distintas

Distinguir ambos se lee en la propia respuesta:

respuesta.estado == 429
si respuesta.cabeceras contiene "retry-after" :
    mostrar "tope de tasa, reintentar en " + respuesta.cabeceras["retry-after"] + " s"
si no si respuesta.cuerpo.error.details.error_code == "enforced_spend_limit_reached" :
    mostrar "tope en dinero alcanzado, ninguna espera lo desbloquea"

Confundir ambos lleva a un mal reflejo: reintentar de inmediato una llamada tras un 429 agrava la saturación de la tasa en lugar de resolverla, mientras que la misma reacción no tiene ningún sentido frente a un tope mensual ya alcanzado, donde solo la espera hasta el mes siguiente, o un aumento del tope, cambia algo, y donde ningún intento desbloqueará el acceso antes de esa fecha. Los límites de tasa de Sonnet y de Haiku se han alineado además con los de Opus en cada nivel. La figura que acompaña esta lección cuantifica este cambio y un segundo, menos visible: desde los modelos Claude 4.7 y posteriores, el mismo texto cuenta con aproximadamente un 30% más de tokens que antes, una diferencia cuya magnitud exacta depende del contenido, sin que la documentación la cuantifique por tipo de contenido.

Enrutar hacia el más barato, esperar respetando el plazo anunciado

El reflejo que trata ambos topes a la vez es el mismo: confiar las tareas repetitivas, resumir, extraer, clasificar, a Haiku o Sonnet, y reservar Opus para el razonamiento que realmente lo justifique. Esto reduce a la vez la factura y la tasa consumida por minuto, ya que cada llamada evitada pesa menos sobre ambos topes al mismo tiempo. Frente a un error 429 de tasa, la respuesta correcta es esperar el plazo indicado por la cabecera retry-after en lugar de un reintento inmediato o una progresión fija que lo ignore, la cual falla en cuanto ese plazo supera lo previsto. Frente a un 429 de tope en dinero, ninguna espera corta desbloquea nada. El mismo principio de enrutar hacia el modelo más barato que baste se aplica también a la elección de la palanca que activar en una sesión larga, y enlaza directamente con lo que la lección sobre la factura oculta muestra a propósito del coste de una llamada de herramienta repetida.