Aktualisierter Leitfaden · Juni 2026
Die Claude API ist eine andere Welt als die claude.ai-Chat-Tarife. Statt eines Fünf-Stunden-Nachrichtenfensters erhalten Sie nutzungsbasierte Token-Preise plus Rate-Limits pro Minute, organisiert in Nutzungsstufen, die mit Ihrem Konto wachsen. Dieser Leitfaden erklärt RPM, TPM, Stufen, das Anfordern von mehr und wie man die 429-Fehler behandelt, die Drosselung erzeugt.
Klare Antwort
Die Claude API hat ihre eigenen Rate-Limits pro Minute und Nutzungsstufen, getrennt von den claude.ai-Chat-Tarifen — prüfen Sie die Anthropic-Konsole. Sie zahlen pro Token statt einer festen monatlichen Gebühr, und Ihr Durchsatz wird durch Requests pro Minute und Tokens pro Minute begrenzt, nicht durch ein Fünf-Stunden-Fenster. Verifizieren Sie Ihre genauen Werte in der Konsole; sie ändern sich.
Rate-Limits sind in Nutzungsstufen gruppiert (üblicherweise Tier 1 bis Tier 4). Ihre Stufe steigt automatisch, während Ihre kumulierten Ausgaben und Ihre Kontohistorie wachsen, und hebt Ihre RPM- und TPM-Obergrenzen an; Sie können auch höhere Limits anfordern. Limits unterscheiden sich je Modell. Bestätigen Sie aktuelle Werte in der offiziellen Dokumentation zu Rate-Limits.
Zwei unterschiedliche Systeme
Die größte einzelne Verwirrungsquelle ist, die API und die Chat-App als ein Produkt zu behandeln. Sie werden auf völlig unterschiedliche Weise abgerechnet, limitiert und aufgerufen, und die Trennung zu verstehen erspart viel vergebliche Fehlersuche.
Die Chat-Abonnements Free, Pro und Max verwenden ein rollendes Fünf-Stunden-Limit plus wöchentliche Limits. Sie zahlen eine feste monatliche Gebühr, und Claude verlangsamt oder pausiert Sie, wenn Sie ein Fenster überschreiten. Es gibt keine Abrechnung pro Token.
Die API drosselt Sie pro Minute über Requests pro Minute und Tokens pro Minute und rechnet pro verbrauchtem Token ab. Es gibt keine Fünf-Stunden-Pause; stattdessen erhalten Sie einen 429-Fehler in dem Moment, in dem Sie die Obergrenze pro Minute überschreiten.
Die API lebt auf platform.claude.com und der Anthropic-Konsole mit eigenen Schlüsseln und eigener Abrechnung. Ihr claude.ai-Abonnement gewährt kein API-Kontingent, und API-Ausgaben berühren Ihre Chat-Limits nicht.
Entwickler, die Apps bauen, brauchen die API und ihre Rate-Limits. Einzelpersonen, die chatten, brauchen ein Abonnement. Die beiden zu verwechseln führt dazu, dass Menschen eine Nachrichtenzahl bei der API oder eine Abrechnung pro Token beim Chat erwarten, und keines von beidem existiert.
Die Dimensionen
Claude-API-Rate-Limits sind keine einzelne Zahl. Es sind mehrere Limits, die gleichzeitig gelten, und Sie können in dem Moment gedrosselt werden, in dem Sie eines davon überschreiten. Die Tabelle unten beschreibt die Dimensionen allgemein; lesen Sie die aktuellen Werte pro Modell und Stufe in der Konsole.
| Dimension | Was sie begrenzt | Wie sie sich verhält | Was zu tun ist |
|---|---|---|---|
| RPM (Requests pro Minute) | Die Anzahl separater API-Aufrufe, die Sie in einer beliebigen Minute machen können. | Viele kleine Aufrufe auf einmal abzufeuern kann dies auslösen, selbst wenn jeder Aufruf winzig ist. | Requests in eine Warteschlange stellen und takten, statt sie alle gleichzeitig abzufeuern. |
| Eingabe-TPM (Eingabe-Tokens pro Minute) | Die gesamten Tokens an Prompt und Kontext, die Sie pro Minute senden können. | Große Prompts, lange Verläufe und große Dokumente verbrauchen dies schnell. | Kontext kürzen, wiederholtes Material cachen und das erneute Senden desselben Texts vermeiden. |
| Ausgabe-TPM (Ausgabe-Tokens pro Minute) | Die gesamten Tokens, die das Modell pro Minute an Sie zurückgeben kann. | Lange Generierungen und hohe Nebenläufigkeit drücken gegen diese Obergrenze. | Sinnvolle Max-Token-Limits setzen und streamen, wo es den Durchsatz hilft. |
| Nutzungsstufe | Welcher Satz an RPM- und TPM-Obergrenzen Ihrem Konto erlaubt ist. | Steigt automatisch, während Ausgaben und Kontoalter wachsen; unterscheidet sich je Modell. | Nutzungshistorie aufbauen oder höhere Limits über die Konsole anfordern. |
Behandeln Sie die Konsole als Quelle der Wahrheit. Öffnen Sie sie, finden Sie die Rate-Limit-Ansicht für jedes Modell, das Sie aufrufen, und lesen Sie Ihre aktuellen RPM, Eingabe-TPM und Ausgabe-TPM auf Ihrer gegenwärtigen Stufe, statt sich eine Zahl aus einem Blog zu merken.
Stufen
Die meisten Entwickler müssen nie viel über Stufen nachdenken, weil sie von allein steigen. Aber den Mechanismus zu kennen hilft Ihnen, Kapazität für einen Launch zu planen und im ungünstigsten Moment nicht gedrosselt zu werden.
Neue Konten beginnen bei der niedrigsten Stufe, mit moderaten RPM- und TPM-Obergrenzen, die für Prototyping und kleine Arbeitslasten in Ordnung sind.
Während Ihre kumulierten Ausgaben und Ihre Kontohistorie wachsen, befördert Anthropic Sie automatisch durch höhere Stufen (üblicherweise bis Tier 4), wobei jede Ihre Limits anhebt.
Eine gegebene Stufe setzt unterschiedliche Obergrenzen für unterschiedliche Modelle, sodass Ihr Durchsatz bei einem nutzungsintensiven Modell sich von dem eines leichteren unterscheiden kann, selbst bei derselben Stufe.
Wenn die automatische Beförderung für einen Launch nicht schnell genug ist, können Sie höhere Limits über die Anthropic-Konsole anfordern. Verifizieren Sie den aktuellen Prozess in der Dokumentation zu Rate-Limits.
Wenn Sie eine Verkehrsspitze erwarten, erhöhen oder beantragen Sie Limits vor dem Ereignis, nicht währenddessen, damit Sie nicht gedrosselt werden, wenn die Nachfrage am höchsten ist.
Beobachten Sie Ihre Nutzung und Ihren Spielraum in der Konsole, damit Sie wissen, wie nah Sie an jeder Obergrenze sind, bevor sie greift.
429-Fehler
Wenn Sie ein Rate-Limit überschreiten, gibt die API einen 429-Statuscode zurück. Das ist normal und im großen Maßstab zu erwarten; der Unterschied zwischen einer fragilen und einer robusten App liegt darin, wie sie reagiert. Das Muster ist immer dasselbe: langsamer werden, intelligent erneut versuchen und das Problem nicht verschlimmern.
Ein 429 bedeutet zu viele Requests. Sie haben eine RPM- oder TPM-Obergrenze für Ihre Stufe und Ihr Modell überschritten. Es ist kein Kontofehler und kein Abrechnungsproblem; es ist die API, die Ihnen sagt, sich zu takten. Der Request wurde nicht verarbeitet, daher ist es sicher, ihn nach dem Warten erneut zu versuchen.
Versuchen Sie es nicht sofort in einer engen Schleife erneut, was die Drosselung nur vertieft. Warten Sie eine kurze Verzögerung und verdoppeln Sie sie dann bei jedem Fehlschlag (zum Beispiel eine, zwei, vier Sekunden) und fügen Sie zufälligen Jitter hinzu, damit nicht viele Clients im Gleichschritt erneut versuchen. Beachten Sie den retry-after-Header, wenn die Antwort einen enthält.
Die beste 429-Behandlung ist, sie selten zu brauchen. Stellen Sie Ihre eigenen ausgehenden Aufrufe in eine Warteschlange und begrenzen Sie sie unter Ihrer Obergrenze, bündeln Sie, wo die API es erlaubt, cachen Sie wiederholten Kontext und wählen Sie das leichteste Modell, das die Aufgabe erfüllt, sodass Sie weniger Tokens pro Aufruf verbrauchen.
Anthropic dokumentiert die genauen Fehlerformen und das empfohlene Wiederholungsverhalten. Lesen Sie die offiziellen Seiten zu API-Fehlern und Rate-Limits und backen Sie dann Backoff und Jitter in Ihre Client-Bibliothek ein, damit Drosselung sanft abklingt, statt Ihre App zum Absturz zu bringen.
Kosten und Durchsatz
Weil die API pro Token abrechnet und pro Minute limitiert, sind Ihre beiden Sorgen Kosten und Durchsatz. Sie hängen zusammen: Dieselben Gewohnheiten, die Ihre Rechnung senken, halten Sie auch unter Ihren Rate-Limits, weil beide mit den Tokens skalieren, die Sie durchschieben.
| Hebel | Wirkung auf die Kosten | Wirkung auf Rate-Limits |
|---|---|---|
| Kleinere Prompts und Kontext | Weniger abgerechnete Eingabe-Tokens. | Weniger Eingabe-TPM pro Aufruf verbraucht. |
| Prompt- und Kontext-Caching | Vermeidet die erneute Abrechnung wiederholten Kontexts. | Gibt Eingabe-TPM für neue Arbeit frei. |
| Ausgabelänge begrenzen | Weniger abgerechnete Ausgabe-Tokens. | Weniger Ausgabe-TPM verbraucht. |
| Ein leichteres Modell wählen | Niedrigerer Preis pro Token. | Oft andere und höhere Obergrenzen. |
| Bündeln und Warteschlangen | Keine direkte Änderung. | Glättet Spitzen, sodass Sie unter RPM bleiben. |
| Stufen steigen oder anfordern | Keine direkte Änderung. | Hebt RPM- und TPM-Obergrenzen direkt an. |
Keine dieser Zahlen wird hier absichtlich veröffentlicht, weil sich Token-Preise und Limits pro Stufe ändern. Die Disziplin ist unabhängig davon dieselbe: Senden Sie weniger, kleinere, gecachte Tokens auf dem leichtesten praktikablen Modell und verifizieren Sie die aktuellen Werte in der Konsole und auf der Preisseite.
Symptome
Die meisten Rate-Limit-Überraschungen lassen sich auf eine Handvoll Ursachen zurückführen. Gleichen Sie ab, was Ihre Logs zeigen, bevor Sie annehmen, dass mit Ihrem Schlüssel oder Konto etwas kaputt ist.
Sie haben wahrscheinlich Ihre Request-Rate über RPM hinaus angehoben, oft durch das Starten vieler paralleler Aufrufe auf einmal. Fügen Sie eine Warteschlange und exponentielles Backoff hinzu, damit der Schwall geglättet wird, statt gegen die Obergrenze zu prallen.
Wenn 429er bei großen Requests, aber nicht bei kleinen auftreten, erreichen Sie Eingabe-TPM. Kürzen Sie Kontext, cachen Sie wiederholtes Material und vermeiden Sie das erneute Senden derselben langen Dokumente bei jedem Aufruf.
Wenn Ihre Obergrenzen für Ihre Arbeitslast klein erscheinen, prüfen Sie Ihre Stufe in der Konsole. Neue Konten starten niedrig und steigen mit Ausgaben; Sie können vor einem Launch auch höhere Limits anfordern.
Wenn ein nutzungsintensives Modell früher drosselt als ein leichteres, ist das zu erwarten: Limits unterscheiden sich je Modell bei derselben Stufe. Leiten Sie leichtere Aufgaben an leichtere Modelle, um Spielraum zu bewahren.
Alternativen
Wenn die Rate-Limits oder Preise eines einzelnen Anbieters Ihr Projekt einschränken, ist das widerstandsfähige Muster, nicht von einem Modell abhängig zu sein. MultipleChat lässt Sie Claude neben anderen Modellen in einem Arbeitsbereich laufen, und die Vergleichsleitfäden unten helfen Ihnen bei der Wahl.
Lassen Sie Claude-ähnliche Antworten neben ChatGPT, Gemini und Suchmodellen in einem Arbeitsbereich laufen. Wenn ein Anbieter rate-limitiert oder ausgefallen ist, arbeiten Sie in einem anderen Modell weiter, statt zu warten.
AlternativeVielseitiger Assistent und API-Option für Schreiben, Coding und alltägliche Produktivität, wenn Claude nicht verfügbar ist.
AlternativeNützlich für Google Workspace und Google-bezogene Arbeit, mit eigener API-Oberfläche.
ResearchRecherchefokussierte Antworten mit Webquellen, wenn Sie Zitate brauchen.
Unser LeitfadenWie die Chat-Abonnementlimits funktionieren, getrennt von der API.
Unser LeitfadenWie Cowork sich Ihren Chat-Tarif-Nutzungspool teilt.
Unser LeitfadenSitzplatzbasierte Tarife, Admin-Steuerungen und Datenbedingungen für Teams.
Quellen
Rate-Limits, Token-Preise und Stufen ändern sich. Nutzen Sie diese offiziellen Seiten und Ihre eigene Anthropic-Konsole, bevor Sie Entscheidungen treffen.
Anthropics offizielle Erklärung zu RPM, TPM, Stufen und wie man mehr anfordert.
Ihre aktuellen Rate-Limits pro Modell, aktuelle Stufe, Schlüssel und Nutzung.
Offizielle API-Preise pro Token und Tarifformulierungen.
Kontext zu Chat-Nutzungslimits, zum Kontrast mit der API.
Das Chat-Produkt, getrennt von der API, mit eigenen Abonnementlimits.
FAQ
Kurze, vorsichtige Antworten für Menschen, die nach Claude-API-Rate-Limits, RPM, TPM, Nutzungsstufen und 429-Fehlern suchen.
Nein. Die Claude API auf platform.claude.com und der Anthropic-Konsole wird getrennt von den claude.ai-Chat-Abonnements abgerechnet und limitiert. Die API verwendet nutzungsbasierte Token-Preise plus Rate-Limits pro Minute, organisiert in Nutzungsstufen, während Chat-Tarife ein rollendes Fünf-Stunden-Limit plus wöchentliche Limits verwenden. Verifizieren Sie Ihre genauen API-Limits in der Anthropic-Konsole.
RPM steht für Requests pro Minute, die Anzahl der API-Aufrufe, die Sie in einer Minute machen können. TPM steht für Tokens pro Minute, meist aufgeteilt in Eingabe-Tokens pro Minute und Ausgabe-Tokens pro Minute, was begrenzt, wie viel Text in einer Minute fließen kann. Sie können durch jede Dimension gedrosselt werden. Prüfen Sie aktuelle RPM- und TPM-Werte pro Modell in der Anthropic-Konsole.
Anthropic organisiert API-Rate-Limits in Nutzungsstufen, oft als Tier 1 bis Tier 4 beschrieben. Während Ihre Kontohistorie und Ihre kumulierten Ausgaben wachsen, steigt Ihre Stufe automatisch, was Ihre RPM- und TPM-Obergrenzen anhebt. Jede Stufe hat ihre eigenen Limits pro Modell. Bestätigen Sie Ihre aktuelle Stufe und deren Limits in der Konsole.
Stufen steigen in der Regel automatisch, während Ihre Ausgaben und Ihr Kontoalter zunehmen, sodass beständige Nutzung Sie mit der Zeit nach oben bewegt. Wenn Sie früher mehr brauchen, können Sie höhere Limits über die Anthropic-Konsole anfordern. Verifizieren Sie den aktuellen Anforderungsprozess und die Berechtigung in der offiziellen Dokumentation zu Rate-Limits.
Ein 429-Statuscode bedeutet zu viele Requests, was heißt, dass Sie ein Rate-Limit wie RPM oder TPM erreicht haben. Die Lösung ist, langsamer zu werden und mit exponentiellem Backoff erneut zu versuchen, idealerweise unter Beachtung des retry-after-Headers, falls vorhanden. Last zu verteilen und zu bündeln reduziert, wie oft Sie 429er sehen. Siehe die offizielle API-Fehlerdokumentation für Details.
Ja. Jedes Modell kann bei einer gegebenen Stufe eigene RPM- und TPM-Limits haben, und nutzungsintensivere Modelle haben oft andere Obergrenzen als leichtere. Lesen Sie stets die Rate-Limit-Tabelle pro Modell in der Anthropic-Konsole, statt anzunehmen, dass eine Zahl überall gilt.
Die API ist nutzungsbasiert: Ihnen werden pro Eingabe- und Ausgabe-Token zum veröffentlichten Modellpreis berechnet, ohne festes monatliches Nachrichtenkontingent. Chat-Abonnements wie Pro und Max sind feste monatliche Gebühren mit Nutzungslimits statt Abrechnung pro Token. Bestätigen Sie aktuelle Token-Preise auf der offiziellen Preisseite.
Implementieren Sie exponentielles Backoff mit Jitter bei 429ern, bündeln und warteschlangen Sie Requests, damit Sie nicht über RPM oder TPM hinausschießen, cachen Sie wiederholten Kontext, wählen Sie das leichteste Modell, das die Aufgabe erfüllt, und überwachen Sie Ihre Nutzung in der Konsole. Dies von Anfang an einzubauen vermeidet Drosselung beim Skalieren. Verifizieren Sie Limits und Best Practices in der offiziellen Dokumentation.