Cotas para modelos Claude da Anthropic

Nesta página, descrevemos como a Gemini Enterprise Agent Platform gerencia cotas para modelos do Anthropic Claude.

Visão geral

Os modelos Claude da Anthropic na plataforma de agentes usam um dos seguintes sistemas de cotas:

• Modelos lançados após 26 de maio de 2026:cotas de linhagem compartilhadas.
• Modelos lançados antes de 26 de maio de 2026:cotas por modelo.

Cotas de linhagem compartilhada

Os endpoints globais e multirregionais para modelos do Anthropic Claude lançados após 26 de maio de 2026 usam cotas de linhagem de modelo compartilhadas. Um único limite de cota é compartilhado entre todas as versões de modelo em uma linhagem de modelo para um determinado local.

Por exemplo, se você chamar o Claude Opus 4.8 da Anthropic no Google Cloud pelo endpoint global, todas as solicitações, tokens de entrada e tokens de saída serão contabilizados no mesmo bucket de cota anthropic-claude-opus para o endpoint global, independentemente da versão específica do Opus que você chamar.

As cotas no endpoint global e em cada endpoint multirregional são buckets independentes. O uso no endpoint global não consome cota em um endpoint multirregional e, da mesma forma, o uso em um endpoint multirregional não consome cota no endpoint global.

As seções a seguir descrevem como as cotas de linhagem compartilhada funcionam para endpoints globais e multirregionais.

Endpoints globais

A tabela a seguir descreve as métricas para endpoints globais:

Endpoints multirregionais

A tabela a seguir descreve as métricas para endpoints multirregionais, como us e eu:

Implicações para seu aplicativo

• A adição de uma nova versão de uma linhagem não exige uma nova solicitação de cota. Quando uma nova versão de uma linhagem de modelo, como uma versão futura do Sonnet, é lançada em um endpoint público, ela compartilha o bucket de cota de linhagem de modelo existente. Não é necessário solicitar um aumento de cota separado para usar a nova versão.

• A combinação de versões consome o mesmo bucket de cota. A divisão de tráfego entre várias versões da mesma linhagem de modelo é extraída de uma cota compartilhada. Planeje a capacidade no nível da linhagem, não da versão.

Ver e gerenciar suas cotas

Para ver os limites de uso atuais ou solicitar aumentos de cota, acesse a página Cotas e limites do sistema no console doCloud de Confiance .

Para filtrar cotas, use o valor de linhagem do modelo de base_model, como anthropic-claude-opus.

Cotas por modelo

Os modelos Claude da Anthropic lançados antes de 26 de maio de 2026 têm cotas com base no tipo de endpoint usado: regional, multirregional ou global. A cota é especificada em consultas por minuto (QPM) e tokens por minuto (TPM). O TPM inclui tokens de entrada e saída.

Para manter o desempenho geral do serviço e o uso aceitável, as cotas máximas podem variar de acordo com a conta e, em alguns casos, o acesso pode ser restrito. Confira as cotas do projeto na página Cotas e limites do sistema no console do Cloud de Confiance . Você também precisa ter as seguintes cotas disponíveis:

• Consultas por minuto (QPM):

  • Para endpoints regionais: online_prediction_requests_per_base_model
  • Para o endpoint global: global_online_prediction_requests_per_base_model
  • Para o endpoint multirregional dos EUA: us_multi_region_online_prediction_requests_per_base_model
  • Para o endpoint multirregional da UE: eu_multi_region_online_prediction_requests_per_base_model

• Tokens por minuto (TPM):

  • Alguns modelos contam os tokens de entrada e saída juntos:
    • Regional: online_prediction_tokens_per_minute_per_base_model
    • Global: global_online_prediction_tokens_per_minute_per_base_model
  • Outros modelos contam os tokens de entrada e saída separadamente:
    • TPM de entrada:
      • Regional: online_prediction_input_tokens_per_minute_per_base_model
      • Global: global_online_prediction_input_tokens_per_minute_per_base_model
      • Multirregional dos EUA: us_multi_region_online_prediction_input_tokens_per_minute_per_base_model
      • Multirregional da UE: eu_multi_region_online_prediction_input_tokens_per_minute_per_base_model
    • TPM de saída:
      • Regional: online_prediction_output_tokens_per_minute_per_base_model
      • Global: global_online_prediction_output_tokens_per_minute_per_base_model
      • Multirregional dos EUA: us_multi_region_online_prediction_output_tokens_per_minute_per_base_model
      • Multirregional da UE: eu_multi_region_online_prediction_output_tokens_per_minute_per_base_model

  Para saber quais modelos contam os tokens de entrada e saída separadamente, consulte Cotas por modelo e região.

Tokens de entrada

A lista a seguir define os tokens de entrada que podem ser contabilizados na sua cota de TPM de entrada. Os tokens de entrada que cada modelo conta podem variar. Para saber quais tokens de entrada um modelo conta, consulte Cotas por modelo e região.

• Tokens de entrada inclui todos os tokens de entrada, incluindo tokens de leitura e gravação de cache.
• Os tokens de entrada não armazenados em cache incluem apenas os tokens de entrada que não foram lidos de um cache (tokens de leitura de cache).
• Tokens de gravação de cache inclui tokens que foram usados para criar ou atualizar um cache.

Cotas por modelo e região

A tabela a seguir mostra as cotas padrão e o tamanho do contexto aceito para cada modelo em cada região.

Se você quiser aumentar alguma das suas cotas para a Agent Platform, use o console do Cloud de Confiance para solicitar um aumento de cota. Para saber mais sobre cotas, consulte a Visão geral das cotas do Cloud.