---
title: "Rate limits de API de LLM por provedor, comparados | BroadRouter"
description: "Rate limits de entrada de 13 provedores de API de LLM, lidos na documentação: OpenAI, Anthropic, Gemini, Groq, DeepSeek, Fireworks e outros. E o que são RPM e TPM."
url: https://broadrouter.com/pt/blog/llm-api-rate-limits-by-provider/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/llm-api-rate-limits-by-provider/) (atualizado em 2026-11-16).

# Rate limits de API de LLM por provedor: RPM, TPM e concorrência

Pela equipe da BroadNet Inference · 8 min de leitura · Publicado em 2026-11-15 · Atualizado em 2026-11-16

Os rate limits das APIs de LLM mudam de tipo, não só de tamanho. OpenAI, Anthropic e Gemini limitam requisições e tokens por minuto conforme o nível de uso. DeepSeek e DeepInfra limitam requisições simultâneas. Os planos gratuitos do Groq e da Cerebras somam limites diários. Nos primeiros níveis pagos, OpenAI e Anthropic permitem milhares de requisições por minuto; as chaves de pagamento por uso da BroadNet, 30.

## Pontos principais

-   Os provedores limitam coisas diferentes: requisições por minuto (RPM), tokens por minuto (TPM), requisições ou tokens por dia, requisições por segundo ou requisições em andamento.
-   Provedores com níveis aumentam os limites conforme você gasta: OpenAI Build (USD 5 pagos) dá 5.000 RPM; Anthropic Start dá 4.000 RPM nos modelos mais recentes (verificado em 2026-11-15).
-   Provedores baseados em concorrência não publicam RPM: a DeepInfra permite 200 requisições em andamento por modelo, a DeepSeek 2.500 por conta no deepseek-flash (o ID de modelo do V4.1 Flash).
-   Os planos gratuitos são pequenos: a tabela gratuita do Groq mostra 30 RPM e 1.000 requisições por dia no gpt-oss-120b; os modelos :free do OpenRouter permitem 20 RPM.
-   As chaves de pagamento por uso da BroadNet permitem 30 requisições por minuto e 4 em andamento, bem abaixo dos níveis pagos dos grandes provedores. Os planos de preço fixo rodam uma requisição por vez por sessão.

**Nesta página**

1.  O que significam RPM, TPM, RPD e concorrência?
2.  Como funcionam os níveis de uso?
3.  Rate limits de API de LLM por provedor: o nível de entrada
4.  Como os limites da BroadNet se comparam, com honestidade?
5.  Como planejar em torno de um rate limit?
6.  Onde a BroadNet Inference se encaixa

Pesquise “rate limit de API de LLM” e você vai achar tabelas de blog que se contradizem, muitas vezes porque copiam números antigos. Esta página lê cada valor na documentação do próprio provedor, em 15 de novembro de 2026, diz a qual nível e modelo ele se aplica e deixa a célula vazia quando o provedor não publica o número. Para os mesmos dados num dataset para download, com créditos gratuitos e termos de uso dos dados, veja [planos gratuitos e rate limits de APIs de LLM](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/). O BroadRouter é o site da própria BroadNet, e os limites da BroadNet também estão na tabela.

## O que significam RPM, TPM, RPD e concorrência?

Um [rate limit](https://broadrouter.com/pt/glossary/rate-limit/) define quanto você pode enviar numa janela de tempo. Cada provedor conta uma coisa:

| Limite | O que conta | Pesa mais quando |
| --- | --- | --- |
| RPM, requisições por minuto | Requisições iniciadas num minuto | Você envia muitas chamadas curtas (classificação, loops no estilo embeddings) |
| RPS, requisições por segundo | O mesmo, em um segundo | Você envia em rajadas, mesmo com média por minuto baixa |
| TPM, tokens por minuto | Tokens processados num minuto, às vezes entrada (ITPM) e saída (OTPM) separadas | Você envia prompts longos ou documentos longos |
| RPD / TPD, por dia | Requisições ou tokens num dia | Você roda um job em lote num plano gratuito |
| [Concorrência](https://broadrouter.com/pt/glossary/concurrency/) | Requisições em andamento no mesmo instante | As requisições são lentas: raciocínio, saídas longas, agentes |

Qual limite trava você depende do formato das suas requisições. Com limites de concorrência, a vazão depende da duração da requisição: a própria documentação da DeepInfra dá o exemplo de 200 requisições simultâneas com média de 1 segundo, o que dá cerca de 12.000 RPM. Uma requisição de raciocínio de 30 segundos com a mesma concorrência dá uma fração disso.

A maioria dos provedores também aplica limites em janelas mais curtas do que as publicadas. A Anthropic diz que um limite de 60 RPM “might be enforced as 1 request per second” (tradução: pode ser aplicado como 1 requisição por segundo), e a xAI deriva o limite por segundo do orçamento por minuto (“RPM / 48, with a minimum of 2”; tradução: RPM / 48, com mínimo de 2).

## Como funcionam os níveis de uso?

Os grandes provedores de modelos fechados aumentam seus limites conforme você gasta mais:

| Provedor | Níveis (verificado em 2026-11-15) | Como subir |
| --- | --- | --- |
| OpenAI | Free, Build, Launch, Grow | Free: o usuário precisa estar numa região permitida; limite de uso mensal de USD 100 (um teto de gasto, não um crédito). Depois, compras de crédito no total de USD 5, USD 100 e USD 500, com limites de uso mensais de USD 500, USD 5.000 e USD 200.000 |
| Anthropic | Evaluation, Start, Build, Scale, Custom | Automático, pelo histórico de uso e pela situação da conta. Tetos de gasto mensais: Start USD 500, Build USD 1.000, Scale USD 200.000 |
| API do Google Gemini | Free, Tier 1, Tier 2, Tier 3 | O Tier 1 exige uma conta de faturamento vinculada; o Tier 2 exige USD 100 pagos mais 3 dias; o Tier 3, USD 1.000 mais 30 dias. O Google diz que os rate limits informados são “not guaranteed” (tradução: não garantidos) e oferece “no guarantees” (tradução: nenhuma garantia) para pedidos de aumento |
| Fireworks AI | Do Tier 1 ao Tier 4 | Meio de pagamento para o Tier 1, depois USD 50, USD 500 e USD 5.000 em gasto ou créditos. Os níveis aumentam o TPM, não o RPM |
| xAI | Do Tier 0 ao Tier 4, Enterprise | Gasto acumulado desde 1º de janeiro de 2026: USD 0, 50, 250, 1.000 e 5.000 |

Dois detalhes importam na prática. Quando você atinge o teto de gasto da Anthropic, recebe HTTP 429 sem cabeçalho `retry-after`, então as novas tentativas automáticas continuam falhando até o mês virar ou você mudar de nível. E o limite de entrada da Anthropic conta só a entrada sem cache: leituras do cache não contam, então uma taxa alta de cache aumenta sua vazão real.

## Rate limits de API de LLM por provedor: o nível de entrada

Valores do plano gratuito ou do primeiro nível pago de cada provedor, tirados da página de rate limits dele. Um traço significa que a página não publica número para aquele limite; não significa ilimitado.

| Provedor | Nível e modelo | RPM | TPM | Por dia | Concorrência |
| --- | --- | --- | --- | --- | --- |
| OpenAI | Build; Astra, Sol, Terra | 5.000 | 1.000.000 | – | – |
| OpenAI | Build; Luna | 5.000 | 2.000.000 | – | – |
| Anthropic | Start; Sonnet 5.5, Opus 5.5, Haiku 5.5 | 4.000 | 2.000.000 de entrada (sem cache), 400.000 de saída | – | – |
| API do Google Gemini | Free; Gemini Decision 1 (único modelo com números gratuitos na página) | 200 | 50.000 | 10.000 requisições | – |
| API do Google Gemini | Tier 1; Gemini Decision 1 | 1.500 | 1.000.000 | 50.000 requisições | – |
| Groq | Tabela do plano Free; openai/gpt-oss-120b, qwen/qwen3.8-27b | 30 | 8.000 | 1.000 requisições, 200.000 tokens | – |
| Groq | Tabela do plano Developer; openai/gpt-oss-120b, qwen/qwen3.8-27b | 1.000 | 250.000 | 500.000 requisições | – |
| Cerebras | Free Trial; gpt-oss-120b | 5 | 30.000 sem cache (90.000 no total) | 1.000.000 de tokens | – |
| Cerebras | Developer (pagamento por uso); gpt-oss-120b | 1.000 | 500.000 sem cache (1.500.000 no total) | Sem limite | – |
| Fireworks AI | Sem meio de pagamento nem créditos; para toda a conta | 10 | – | – | – |
| Fireworks AI | Com meio de pagamento e créditos; para toda a conta | 6.000 | Definido pelo nível de gasto | – | – |
| DeepInfra | Padrão; por modelo público | – | – | – | 200 |
| DeepSeek | Padrão; `deepseek-flash` (DeepSeek-V4.1-Flash-1017), por conta | – | – | – | 2.500 |
| DeepSeek | Padrão; `deepseek-v4-pro` (DeepSeek-V4-Pro-0813), por conta | – | – | – | 500 |
| xAI | Tier 0; grok-4.7 (150 RPS) | – | 50.000.000 | – | – |
| OpenRouter | Modelos :free, menos de USD 10 em créditos comprados | 20 | – | 50 requisições | – |
| OpenRouter | Modelos :free, USD 10 ou mais em créditos comprados | 20 | – | 1.000 requisições | – |
| Cohere | Chave de teste; Command A | 20 | – | 1.000 chamadas por mês | – |
| Cohere | Chave de produção; Command A | 500 | – | – | – |
| BroadNet Inference | Chave de pagamento por uso; qualquer modelo | 30 | – | – | 4 |
| BroadNet Inference | Chave por hora; Gemma 4 VL 26B | 120 | 300,000 | – | 1 stream |
| BroadNet Inference | Sessão de plano de preço fixo; DeepSeek V4.1 Flash | – | Sem medidor de tokens | – | 1 requisição por vez |

Notas sobre as linhas:

-   **Groq.** A página tem duas abas, “Free Plan Limits” (aberta por padrão) e “Developer Plan Limits”. A frase acima delas chama os valores de “the base limits for the Developer plan” (tradução: os limites básicos do plano Developer), o que só vale para a segunda aba; a tabela acima traz as duas. Os limites exatos da sua organização estão na página de limites dela.
-   **Google.** Os limites valem por projeto, não por chave de API. Os números da maioria dos modelos só aparecem dentro do AI Studio. O Gemini Decision 1 é um modelo de classificação para a Decisions API do Google: devolve probabilidades, não texto, então seus limites dizem pouco sobre os modelos de chat do Gemini.
-   **Mistral e Together AI** não publicam números. A Mistral mostra seus limites no console em vez de publicar uma tabela, e não oferece acesso gratuito à API (“It doesn’t include API access”; tradução: não inclui acesso à API). A Together diz que “may limit requests” (tradução: pode limitar requisições) quando a demanda está alta e que pode definir limites personalizados em modelos populares.
-   **OpenRouter.** As variantes pagas dos modelos têm “no platform-level request cap” (tradução: nenhum limite de requisições no nível da plataforma), mas os provedores por trás de cada modelo ainda têm seus próprios limites.
-   **DeepSeek.** Quando está ocupada, a DeepSeek mantém a conexão aberta com linhas vazias ou comentários `: keep-alive`, e a fecha se a inferência não tiver começado em 10 minutos. Configure o timeout do seu cliente levando isso em conta.

## Como os limites da BroadNet se comparam, com honestidade?

São baixos para trabalho de alto volume. Uma chave de pagamento por uso da BroadNet permite 30 requisições por minuto e 4 em andamento, enquanto os primeiros níveis pagos da OpenAI e da Anthropic permitem milhares de requisições por minuto e a Fireworks permite 6.000 depois que um cartão é cadastrado. Se você precisa passar milhares de requisições curtas por minuto por uma única chave, o nível pago de um grande provedor atende melhor.

Os limites servem para outros formatos:

-   **Agentes e chat.** Um agente envia uma requisição por vez e espera. 4 em andamento cobrem alguns agentes por chave; uma chave por app ou por colega distribui a carga.
-   **Planos de preço fixo.** Uma sessão Full Moon, Orbit ou Meteor não tem medidor de tokens nem limite diário ou semanal, mas roda uma requisição por vez, a uma velocidade típica de cerca de 100 tokens por segundo. Para rodar agentes em paralelo, compre uma sessão para cada um. [Quantas sessões você precisa](https://broadrouter.com/pt/blog/run-parallel-coding-agents-flat-rate/).
-   **Chave por hora.** $0.50 por hora compra um stream do Gemma 4 VL 26B a 120 requisições e 300,000 tokens por minuto.

Todos os limites da BroadNet retornam HTTP 429. A referência da API não informa tempo de `retry-after`, então use backoff limitado com jitter.

## Como planejar em torno de um rate limit?

1.  **Descubra o limite que trava você.** Calcule requisições por minuto, tokens por minuto e requisições em andamento no seu pico de tráfego. A [calculadora de rate limit de LLM](https://broadrouter.com/tools/llm-rate-limit-calculator/) faz isso a partir do tamanho da requisição e da latência.
2.  **Controle o ritmo no cliente.** Um token bucket alinhado ao limite publicado evita a maioria dos 429. A Anthropic usa o mesmo algoritmo no servidor.
3.  **Leia os cabeçalhos.** A Anthropic retorna cabeçalhos `anthropic-ratelimit-*`; o Groq retorna cabeçalhos `x-ratelimit-*`, em que o de requisições “always refers to Requests Per Day” (tradução: sempre se refere a requisições por dia). Use o `retry-after` quando ele vier.
4.  **Tente de novo com backoff e jitter, e limite as tentativas.** [Como lidar com erros 429](https://broadrouter.com/pt/blog/handle-llm-api-429-rate-limits/) tem código funcionando, e [erros e novas tentativas](https://broadrouter.com/pt/guides/errors-and-retries/) cobre os códigos de status da BroadNet.
5.  **Coloque em cache os prefixos estáveis.** Na Anthropic, a entrada em cache não conta para o limite de entrada. Em todo lugar, ela reduz o custo.
6.  **Distribua os jobs em massa.** A Anthropic também aplica limites de rampa: um salto repentino de tráfego pode retornar 429 abaixo do seu limite. Comece os jobs em lote devagar. Sem uma Batch API, um [executor de lotes retomável](https://broadrouter.com/pt/blog/llm-batch-processing-without-batch-api/) mantém o job dentro dos limites.
7.  **Peça mais.** DeepSeek, DeepInfra, Mistral e Anthropic descrevem um caminho para pedir limites maiores.

## Onde a BroadNet Inference se encaixa

O BroadRouter é o site da própria BroadNet, então leve isso em conta ao ler esta seção. A BroadNet Inference não é a opção para taxas de requisição muito altas numa única chave: os limites por chave que ela publica ficam bem abaixo dos níveis pagos da OpenAI, Anthropic, Fireworks ou Cerebras. Ela serve para cargas de agentes e chat que enviam poucas requisições por vez, principalmente num plano de preço fixo, em que um agente ocupado não tem medidor de tokens nem limite diário. Contas novas ganham um crédito inicial de $5 para o Gemma 4 VL 26B, os dois modelos de transcrição e as chaves por hora do Gemma; DeepSeek, GLM e Qwen exigem uma recarga. O autoatendimento não tem SLA. [Leia os limites da API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-rate-limits-by-provider&utm_content=body) ou [compare os planos](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-rate-limits-by-provider&utm_content=body).

Ferramentas gratuitas sobre o tema (em inglês)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

[Rate limit (limite de taxa)](https://broadrouter.com/pt/glossary/rate-limit/)

Um rate limit é um teto que uma API impõe a quanto um cliente pode usá-la em um intervalo de tempo, como requisições por minuto ou tokens por minuto. As requisições acima do limite são recusadas, normalmente com HTTP 429 Too Many Requests, até que o uso volte a ficar abaixo dele.

[Token](https://broadrouter.com/pt/glossary/token/)

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Concorrência (concurrency)](https://broadrouter.com/pt/glossary/concurrency/)

Concorrência é o número de requisições que um cliente tem em andamento ao mesmo tempo. APIs de LLM muitas vezes a limitam por chave ou por plano, separadamente das requisições por minuto, porque cada requisição aberta ocupa capacidade de GPU até a resposta terminar.

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[Throughput (vazão)](https://broadrouter.com/pt/glossary/throughput/)

Throughput, ou vazão, no serving de LLMs, é a quantidade total de trabalho que um sistema conclui por unidade de tempo em todas as requisições simultâneas, geralmente medida em tokens de saída ou requisições por segundo. É diferente da velocidade por stream, que é a rapidez com que uma única requisição recebe seus tokens.

[Embeddings](https://broadrouter.com/pt/glossary/embeddings/)

Embeddings são listas de números de ponto flutuante (vetores) que um modelo produz para representar um texto, uma imagem ou outra entrada. Entradas com significado parecido recebem vetores próximos, então a distância entre vetores serve para ordenar resultados de busca, agrupar documentos ou encontrar itens relacionados.

[Plano de LLM com preço fixo (flat-rate)](https://broadrouter.com/pt/glossary/flat-rate-llm-plan/)

Um plano de LLM com preço fixo cobra um valor fixo por um período, como um mês, pelo acesso à API de um modelo de linguagem, em vez de cobrar por token. Esses planos costumam limitar outra coisa, como simultaneidade, velocidade, modelos ou janelas de uso, então os limites importam tanto quanto o preço.

[Batch API (API de lote)](https://broadrouter.com/pt/glossary/batch-api/)

Batch API é um endpoint assíncrono de LLM que aceita muitas requisições de uma vez, normalmente em um arquivo, processa tudo dentro de uma janela definida em vez de na hora e devolve os resultados juntos. Provedores como OpenAI e Anthropic cobram as requisições em lote com desconto em relação às APIs padrão.

## Perguntas frequentes

### Quais são os rate limits da API da OpenAI no primeiro nível pago?

O guia de rate limits da OpenAI (consultado em 15 de novembro de 2026) coloca o nível Build em USD 5 de compras de crédito no total, com limite de uso mensal de USD 500. O Build permite 5.000 RPM e 1.000.000 TPM no Astra, Sol e Terra, e 5.000 RPM e 2.000.000 TPM no Luna. Os limites valem por organização e por projeto.

### Quais são os rate limits da API da Anthropic?

No nível Start, Claude Sonnet 5.5, Opus 5.5 e Haiku 5.5 permitem cada um 4.000 RPM, 2.000.000 de tokens de entrada por minuto e 400.000 tokens de saída por minuto (verificado em 15 de novembro de 2026). Só a entrada sem cache conta para o limite de entrada. Organizações novas podem começar num nível Evaluation mais baixo.

### Quais são os rate limits gratuitos do Groq?

A tabela publicada pelo Groq (consultada em 15 de novembro de 2026) mostra 30 requisições por minuto, 1.000 requisições por dia, 8.000 tokens por minuto e 200.000 tokens por dia para openai/gpt-oss-120b e qwen/qwen3.8-27b. O Groq avisa que os limites exatos da sua organização estão na página de limites dele. A tabela do plano Developer mostra 1.000 requisições por minuto, 500.000 requisições por dia e 250.000 tokens por minuto para os mesmos modelos.

### A API da DeepSeek tem rate limit?

Sim, na forma de concorrência. A DeepSeek permite 2.500 requisições simultâneas por conta no deepseek-flash e 500 no deepseek-v4-pro, e acima disso retorna HTTP 429. Limites maiores estão disponíveis sob pedido, sem custo extra (verificado em 15 de novembro de 2026).

### Qual a diferença entre RPM, TPM e concorrência?

O RPM conta as requisições iniciadas por minuto. O TPM conta os tokens processados por minuto, às vezes separando entrada e saída. A concorrência conta as requisições em andamento no mesmo instante, então requisições longas a esgotam mesmo com RPM baixo.

### Quais são os rate limits da BroadNet Inference?

Uma chave de pagamento por uso permite 30 requisições por minuto e 4 em andamento. Uma chave por hora permite 120 requisições por minuto, 300,000 tokens por minuto e 1 stream no Gemma 4 VL 26B. Uma sessão de plano de preço fixo roda uma requisição por vez. Todas retornam HTTP 429 quando o limite é ultrapassado.

## Continue lendo

-   [Erro 429 em API de LLM: backoff, jitter e limitadores](https://broadrouter.com/pt/blog/handle-llm-api-429-rate-limits/)
-   [Como rodar agentes de código em paralelo numa API de LLM de preço fixo](https://broadrouter.com/pt/blog/run-parallel-coding-agents-flat-rate/)
-   [Processamento em lote com LLM sem Batch API: um runner retomável](https://broadrouter.com/pt/blog/llm-batch-processing-without-batch-api/)
-   [Como escolher um provedor de API de LLM: checklist de 20 pontos](https://broadrouter.com/pt/blog/choose-llm-api-provider-checklist/)
-   [Crédito grátis de API de LLM: quanto o crédito inicial rende](https://broadrouter.com/pt/blog/free-llm-api-credit/)
-   [Hardware de GPU e serving da BroadNet, segundo a própria BroadNet](https://broadrouter.com/pt/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache de respostas de LLM para cortar custo: um cache exato em Python](https://broadrouter.com/pt/blog/cache-llm-responses-cut-cost/)
-   [Guia: Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)
-   [Guia: Como funcionam os planos de API de LLM ilimitada para agentes](https://broadrouter.com/pt/guides/unlimited-llm-api-sessions/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-rate-limits-by-provider&utm_content=page-cta) ·

**Fontes**

-   [Documentação da API da OpenAI, rate limits e níveis de uso (consultada em 2026-11-15)](https://developers.openai.com/api/docs/guides/rate-limits)
-   [Documentação da API do Claude, rate limits, tetos de gasto, ITPM com cache e limites de rampa (consultada em 2026-11-15)](https://platform.claude.com/docs/en/api/rate-limits)
-   [Documentação do Google AI Studio, rate limits e níveis de uso da API do Gemini (consultada em 2026-11-15)](https://aistudio.google.com/docs/rate-limits)
-   [Documentação da Mistral, limites de uso (consultada em 2026-11-15)](https://docs.mistral.ai/admin/billing-usage/usage-limits)
-   [Documentação do Groq, tabela de rate limits e cabeçalhos (consultada em 2026-11-15)](https://console.groq.com/docs/rate-limits)
-   [Documentação da Together AI, rate limits (consultada em 2026-11-15)](https://docs.together.ai/docs/rate-limits)
-   [Documentação da Fireworks AI, rate limits e níveis de gasto (consultada em 2026-11-15)](https://docs.fireworks.ai/guides/quotas_usage/rate-limits)
-   [Documentação da DeepInfra, rate limits (consultada em 2026-11-15)](https://docs.deepinfra.com/account/rate-limits)
-   [Documentação da Cerebras Inference, rate limits por nível (consultada em 2026-11-15)](https://inference-docs.cerebras.ai/support/rate-limits)
-   [Documentação da API da DeepSeek, rate limit e concorrência (consultada em 2026-11-15)](https://api-docs.deepseek.com/quick_start/rate_limit)
-   [Documentação da API da DeepSeek, modelos e preços: IDs e versões dos modelos (verificado em 2026-11-15)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Documentação do OpenRouter, limites da API (consultada em 2026-11-15)](https://openrouter.ai/docs/api_reference/limits)
-   [Documentação da Cohere, rate limits (consultada em 2026-11-15)](https://docs.cohere.com/docs/rate-limits)
-   [Documentação da xAI, rate limits e níveis (consultada em 2026-11-15)](https://docs.x.ai/developers/rate-limits)
-   [Referência da API da BroadNet Inference, limites (consultada em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-rate-limits-by-provider&utm_content=sources)
-   [Planos da BroadNet Inference, sessões (consultada em 2026-11-15) (em inglês)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-llm-api-rate-limits-by-provider&utm_content=sources)
