---
title: "So sánh giới hạn tốc độ API LLM theo nhà cung cấp | BroadRouter"
description: "Giới hạn tốc độ API LLM ở hạng đầu của 13 nhà cung cấp, đọc từ tài liệu chính thức: OpenAI, Anthropic, Gemini, Groq, DeepSeek, Fireworks…, kèm giải thích RPM, TPM."
url: https://broadrouter.com/vi/blog/llm-api-rate-limits-by-provider/
lang: vi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/blog/llm-api-rate-limits-by-provider/) (cập nhật ngày 2026-11-16).

# Giới hạn tốc độ API LLM theo nhà cung cấp: so sánh RPM, TPM, đồng thời

Đội ngũ BroadNet Inference · 8 phút đọc · Đăng ngày 2026-11-15 · Cập nhật 2026-11-16

Giới hạn tốc độ API LLM khác nhau về loại, không chỉ về độ lớn. OpenAI, Anthropic và Gemini giới hạn request và token mỗi phút theo hạng. DeepSeek và DeepInfra giới hạn request đồng thời. Gói miễn phí của Groq và Cerebras thêm hạn mức ngày. Ở hạng trả phí đầu tiên, OpenAI và Anthropic cho phép hàng nghìn request mỗi phút; key trả theo mức dùng của BroadNet cho phép 30.

## Ý chính

-   Mỗi nhà cung cấp giới hạn một thứ khác nhau: request mỗi phút (RPM), token mỗi phút (TPM), request hoặc token mỗi ngày, request mỗi giây, hoặc số request đang chạy.
-   Nhà cung cấp chia hạng sẽ nâng giới hạn theo mức chi tiêu: OpenAI Build (đã trả USD 5) cho 5.000 RPM; Anthropic Start cho 4.000 RPM trên các model mới nhất (kiểm tra ngày 2026-11-15).
-   Nhà cung cấp giới hạn theo số request đồng thời không công bố RPM: DeepInfra cho phép 200 request đang chạy trên mỗi model, DeepSeek cho 2.500 request mỗi tài khoản trên deepseek-flash (model ID của V4.1 Flash).
-   Gói miễn phí rất nhỏ: bảng miễn phí của Groq ghi 30 RPM và 1.000 request mỗi ngày trên gpt-oss-120b; các model :free của OpenRouter cho phép 20 RPM.
-   Key trả theo mức dùng của BroadNet cho phép 30 request mỗi phút và 4 request đang chạy, thấp hơn nhiều so với hạng trả phí của các nhà cung cấp lớn. Gói giá cố định chạy một request tại một thời điểm cho mỗi phiên.

**Trong trang này**

1.  RPM, TPM, RPD và đồng thời nghĩa là gì?
2.  Hạng sử dụng hoạt động thế nào?
3.  Giới hạn tốc độ API LLM theo nhà cung cấp: hạng đầu tiên
4.  Nói thẳng, giới hạn của BroadNet so ra sao?
5.  Lên kế hoạch quanh giới hạn tốc độ thế nào?
6.  BroadNet Inference phù hợp ở đâu?

Tìm “giới hạn tốc độ API LLM” và bạn sẽ gặp những bảng trên blog mâu thuẫn nhau, thường vì chúng chép lại số liệu cũ. Bài này đọc mọi con số từ tài liệu chính thức của từng nhà cung cấp vào ngày 15 tháng 11 năm 2026, ghi rõ con số áp dụng cho hạng và model nào, và để trống ô khi nhà cung cấp không công bố. Nếu muốn cùng dữ liệu này dưới dạng dataset tải về được, kèm credit miễn phí và điều khoản sử dụng dữ liệu, hãy xem [gói miễn phí và giới hạn tốc độ API LLM](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/). BroadRouter là trang web của chính BroadNet, và giới hạn của BroadNet cũng có trong bảng.

## RPM, TPM, RPD và đồng thời nghĩa là gì?

Một [giới hạn tốc độ](https://broadrouter.com/vi/glossary/rate-limit/) đặt trần cho lượng bạn gửi được trong một khoảng thời gian. Mỗi nhà cung cấp đếm một thứ khác nhau:

| Giới hạn | Đếm cái gì | Gây khó nhất khi |
| --- | --- | --- |
| RPM, request mỗi phút | Số request bắt đầu trong một phút | Bạn gửi nhiều lệnh gọi ngắn (phân loại, vòng lặp kiểu embeddings) |
| RPS, request mỗi giây | Như trên, tính theo một giây | Bạn gửi dồn dập, dù trung bình theo phút vẫn thấp |
| TPM, token mỗi phút | Số token được xử lý trong một phút, đôi khi tách đầu vào (ITPM) và đầu ra (OTPM) | Bạn gửi prompt dài hoặc tài liệu dài |
| RPD / TPD, mỗi ngày | Số request hoặc token trong một ngày | Bạn chạy job batch trên gói miễn phí |
| [Đồng thời](https://broadrouter.com/vi/glossary/concurrency/) | Số request đang chạy cùng một lúc | Request chậm: suy luận, đầu ra dài, agent |

Giới hạn nào “cắn” bạn tùy vào hình dạng request. Với giới hạn đồng thời, thông lượng phụ thuộc vào độ dài request: chính tài liệu của DeepInfra đưa ví dụ 200 request đồng thời với thời gian trung bình 1 giây tương đương khoảng 12.000 RPM. Một request suy luận 30 giây ở cùng mức đồng thời chỉ cho một phần nhỏ con số đó.

Phần lớn nhà cung cấp còn áp giới hạn trên những khoảng thời gian ngắn hơn mức họ công bố. Anthropic cho biết giới hạn 60 RPM “might be enforced as 1 request per second” (bản dịch: có thể được áp dụng thành 1 request mỗi giây), còn xAI tính giới hạn mỗi giây từ ngân sách mỗi phút (“RPM / 48, with a minimum of 2”, bản dịch: RPM / 48, tối thiểu là 2).

## Hạng sử dụng hoạt động thế nào?

Các nhà cung cấp model đóng lớn nâng giới hạn khi bạn chi tiêu nhiều hơn:

| Nhà cung cấp | Các hạng (kiểm tra ngày 2026-11-15) | Cách lên hạng |
| --- | --- | --- |
| OpenAI | Free, Build, Launch, Grow | Free: người dùng phải ở khu vực được phép; hạn mức sử dụng hằng tháng USD 100 (mức trần chi tiêu, không phải credit). Sau đó tổng tiền mua credit USD 5, USD 100 và USD 500, với hạn mức sử dụng hằng tháng USD 500, USD 5.000 và USD 200.000 |
| Anthropic | Evaluation, Start, Build, Scale, Custom | Tự động, theo lịch sử sử dụng và tình trạng tài khoản. Trần chi tiêu hằng tháng: Start USD 500, Build USD 1.000, Scale USD 200.000 |
| Google Gemini API | Free, Tier 1, Tier 2, Tier 3 | Tier 1 cần liên kết tài khoản thanh toán; Tier 2 cần đã trả USD 100 cộng 3 ngày; Tier 3 USD 1.000 cộng 30 ngày. Google nói giới hạn tốc độ đã nêu “not guaranteed” (bản dịch: không được đảm bảo) và “no guarantees” (bản dịch: không đảm bảo) cho yêu cầu nâng giới hạn |
| Fireworks AI | Tier 1 đến Tier 4 | Thêm phương thức thanh toán cho Tier 1, sau đó USD 50, USD 500 và USD 5.000 chi tiêu hoặc credit. Lên hạng tăng TPM, không tăng RPM |
| xAI | Tier 0 đến Tier 4, Enterprise | Chi tiêu cộng dồn từ ngày 1 tháng 1 năm 2026: USD 0, 50, 250, 1.000 và 5.000 |

Hai chi tiết quan trọng trong thực tế. Trần chi tiêu của Anthropic trả về HTTP 429 không kèm header `retry-after` khi bạn chạm mức, nên retry tự động sẽ tiếp tục thất bại cho đến khi sang tháng mới hoặc bạn lên hạng. Và giới hạn đầu vào của Anthropic chỉ tính đầu vào không lấy từ cache: lượt đọc cache không bị tính, nên tỷ lệ cache cao giúp tăng thông lượng thực tế.

## Giới hạn tốc độ API LLM theo nhà cung cấp: hạng đầu tiên

Số liệu cho gói miễn phí hoặc hạng trả phí đầu tiên của từng nhà cung cấp, lấy từ trang rate limit của chính họ. Dấu gạch ngang nghĩa là trang đó không công bố con số cho giới hạn này; nó không có nghĩa là không giới hạn.

| Nhà cung cấp | Hạng và model | RPM | TPM | Mỗi ngày | Đồng thời |
| --- | --- | --- | --- | --- | --- |
| 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 đầu vào (không từ cache), 400.000 đầu ra | – | – |
| Google Gemini API | Free; Gemini Decision 1 (model duy nhất có số liệu miễn phí trên trang) | 200 | 50.000 | 10.000 request | – |
| Google Gemini API | Tier 1; Gemini Decision 1 | 1.500 | 1.000.000 | 50.000 request | – |
| Groq | Bảng gói Free; openai/gpt-oss-120b, qwen/qwen3.8-27b | 30 | 8.000 | 1.000 request, 200.000 token | – |
| Groq | Bảng gói Developer; openai/gpt-oss-120b, qwen/qwen3.8-27b | 1.000 | 250.000 | 500.000 request | – |
| Cerebras | Free Trial; gpt-oss-120b | 5 | 30.000 không từ cache (90.000 tổng) | 1.000.000 token | – |
| Cerebras | Developer (trả theo mức dùng); gpt-oss-120b | 1.000 | 500.000 không từ cache (1.500.000 tổng) | Không giới hạn | – |
| Fireworks AI | Không có phương thức thanh toán hay credit; toàn tài khoản | 10 | – | – | – |
| Fireworks AI | Có phương thức thanh toán và credit; toàn tài khoản | 6.000 | Theo hạng chi tiêu | – | – |
| DeepInfra | Mặc định; mỗi model công khai | – | – | – | 200 |
| DeepSeek | Mặc định; `deepseek-flash` (DeepSeek-V4.1-Flash-1017), mỗi tài khoản | – | – | – | 2.500 |
| DeepSeek | Mặc định; `deepseek-v4-pro` (DeepSeek-V4-Pro-0813), mỗi tài khoản | – | – | – | 500 |
| xAI | Tier 0; grok-4.7 (150 RPS) | – | 50.000.000 | – | – |
| OpenRouter | Model :free, đã mua dưới USD 10 credit | 20 | – | 50 request | – |
| OpenRouter | Model :free, đã mua từ USD 10 credit trở lên | 20 | – | 1.000 request | – |
| Cohere | Trial key; Command A | 20 | – | 1.000 lệnh gọi mỗi tháng | – |
| Cohere | Production key; Command A | 500 | – | – | – |
| BroadNet Inference | Key trả theo mức dùng; mọi model | 30 | – | – | 4 |
| BroadNet Inference | Key theo giờ; Gemma 4 VL 26B | 120 | 300,000 | – | 1 stream |
| BroadNet Inference | Phiên gói giá cố định; DeepSeek V4.1 Flash | – | Không đếm token | – | 1 request tại một thời điểm |

Ghi chú về các dòng:

-   **Groq.** Trang có hai tab, “Free Plan Limits” (mở sẵn mặc định) và “Developer Plan Limits”. Câu phía trên gọi các số liệu là “the base limits for the Developer plan” (bản dịch: giới hạn cơ bản của gói Developer), điều chỉ đúng với tab thứ hai; bảng ở trên ghi cả hai. Giới hạn chính xác của tổ chức bạn nằm trên trang giới hạn của họ.
-   **Google.** Giới hạn áp dụng theo dự án, không theo API key. Số liệu của phần lớn model chỉ hiện trong AI Studio. Gemini Decision 1 là model phân loại dành cho Decisions API của Google: nó trả về xác suất chứ không phải văn bản, nên giới hạn của nó không nói được nhiều về các model chat Gemini.
-   **Mistral và Together AI** không công bố con số. Mistral hiển thị giới hạn của bạn trong console thay vì công bố bảng, và không cung cấp truy cập API miễn phí (“It doesn’t include API access”, bản dịch: không bao gồm truy cập API). Together nói họ “may limit requests” (bản dịch: có thể giới hạn request) khi nhu cầu cao và có thể đặt giới hạn riêng cho các model phổ biến.
-   **OpenRouter.** Các biến thể model trả phí có “no platform-level request cap” (bản dịch: không có trần request ở cấp nền tảng), nhưng các nhà cung cấp phía sau mỗi model vẫn có giới hạn riêng.
-   **DeepSeek.** Khi bận, DeepSeek giữ kết nối mở bằng các dòng trống hoặc comment `: keep-alive`, và đóng kết nối nếu inference chưa bắt đầu trong 10 phút. Hãy đặt timeout phía client với điều này trong đầu.

## Nói thẳng, giới hạn của BroadNet so ra sao?

Chúng thấp cho công việc khối lượng lớn. Một key trả theo mức dùng của BroadNet cho phép 30 request mỗi phút và 4 request đang chạy, trong khi hạng trả phí đầu tiên của OpenAI và Anthropic cho phép hàng nghìn request mỗi phút và Fireworks cho phép 6.000 khi đã lưu thẻ. Nếu bạn cần đẩy hàng nghìn request ngắn mỗi phút qua một key, hạng trả phí của một nhà cung cấp lớn sẽ phù hợp hơn.

Các giới hạn này hợp với những dạng công việc khác:

-   **Agent và chat.** Một agent gửi một request mỗi lần rồi chờ. 4 request đang chạy đủ cho vài agent trên một key; mỗi ứng dụng hoặc mỗi thành viên dùng một key sẽ chia đều tải.
-   **Gói giá cố định.** Một phiên Full Moon, Orbit hoặc Meteor không đếm token và không có trần theo ngày hay tuần, nhưng chạy một request tại một thời điểm với tốc độ điển hình khoảng 100 token mỗi giây. Muốn chạy agent song song, hãy mua một phiên cho mỗi agent. [Bạn cần bao nhiêu phiên](https://broadrouter.com/vi/blog/run-parallel-coding-agents-flat-rate/).
-   **Key theo giờ.** $0.50 mỗi giờ mua một stream Gemma 4 VL 26B với 120 request và 300,000 token mỗi phút.

Mọi giới hạn của BroadNet đều trả về HTTP 429. Tài liệu tham chiếu API không nêu thời gian `retry-after`, nên hãy dùng backoff có giới hạn kèm jitter.

## Lên kế hoạch quanh giới hạn tốc độ thế nào?

1.  **Tìm giới hạn ràng buộc bạn.** Tính request mỗi phút, token mỗi phút và số request đang chạy cho lưu lượng cao điểm. [Công cụ tính giới hạn tốc độ LLM](https://broadrouter.com/tools/llm-rate-limit-calculator/) làm việc này từ kích thước request và độ trễ.
2.  **Điều tiết ở phía client.** Một token bucket khớp với giới hạn công bố sẽ tránh được phần lớn lỗi 429. Anthropic cũng dùng chính thuật toán này ở phía server.
3.  **Đọc header.** Anthropic trả về header `anthropic-ratelimit-*`; Groq trả về header `x-ratelimit-*`, trong đó header về request “always refers to Requests Per Day” (bản dịch: luôn chỉ số request mỗi ngày). Hãy dùng `retry-after` khi có.
4.  **Retry với backoff và jitter, và giới hạn số lần retry.** [Xử lý lỗi 429](https://broadrouter.com/vi/blog/handle-llm-api-429-rate-limits/) có code chạy được, và [lỗi và retry](https://broadrouter.com/vi/guides/errors-and-retries/) đề cập các mã trạng thái của BroadNet.
5.  **Cache các tiền tố ổn định.** Trên Anthropic, đầu vào từ cache không bị tính vào giới hạn đầu vào. Ở mọi nơi, nó đều giảm chi phí.
6.  **Dàn trải job khối lượng lớn.** Anthropic còn áp giới hạn tăng tốc (ramp limit): lưu lượng tăng đột ngột có thể nhận 429 dù chưa chạm giới hạn. Hãy khởi động job batch từ từ. Không có Batch API, một [trình chạy batch có thể tiếp tục](https://broadrouter.com/vi/blog/llm-batch-processing-without-batch-api/) giữ job trong giới hạn.
7.  **Xin thêm.** DeepSeek, DeepInfra, Mistral và Anthropic đều mô tả cách yêu cầu giới hạn cao hơn.

## BroadNet Inference phù hợp ở đâu?

BroadRouter là trang web của chính BroadNet, vì vậy hãy cân nhắc phần này cho phù hợp. BroadNet Inference không phải lựa chọn cho tốc độ request rất cao trên một key: giới hạn mỗi key được công bố thấp hơn nhiều so với hạng trả phí của OpenAI, Anthropic, Fireworks hay Cerebras. Nó phù hợp với workload agent và chat gửi vài request mỗi lần, nhất là trên gói giá cố định, nơi một agent bận rộn không bị đếm token và không có trần theo ngày. Tài khoản mới nhận $5 tín dụng ban đầu cho Gemma 4 VL 26B, hai model chép lời và key theo giờ của Gemma; DeepSeek, GLM và Qwen cần nạp tiền. Gói tự phục vụ không có SLA. [Đọc giới hạn API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-rate-limits-by-provider&utm_content=body) hoặc [so sánh các gói](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-rate-limits-by-provider&utm_content=body).

Công cụ miễn phí cho chủ đề này (tiếng Anh)

-   [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.

[Công cụ miễn phí (tiếng Anh)](https://broadrouter.com/tools/)

## Thuật ngữ trong bài này

[Giới hạn tần suất (rate limit)](https://broadrouter.com/vi/glossary/rate-limit/)

Giới hạn tần suất (rate limit) là mức trần mà API đặt ra cho lượng sử dụng của một client trong một khoảng thời gian, như số request mỗi phút hoặc số token mỗi phút. Request vượt giới hạn bị từ chối, thường với HTTP 429 Too Many Requests, cho đến khi mức dùng giảm xuống dưới giới hạn.

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

Token là đơn vị văn bản mà model ngôn ngữ đọc và viết: một từ, một phần của từ, một dấu câu hoặc một chuỗi byte do tokenizer của model tạo ra. API LLM đếm, giới hạn và thường tính phí theo token.

[Trả theo mức dùng (pay-as-you-go)](https://broadrouter.com/vi/glossary/pay-as-you-go/)

Trả theo mức dùng (pay-as-you-go) là mô hình giá mà bạn chỉ trả cho những gì đã dùng, đo theo đơn vị như token, request hoặc phút âm thanh, không có gói đăng ký hay cam kết tối thiểu. Hầu hết API LLM tính phí theo cách này, trừ vào số dư trả trước hoặc qua hóa đơn định kỳ.

[Concurrency (request đồng thời)](https://broadrouter.com/vi/glossary/concurrency/)

Concurrency (request đồng thời) là số request mà một client đang xử lý cùng lúc. Các API LLM thường giới hạn nó theo key hoặc theo gói, tách biệt với số request mỗi phút, vì mỗi request đang mở chiếm dụng năng lực GPU cho tới khi response kết thúc.

[Throughput (thông lượng)](https://broadrouter.com/vi/glossary/throughput/)

Throughput (thông lượng), trong việc phục vụ LLM, là tổng khối lượng công việc một hệ thống hoàn thành trong một đơn vị thời gian trên mọi request đồng thời, thường đo bằng token đầu ra mỗi giây hoặc request mỗi giây. Nó khác với tốc độ từng luồng, tức tốc độ một request nhận token của nó.

[Exponential backoff (lùi thời gian theo cấp số nhân)](https://broadrouter.com/vi/glossary/exponential-backoff/)

Exponential backoff là chiến lược thử lại trong đó client chờ lâu hơn sau mỗi lần thất bại trước khi thử tiếp, thường nhân đôi độ trễ cho tới một mức trần. Thêm jitter ngẫu nhiên vào mỗi lần chờ giúp dàn trải các lần thử lại từ nhiều client để chúng không đổ dồn vào server cùng lúc.

[Embedding (vector nhúng)](https://broadrouter.com/vi/glossary/embeddings/)

Embedding là danh sách số thực (vector) mà một model tạo ra để biểu diễn đoạn văn bản, hình ảnh hay đầu vào khác. Đầu vào có nghĩa tương tự nhận vector gần nhau, nên khoảng cách giữa vector dùng được để xếp hạng kết quả tìm kiếm, gom cụm tài liệu hoặc tìm mục liên quan.

[API key (khóa API)](https://broadrouter.com/vi/glossary/api-key/)

API key là một chuỗi bí mật dùng để xác định và cấp quyền cho client gọi API. API LLM thường yêu cầu nó trong header Authorization: Bearer, và bất kỳ ai giữ key đều có thể gửi request được tính phí vào tài khoản sở hữu key đó.

## Câu hỏi thường gặp

### Giới hạn tốc độ API OpenAI ở hạng trả phí đầu tiên là bao nhiêu?

Theo hướng dẫn rate limit của OpenAI (kiểm tra ngày 15 tháng 11 năm 2026), hạng Build bắt đầu khi tổng tiền mua credit đạt USD 5, với hạn mức sử dụng USD 500 mỗi tháng. Build cho phép 5.000 RPM và 1.000.000 TPM trên Astra, Sol và Terra, và 5.000 RPM cùng 2.000.000 TPM trên Luna. Giới hạn áp dụng theo tổ chức và theo dự án.

### Giới hạn tốc độ API Anthropic là bao nhiêu?

Ở hạng Start, Claude Sonnet 5.5, Opus 5.5 và Haiku 5.5 mỗi model cho phép 4.000 RPM, 2.000.000 token đầu vào mỗi phút và 400.000 token đầu ra mỗi phút (kiểm tra ngày 15 tháng 11 năm 2026). Chỉ đầu vào không lấy từ cache mới bị tính vào giới hạn đầu vào. Tổ chức mới có thể bắt đầu ở hạng Evaluation thấp hơn.

### Giới hạn tốc độ miễn phí của Groq là bao nhiêu?

Bảng Groq công bố (kiểm tra ngày 15 tháng 11 năm 2026) ghi 30 request mỗi phút, 1.000 request mỗi ngày, 8.000 token mỗi phút và 200.000 token mỗi ngày cho openai/gpt-oss-120b và qwen/qwen3.8-27b. Groq lưu ý rằng giới hạn chính xác của tổ chức bạn nằm trên trang giới hạn của họ. Bảng gói Developer ghi 1.000 request mỗi phút, 500.000 request mỗi ngày và 250.000 token mỗi phút cho cùng các model đó.

### API DeepSeek có giới hạn tốc độ không?

Có, dưới dạng giới hạn đồng thời. DeepSeek cho phép 2.500 request đồng thời mỗi tài khoản trên deepseek-flash và 500 trên deepseek-v4-pro, và trả về HTTP 429 khi vượt mức. Có thể yêu cầu giới hạn cao hơn mà không mất thêm phí (kiểm tra ngày 15 tháng 11 năm 2026).

### RPM, TPM và đồng thời khác nhau thế nào?

RPM đếm số request bắt đầu trong một phút. TPM đếm số token được xử lý trong một phút, đôi khi tách riêng đầu vào và đầu ra. Đồng thời đếm số request đang chạy cùng một lúc, nên request dài vẫn dùng hết hạn mức dù RPM thấp.

### Giới hạn tốc độ của BroadNet Inference là bao nhiêu?

Key trả theo mức dùng cho phép 30 request mỗi phút và 4 request đang chạy. Key theo giờ cho phép 120 request mỗi phút, 300,000 token mỗi phút và 1 stream trên Gemma 4 VL 26B. Một phiên của gói giá cố định chạy một request tại một thời điểm. Tất cả đều trả về HTTP 429 khi vượt giới hạn.

## Đọc tiếp

-   [Cách xử lý lỗi 429 của API LLM: backoff, jitter và giới hạn đồng thời](https://broadrouter.com/vi/blog/handle-llm-api-429-rate-limits/)
-   [Cách chạy coding agent song song trên API LLM giá cố định](https://broadrouter.com/vi/blog/run-parallel-coding-agents-flat-rate/)
-   [Xử lý LLM hàng loạt không cần Batch API: runner chạy tiếp được](https://broadrouter.com/vi/blog/llm-batch-processing-without-batch-api/)
-   [Cách chọn nhà cung cấp API LLM: checklist 20 điểm](https://broadrouter.com/vi/blog/choose-llm-api-provider-checklist/)
-   [Tín dụng API LLM miễn phí: khoản tín dụng ban đầu dùng được bao lâu](https://broadrouter.com/vi/blog/free-llm-api-credit/)
-   [Phần cứng GPU và cách phục vụ model của BroadNet, theo lời BroadNet](https://broadrouter.com/vi/blog/broadnet-gpu-fleet-and-serving/)
-   [Cache phản hồi API LLM để giảm chi phí: cache khớp chính xác (Python)](https://broadrouter.com/vi/blog/cache-llm-responses-cut-cost/)
-   [Hướng dẫn: Mã lỗi BroadNet Inference và khi nào nên thử lại](https://broadrouter.com/vi/guides/errors-and-retries/)
-   [Hướng dẫn: Gói LLM API không giới hạn cho agent hoạt động thế nào?](https://broadrouter.com/vi/guides/unlimited-llm-api-sessions/)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

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

**Nguồn**

-   [Tài liệu OpenAI API, giới hạn tốc độ và hạng sử dụng (truy cập ngày 2026-11-15)](https://developers.openai.com/api/docs/guides/rate-limits)
-   [Tài liệu Claude API, giới hạn tốc độ, trần chi tiêu, ITPM tính đến cache và giới hạn tăng tốc (truy cập ngày 2026-11-15)](https://platform.claude.com/docs/en/api/rate-limits)
-   [Tài liệu Google AI Studio, giới hạn tốc độ và hạng sử dụng của Gemini API (truy cập ngày 2026-11-15)](https://aistudio.google.com/docs/rate-limits)
-   [Tài liệu Mistral, giới hạn sử dụng (truy cập ngày 2026-11-15)](https://docs.mistral.ai/admin/billing-usage/usage-limits)
-   [Tài liệu Groq, bảng giới hạn tốc độ và header (truy cập ngày 2026-11-15)](https://console.groq.com/docs/rate-limits)
-   [Tài liệu Together AI, giới hạn tốc độ (truy cập ngày 2026-11-15)](https://docs.together.ai/docs/rate-limits)
-   [Tài liệu Fireworks AI, giới hạn tốc độ và hạng chi tiêu (truy cập ngày 2026-11-15)](https://docs.fireworks.ai/guides/quotas_usage/rate-limits)
-   [Tài liệu DeepInfra, giới hạn tốc độ (truy cập ngày 2026-11-15)](https://docs.deepinfra.com/account/rate-limits)
-   [Tài liệu inference của Cerebras, giới hạn tốc độ theo hạng (truy cập ngày 2026-11-15)](https://inference-docs.cerebras.ai/support/rate-limits)
-   [Tài liệu DeepSeek API, giới hạn tốc độ và đồng thời (truy cập ngày 2026-11-15)](https://api-docs.deepseek.com/quick_start/rate_limit)
-   [Tài liệu DeepSeek API, model và giá: ID và phiên bản model (kiểm tra ngày 2026-11-15)](https://api-docs.deepseek.com/quick_start/pricing)
-   [Tài liệu OpenRouter, giới hạn API (truy cập ngày 2026-11-15)](https://openrouter.ai/docs/api_reference/limits)
-   [Tài liệu Cohere, giới hạn tốc độ (truy cập ngày 2026-11-15)](https://docs.cohere.com/docs/rate-limits)
-   [Tài liệu xAI, giới hạn tốc độ và hạng (truy cập ngày 2026-11-15)](https://docs.x.ai/developers/rate-limits)
-   [Tài liệu tham chiếu API BroadNet Inference, giới hạn (truy cập ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-rate-limits-by-provider&utm_content=sources)
-   [Các gói BroadNet Inference, phiên (truy cập ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-llm-api-rate-limits-by-provider&utm_content=sources)
