Claude på Amazon Bedrock: kvoter, gränser och höjningar

Kvoterna som gäller för Claude

Trots namnen gäller kvoterna för alla inferens-API:er som anropar modellen på bedrock-runtime, även Converse, Responses och Chat Completions. Den nyare slutpunkten bedrock-mantle räknas separat, med egna kvoter för input- och output-tokens per minut och utan kvot för anrop per minut.

Publicerade standardvärden för aktuella Claude-modeller

Varför kvoten sjunker snabbare än fakturan

Bedrock räknar om output-tokens till kvotförbrukning med en burndown-faktor. AWS anger 10 gånger för Claude Opus 5.5, Sonnet 5, Opus 5 och Fable 5.1, 15 gånger för Claude-modeller i version 4.8 och 5 gånger för version 4.7 och äldre. Sidan anger ingen egen faktor för Sonnet 5.5 eller Haiku 5.5. Ni betalar bara för de tokens som faktiskt används.

Kvoten belastas också i förväg. När ett anrop startar drar Bedrock av input-tokens plus hela max_tokens och lämnar tillbaka den oanvända delen när anropet är klart. Läsningar från cachen räknas inte. AWS:s formel tillämpad på ett anrop till Claude Opus 5.5:

input-tokens          20 000
max_tokens            32 000
genererad output       2 000

reserverat vid start  52 000
  = input + max_tokens
belastat vid slut     40 000
  = input + output x 10
fakturerade tokens    22 000
  = input + output

Att sätta max_tokens nära den verkliga outputstorleken är det billigaste sättet att få plats med fler samtidiga anrop i samma kvot.

Inferens över flera regioner

Cross-region inference skickar ett anrop via en inference-profil, och Bedrock väljer regionen som hanterar det. Anrop via en profil använder modellens cross-region-kvot, som är skild från on demand-kvoten för anrop i en region.

ThrottlingException och närliggande fel

AWS:s exempel är sex försök totalt, det första anropet plus fem omförsök. I boto3:

import boto3
from botocore.config import Config

config = Config(retries={
    "total_max_attempts": 6,
    "mode": "standard",
})
client = boto3.client(
    "bedrock-runtime", config=config
)

Så ansöker ni om en kvothöjning

1. Öppna Service Quotas, välj Amazon Bedrock och kontrollera kontots värden för den modell och region ni anropar.
2. Kontrollera först modellens livscykel. AWS beviljar inga höjningar för modeller med status Legacy eller Deprecated.
3. Ansök om höjningen på "Cross-Region InvokeModel tokens per minute" för modellen. AWS Support erbjuder då att höja on demand-tokens per minut och tokens per dag i samma ärende.
4. Visa verklig användning. Enligt AWS prioriteras kunder vars trafik redan använder den nuvarande kvoten, och andra ansökningar kan avslås. Mindre höjningar godkänns ofta automatiskt; större granskas av AWS Support.
5. Endpointen bedrock-mantle har ett eget förfarande.

# Kontots Claude-kvoter, aktuell region
aws service-quotas list-service-quotas \
  --service-code bedrock \
  --query "Quotas[?contains(QuotaName,
    'Claude Sonnet 5.5')].[QuotaName,Value]" \
  --output table

# Ansök om höjning med kvotkoden
aws service-quotas \
  request-service-quota-increase \
  --service-code bedrock \
  --quota-code L-XXXXXXXX \
  --desired-value 12000000

Provisioned Throughput och service tiers

Få ut mer av den kvot ni har

• Sätt max_tokens till förväntad output, eftersom hela värdet reserveras när varje anrop startar.
• Använd prompt caching för återkommande kontext.
• Begränsa efter tokens och samtidighet. AWS varnar för att en gräns enbart på anrop per minut inte skyddar när anropens storlek ändras.
• Öka lasten stegvis och följ andelen 429, 503 och 529 på varje nivå.
• Flytta offlinearbete till batch inference och latenstolerant arbete till Flex Tier, där modellen stöder det.

Bortom ett kontos kvot

För att nå ett tillgänglighetsmål rekommenderar AWS själv begränsade omförsök och fallback över flera regioner eller modeller i er applikation. En gateway gör det arbetet åt er, över flera leverantörer.

Med Standard Compute blir ert Bedrock-konto en av flera vägar till Claude, och ni behöver inte själva ansöka om en Bedrock-kvot. Claude körs hos Anthropic och de stora molnen, och samma API når GPT, Gemini och öppna modeller som GLM, DeepSeek och MiniMax. Varje steg går till den billigaste modell som klarar det och till den billigaste leverantör som är snabb nog.

För Claude i Europa sätter ni en Europaregel för företaget, ett team eller en enskild nyckel: varje anrop, även omförsök och fallbacks, hanteras då bara av godkända europeiska inferens-endpoints. Claude Opus 5.5, Sonnet 5.5 och Haiku 5.5 körs i Europa på Google Vertex AI och Amazon Bedrock i Irland. Personuppgiftsbiträdesavtalet signerar ni i adminpanelen.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.stdcmpt.com/v1",
    api_key=STANDARD_COMPUTE_KEY,
)

# "standardcompute" skickar varje steg till den
# billigaste modell som klarar det.
# För att låsa Claude:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

För Azure OpenAI-kvoter, se Azure OpenAI-kvoter och -gränser. Hur Standard Compute fungerar för företag står på AI-gateway för företag.

Vanliga frågor

Källor (kontrollerade 9 november 2026)

1. Quotas for Amazon Bedrock (på engelska)docs.aws.amazon.com
2. Quotas for the bedrock-runtime endpoint (på engelska)docs.aws.amazon.com
3. How tokens are counted in Amazon Bedrock (på engelska)docs.aws.amazon.com
4. Amazon Bedrock endpoints and quotas, AWS General Reference (på engelska)docs.aws.amazon.com
5. Cross-Region inference (på engelska)docs.aws.amazon.com
6. Troubleshooting Amazon Bedrock API error codes (på engelska)docs.aws.amazon.com
7. Scaling and throughput best practices (på engelska)docs.aws.amazon.com
8. Provisioned Throughput (på engelska)docs.aws.amazon.com
9. Service tiers for inference (på engelska)docs.aws.amazon.com
10. Requesting a quota increase, Service Quotas (på engelska)docs.aws.amazon.com
11. Claude Code on Amazon Bedrock (på engelska)code.claude.com

Läs vidare

• AI-gateway för företag
• Azure OpenAI-kvoter och -gränser
• Europeisk AI-gateway