Claude en Amazon Bedrock: cuotas, límites y aumentos

Las cuotas que se aplican a Claude

Pese a sus nombres, estas cuotas se aplican a cualquier API de inferencia que llame al modelo a través de bedrock-runtime, incluidas Converse, Responses y Chat Completions. El punto de conexión más reciente bedrock-mantle se contabiliza aparte, con cuotas propias de tokens de entrada y de salida por minuto y sin cuota de solicitudes por minuto.

Valores predeterminados publicados para los modelos Claude actuales

Por qué la cuota se agota antes de lo que indica la factura

Bedrock convierte los tokens de salida en consumo de cuota con un factor fijo, que AWS llama burndown. AWS indica 10 veces para Claude Opus 5.5, Sonnet 5, Opus 5 y Fable 5.1, 15 veces para los modelos Claude de la versión 4.8 y 5 veces para la versión 4.7 y anteriores. Para Sonnet 5.5 y Haiku 5.5 la documentación de AWS no indica una tasa propia. Solo se facturan los tokens realmente utilizados.

La cuota, además, se descuenta por adelantado. Al iniciar una solicitud, Bedrock resta los tokens de entrada más el valor completo de max_tokens y devuelve la parte no utilizada al terminar. Las lecturas de caché no cuentan. Así queda la fórmula de AWS para una solicitud a Claude Opus 5.5:

Tokens de entrada    20.000
max_tokens           32.000
salida generada       2.000

reservado al inicio  52.000
  = input + max_tokens
descontado al final  40.000
  = input + output x 10
tokens facturados    22.000
  = input + output

Ajustar max_tokens al tamaño real de la respuesta es la forma más barata de atender más solicitudes en paralelo dentro de la misma cuota.

Inferencia entre regiones

La inferencia entre regiones envía la solicitud a través de un perfil de inferencia, y Bedrock elige la región que la atiende. Las llamadas a través de un perfil usan la cuota entre regiones del modelo, que es independiente de la cuota bajo demanda para llamadas dentro de una región.

ThrottlingException y errores relacionados

AWS pone como ejemplo seis intentos en total, la solicitud inicial más cinco reintentos. En boto3:

import boto3
from botocore.config import Config

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

Cómo solicitar un aumento de cuota

1. Abra Service Quotas, elija Amazon Bedrock y revise los valores de su cuenta para el modelo y la región que utiliza.
2. Compruebe antes el ciclo de vida del modelo. AWS no concede aumentos para modelos marcados como Legacy o Deprecated.
3. Solicite el aumento de "Cross-Region InvokeModel tokens per minute" del modelo. AWS Support le ofrecerá entonces subir también, en el mismo caso, los tokens por minuto bajo demanda y los tokens por día.
4. Justifique su uso real. Según AWS, tienen prioridad los clientes cuyo tráfico ya consume la cuota actual; las demás solicitudes pueden denegarse. Los aumentos pequeños suelen aprobarse de forma automática y los grandes los revisa AWS Support.
5. El punto de conexión bedrock-mantle tiene su propio procedimiento.

# Cuotas de Claude de la cuenta, región actual
aws service-quotas list-service-quotas \
  --service-code bedrock \
  --query "Quotas[?contains(QuotaName,
    'Claude Sonnet 5.5')].[QuotaName,Value]" \
  --output table

# Solicitar un aumento con el código de cuota
aws service-quotas \
  request-service-quota-increase \
  --service-code bedrock \
  --quota-code L-XXXXXXXX \
  --desired-value 12000000

Provisioned Throughput y niveles de servicio

Sacar más partido a la cuota que ya tiene

• Fije max_tokens en la salida esperada, porque el valor completo se reserva al iniciar cada solicitud.
• Use prompt caching para el contexto que se repite.
• Limite por tokens y por concurrencia. AWS advierte que un límite basado solo en solicitudes por minuto no protege cuando cambia el tamaño de las solicitudes.
• Aumente la carga por etapas y vigile en cada una las tasas de 429, 503 y 529.
• Lleve el trabajo diferido a la inferencia por lotes y el que tolera latencia al Flex tier, donde el modelo lo admita.

Más allá de la cuota de una sola cuenta

Para un objetivo de disponibilidad, la propia AWS recomienda reintentos acotados y alternativas entre varias regiones o modelos dentro de su aplicación. Una pasarela hace ese trabajo por usted, entre varios proveedores.

Con Standard Compute, su cuenta de Bedrock pasa a ser una de varias vías hacia Claude, y no necesita solicitar una cuota de AWS propia. Claude se sirve a través de Anthropic y de las grandes nubes, y la misma API llega a GPT, Gemini y modelos abiertos como GLM, DeepSeek y MiniMax. Cada tarea va al modelo más barato capaz de resolverla y al proveedor más barato que sea lo bastante rápido.

Para Claude en Europa, defina una regla de Europa para la empresa, un equipo o una sola clave: cada solicitud, incluidos reintentos y alternativas, la atienden solo puntos de conexión de inferencia europeos aprobados. Claude Opus 5.5, Sonnet 5.5 y Haiku 5.5 se ejecutan en Europa en Google Vertex AI y en Amazon Bedrock en Irlanda. El contrato de encargo (DPA) se firma en el panel.

from openai import OpenAI

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

# "standardcompute" envía cada paso al modelo
# más barato que pueda resolverlo.
# Para fijar Claude:
# model="anthropic/claude-sonnet-5.5"
client.chat.completions.create(
    model="standardcompute",
    messages=messages,
)

Para las cuotas de Azure OpenAI, consulte Cuotas y límites de Azure OpenAI. Standard Compute para empresas explica la pasarela, la regla de Europa y el inicio de sesión con Microsoft para equipos.

Preguntas frecuentes

Fuentes (revisadas el 9 de noviembre de 2026)

1. Cuotas para Amazon Bedrockdocs.aws.amazon.com
2. Cuotas para el punto de conexión bedrock-runtimedocs.aws.amazon.com
3. Contabilización de los tokens en Amazon Bedrockdocs.aws.amazon.com
4. Puntos de conexión y cuotas de Amazon Bedrockdocs.aws.amazon.com
5. Inferencia entre regionesdocs.aws.amazon.com
6. Solución de códigos de error de la API de Amazon Bedrockdocs.aws.amazon.com
7. Mejores prácticas de escalado y rendimientodocs.aws.amazon.com
8. Rendimiento aprovisionado en Amazon Bedrockdocs.aws.amazon.com
9. Niveles de servicio para la inferenciadocs.aws.amazon.com
10. Solicitud de aumento de cuotadocs.aws.amazon.com
11. Claude Code en Amazon Bedrockcode.claude.com

Más información

• Standard Compute para empresas
• Cuotas y límites de Azure OpenAI
• API LLM con RGPD y datos en Europa