Azure OpenAI: cuotas y límites de velocidad

Cómo funciona la cuota

Cuotas predeterminadas publicadas

Cuotas de Claude en Microsoft Foundry

Cómo se aplica el límite

• En las implementaciones estándar, el TPM cuenta los tokens reales de entrada y los generados. Un max_tokens alto no reserva cuota.
• El RPM se comprueba en ventanas cortas, normalmente de 1 o 10 segundos. Una implementación de 600 RPM se limita por encima de 10 solicitudes en un segundo, aunque el minuto se quede por debajo de 600.
• Las solicitudes rechazadas también cuentan. Una ráfaga de llamadas fallidas consume el mismo límite que las que salen bien.
• Las implementaciones estándar comparten un conjunto de capacidad, y Microsoft puede rebajar su límite efectivo durante unas horas. Si x-ratelimit-limit-tokens queda por debajo del TPM configurado, es exactamente eso.
• Por encima de un uso mensual por modelo, contado en todo el inquilino (unos 25.000 millones de tokens para gpt-5.5), la latencia puede variar más del doble, según Microsoft.

Errores 429 y cómo tratarlos

from openai import OpenAI

# AZURE_V1_URL es https://<recurso>
# .openai.azure.com/openai/v1/
client = OpenAI(
    base_url=AZURE_V1_URL,
    api_key=AZURE_KEY,
    max_retries=5,  # default 2
)

chat = client.chat.completions
raw = chat.with_raw_response.create(
    model="YOUR-DEPLOYMENT",
    messages=messages,
)
h = raw.headers
print(h["x-ratelimit-remaining-tokens"])
reply = raw.parse()

Cómo solicitar más cuota

1. En el portal de Foundry, abra Manage y después Quota. La pestaña Token per minute muestra lo que tiene cada modelo y cada región y lo que está en uso.
2. Mueva primero TPM entre sus propias implementaciones. Los cambios se aplican en unos 15 minutos.
3. Elija Request quota o use el formulario de solicitud de cuota. Sirve para Azure OpenAI, los modelos vendidos por Azure y los modelos Claude de Anthropic.
4. Justifique su uso real. Microsoft da prioridad a los clientes que usan activamente su cuota actual; las demás solicitudes pueden denegarse.
5. Un aumento aprobado añade cuota sin cambiar el nivel. Las suscripciones del nivel Free no pueden solicitar aumentos.

Capacidad aprovisionada (PTU)

Tipos de implementación y lugar de procesamiento

Repartir entre varios proveedores

Ante 429 persistentes, la propia Microsoft recomienda repartir las solicitudes entre varias implementaciones o regiones. Llevado un paso más allá, eso significa más de un proveedor: si se agota la cuota de una suscripción, el mismo modelo, u otro igual de capaz, está disponible en otro sitio.

Con Standard Compute, su suscripción de Azure deja de ser la única vía y no hay cuota regional que solicitar: cada clave funciona hasta su presupuesto mensual. GPT-6.1 y GPT-5.6 se ejecutan en la zona de datos de la UE de Microsoft Azure, Claude se sirve desde varias nubes y la misma API llega a Gemini y a modelos abiertos como GLM, DeepSeek y MiniMax. Si un proveedor cae, su solicitud pasa automáticamente a otro proveedor aprobado del mismo modelo, sin salirse de sus reglas de región ni de proveedor.

Con 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. Los empleados inician sesión en Claude Desktop y Claude Code con su cuenta profesional de Microsoft a través de nuestra pasarela de la UE, y el acceso sigue sus grupos de Entra mediante aprovisionamiento SCIM.

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 Bedrock, consulte Límites y cuotas de AWS Bedrock Claude. 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 y límites de Azure OpenAI en Microsoft Foundrylearn.microsoft.com
2. Gestión de la cuota de Azure OpenAIlearn.microsoft.com
3. Capacidad aprovisionada para Foundry Modelslearn.microsoft.com
4. Determinación del tamaño de PTU para una carga de trabajolearn.microsoft.com
5. Operar implementaciones con rendimiento aprovisionado en producciónlearn.microsoft.com
6. Tipos de implementación en Microsoft Foundry Modelslearn.microsoft.com
7. Modelos de Claude en Microsoft Foundrylearn.microsoft.com
8. Cuotas y límites de velocidad del modelo de Claudelearn.microsoft.com
9. Back-ends de Azure API Managementlearn.microsoft.com

Más información

• Standard Compute para empresas
• Límites y cuotas de AWS Bedrock Claude
• API LLM con RGPD y datos en Europa