Ir al contenido principal
Español— Elegir un idioma
Menú

RPM y TPM por modelo

Lección 2 de 14 Actualizado el 2 de noviembre de 2026 Avanzado
En esta página
  1. Las dos métricas de limitación
  2. RPM limita el número de llamadas
  3. TPM limita el volumen procesado
  4. Límites específicos de cada modelo
  5. Supervisión del consumo sin cabeceras dedicadas
  6. Puntos clave

Actualización del 2 de noviembre de 2026 — Imagine. El modelo grok-imagine-image-quality se eliminó el 2 de noviembre de 2026: sus solicitudes ahora las atiende Imagine Image 2.0 (grok-imagine-image-2.0, 0,04 $ por imagen) en calidad low. Sustituye el identificador en tus ejemplos y define la calidad deseada; grok-imagine-image (versión 1.0) no se ve afectado. Imagine Image 2.0 acepta hasta cinco imágenes de referencia y la calidad auto, que ahora es la predeterminada.

Las dos métricas de limitación

Límites de tasa en la consola de xAI

La API de Grok no mide tu uso con un único contador, sino con dos que se activan de forma independiente: RPM (solicitudes por minuto) y TPM (tokens por minuto). Puedes quedarte bloqueado por uno de ellos aunque estés muy por debajo del límite del otro. Un punto crítico para lo que sigue: estos dos contadores se rastrean por modelo, de modo que tus límites en grok-4.5 no afectan a los de grok-4.3.

Esta distinción no es un mero detalle de la documentación. Determina cómo dimensionas tu infraestructura, cómo distribuyes la carga y exactamente dónde empezará tu servicio a devolver errores en un día de picos de tráfico.

RPM limita el número de llamadas

RPM cuenta las llamadas, independientemente de su tamaño: una solicitud de diez tokens y otra de cien mil tokens pesan exactamente lo mismo. Las fichas oficiales de los modelos expresan esto en solicitudes por segundo: 150 para grok-4.7 y grok-4.5 (9.000 por minuto), 37 para grok-4.3 (2.220 por minuto). Esto es suficiente para una aplicación conversacional estándar.

RPM se convierte en el cuello de botella en cuanto tus solicitudes son numerosas y cortas. Una canalización que clasifica tickets de soporte uno a uno, o que extrae tres entidades por frase en un corpus de documentos, agotará su cuota de llamadas mucho antes de acercarse a su cuota de tokens. En este caso, la solución no es pedir más RPM, sino agrupar varios elementos en una única llamada.

TPM limita el volumen procesado

TPM suma los tokens de entrada y de salida en una ventana deslizante de un minuto. Según las fichas oficiales, el límite es de 50 millones de tokens por minuto para grok-4.7 y grok-4.5, y de 10 millones para grok-4.3. El comportamiento aquí es exactamente el inverso del caso anterior: pocas llamadas, pero muy pesadas.

Imagina un servicio de análisis de documentos que envía carpetas de 50.000 tokens cada una. En grok-4.3, el techo de solicitudes permitiría 2.220 envíos por minuto, pero el TPM se detiene en 200 documentos: 200 × 50.000 = 10 millones. Por tanto, saturas alrededor de una onceava parte de tu capacidad teórica en número de llamadas, y ninguna configuración de paralelismo te permitirá superar este muro.

Límites específicos de cada modelo

Los techos no son los mismos según la naturaleza del modelo que llames, y debes conocer esta escala antes de prometer rendimiento a un cliente.

CategoríaModelosLímite (ficha oficial)
Textogrok-4.7, grok-4.5150 solicitudes/s, 50M TPM
Textogrok-4.337 solicitudes/s, 10M TPM
Imagengrok-imagine-image, grok-imagine-image-2.06 solicitudes/s
Vídeogrok-imagine-video, -1.5, -1.5-lite10 solicitudes/s

Estos valores proceden de las fichas oficiales de los modelos a fecha de 2 de noviembre de 2026; los límites efectivos de tu equipo se muestran en la consola de xAI.

Dado que los contadores son independientes, saturar un modelo no bloquea a los demás. Si grok-4.5 devuelve errores 429, grok-4.3 sigue aceptando tus solicitudes como si nada hubiera pasado. Esta es una palanca de rendimiento que a menudo se pasa por alto: en lugar de esperar a un aumento de cuota, enruta las tareas sencillas (clasificación, extracción, resumen breve) a un modelo menos solicitado, reserva grok-4.5 para el razonamiento realmente complejo y deja que grok-4.20-multi-agent-0309 orqueste flujos con varios subagentes. El rendimiento global de tu plataforma pasa a ser entonces la suma de varias cuotas en lugar de una sola.

Supervisión del consumo sin cabeceras dedicadas

La API de Grok no devuelve en sus respuestas ninguna cabecera que indique cuánto RPM o TPM te queda. Dicho de otro modo, nada te avisará de que te estás acercando al techo: la única forma de saber dónde estás es llevar tú mismo la contabilidad en el lado del cliente.

Este seguimiento se basa en tres elementos: un contador de solicitudes por minuto y por modelo, un contador de tokens alimentado por el objeto usage que incluye toda respuesta, y un umbral de alerta que se activa alrededor del 80 % de los límites. Este último punto es el más importante: una alerta al 80 % te deja tiempo para ajustar (distribuir la carga, suavizar los envíos, activar una actualización de nivel), mientras que una alerta al 100 % solo confirma el incidente en curso.

Puntos clave

  • Los límites se miden en RPM (solicitudes/minuto) y TPM (tokens/minuto)
  • Los modelos de texto ofrecen 1.800 RPM y 10M TPM como estándar
  • Cada modelo tiene sus propios límites independientes
  • Distribuir la carga entre modelos permite multiplicar el rendimiento efectivo
  • Implementa un seguimiento en el lado del cliente para anticipar los límites