API rate limit là gì: trần lượt gọi và cách không bị chặn giữa việc

Rate limit là trần số yêu cầu bạn được gửi trong một khoảng thời gian. Với Wisa, trần đó có ba lớp: số yêu cầu mỗi phút, CUBE tiêu trong cửa sổ 5 giờ và 7 ngày, và số yêu cầu chạy đồng thời. Gói Trải Nghiệm có trần 15 CUBE mỗi 5 giờ, tương đương 3.030 lượt hỏi chuẩn bằng Gemini 3.8 Flash.

Rate limit là gì và vì sao nó tồn tại

Mỗi yêu cầu chiếm một phần năng lực tính toán trong suốt thời gian nó chạy. Năng lực đó có hạn, nên nhà cung cấp nào cũng phải chia. Rate limit là cách chia: nó bảo đảm một tài khoản không chiếm hết phần của mọi tài khoản khác.

Vì vậy rate limit không phải hình phạt và cũng không phải tín hiệu bắt buộc phải nâng gói. Nó là thông tin: bạn đang gọi nhanh hơn nhịp mà hệ thống chia cho bạn. Xử lý đúng là đổi nhịp gọi trước, rồi mới xét tới gói.

Ba lớp trần và lớp nào chặn bạn trước

Lớp thứ nhất là số yêu cầu mỗi phút, kèm một mức burst cho phép vượt ngắn hạn. Lớp này chặn script gọi vòng lặp dày.

Lớp thứ hai là CUBE cuộn trong 5 giờ và 7 ngày. Lớp này tính theo chi phí token, không theo số lần gọi, nên một yêu cầu 300.000 token tốn bằng hàng trăm yêu cầu ngắn.

Lớp thứ ba là số yêu cầu đồng thời. Với công việc có nhiều agent chạy song song, đây là trần chặn trước, vì mỗi agent giữ một chỗ trong suốt thời gian chờ model trả lời.

Bảng trần của sáu gói Wisa

Gói	Giá mỗi tháng	CUBE mỗi tháng	Trần 5 giờ	Trần 7 ngày	Lượt chuẩn mỗi 5 giờ	Yêu cầu mỗi phút / đồng thời
Free	0đ	10	2	5	404	30 / 5
Trải Nghiệm	300.000đ	300	15	75	3.030	không công bố
Developer	799.000đ	940	47	235	9.494	60 / 8
Pro	1.499.000đ	2.000	100	500	20.202	120 / 15
Business	2.999.000đ	4.300	215	1.075	43.434	240 / 30
Scale	4.999.000đ	7.500	375	1.875	75.757	480 / 60

Năm gói trả tiền theo một quy tắc: trần 5 giờ bằng hạn mức tháng chia 20, trần 7 ngày bằng hạn mức tháng chia 4. Gói Free là ngoại lệ, 10 CUBE nhưng chỉ 2 CUBE mỗi 5 giờ.

Cột cuối đọc từ bảng quyền lợi của sản phẩm. Bảng đó chỉ công bố số yêu cầu mỗi phút cho Free, Developer, Pro, Business và Scale, nên ô của gói Trải Nghiệm để trống thay vì suy đoán.

Lỗi 429 nghĩa là gì và xử lý ra sao

Mã 429 là mã HTTP chuẩn cho tình trạng quá nhiều yêu cầu. Yêu cầu bị từ chối không được xử lý và không bị trừ CUBE. Bạn mất thời gian, và mất thêm nếu script không có hàng đợi để giữ phần việc còn lại.

Ba cách xử lý, theo thứ tự nên thử. Một, xếp hàng: giới hạn số yêu cầu chạy cùng lúc thấp hơn trần đồng thời của gói. Với gói Developer, con số đó là 8. Hai, thử lại có chờ: chờ 2 giây, rồi 4 giây, rồi 8 giây, và dừng sau ba lần. Thử lại ngay lập tức chỉ làm tình trạng tệ hơn. Ba, chia nhỏ việc: một tài liệu 300 trang gửi trong một yêu cầu giữ chỗ rất lâu, còn chia theo chương thì mỗi yêu cầu ngắn và nhường chỗ cho yêu cầu khác.

Số đo p95 và p99 nói gì về năng lực thật

Số liệu đo tại gateway của Wisa trong cửa sổ 7 ngày kết thúc ngày 27/10/2026 cho thấy đuôi chậm dài hơn trung vị rất nhiều. Gemini 3.8 Flash có p50 10.181 ms, p95 27.344 ms và p99 59.922 ms trên 6.051 mẫu, tốc độ 42,57 token/giây.

Đọc theo tỉ lệ: 59.922 ÷ 10.181 = 5,9 lần. Nghĩa là một trong một trăm yêu cầu chậm gần sáu lần yêu cầu giữa. Nếu bạn đặt timeout 15 giây, ít nhất một phần hai mươi yêu cầu sẽ bị cắt, vì p95 đã là 27.344 ms.

Claude Opus 5.5 có p50 15.168 ms, p95 103.013 ms và p99 170.422 ms trên 271 mẫu. GPT-6.1 Sol có p50 26.226 ms, p95 125.749 ms và p99 244.824 ms trên 214 mẫu. Độ trễ ở đây là thời gian hoàn tất toàn bộ yêu cầu, không phải mốc token đầu tiên xuất hiện.

Con số p99 quyết định thiết kế hàng đợi. Nếu cứ 100 yêu cầu có 1 yêu cầu chạy 170 giây, hàng đợi phải chịu được một yêu cầu giữ chỗ gần ba phút mà không chặn các yêu cầu khác.

Cách tự kiểm tra trần của bạn trước khi chạy

Bước một: tính CUBE của một yêu cầu. Với lượt chuẩn 2.000 token vào và 700 token ra bằng Gemini 3.8 Flash: (2.000 × 0,9 + 700 × 4,5) ÷ 1.000.000 = 0,00495 CUBE.

Bước hai: chia trần 5 giờ cho chi phí đó. Gói Pro có trần 100 CUBE, tức 100 ÷ 0,00495 = 20.202 lượt trong 5 giờ. Gói Developer có trần 47 CUBE, tức 9.494 lượt.

Bước ba: so số lượt với trần đồng thời. Nếu mỗi yêu cầu chạy 12 giây và bạn chạy 8 yêu cầu cùng lúc, bạn đạt 40 yêu cầu mỗi phút, dưới trần 60 của gói Developer. Trong trường hợp này trần đồng thời chặn trước trần lượt, nên nâng trần lượt không giúp gì.

Bài API AI unlimited giải thích vì sao không gói nào bỏ được trần; bài quy đổi CUBE có ba bảng đổi CUBE ra lượt. Bảng giá đầy đủ ở bảng giá gói Wisa và bảng giá token.

Khi nào bài này không còn đúng

Bài này dùng bảng quyền lợi đọc ngày 29/10/2026. Trần là cấu hình sản phẩm và có thể đổi, nên con số trong tài khoản của bạn mới là con số có thẩm quyền.

Bài cũng bỏ qua giờ cao điểm. Khi hệ thống đông, thời gian chờ dài hơn tốc độ token/giây gợi ý, và trần đồng thời quyết định bạn được phục vụ ngay hay phải chờ.

Cuối cùng, rate limit không nói gì về chất lượng câu trả lời. Một yêu cầu chạy trong hạn mức vẫn có thể sai. Nếu bạn đang cân nhắc bậc thấp nhất, đọc API AI nào free để thấy ba nghĩa của chữ miễn phí trước khi quyết định.