Весело
Весело

Лимиты

Лимиты API Весело: 60 запросов в минуту и 10 одновременных на ключ, запрос до 25 МБ, тайм-ауты, число ключей и месячный лимит расхода.

Обновлено:

ЧтоСколько
Запросов в минуту60 на ключ, окно — последние 60 секунд
Одновременных запросов10 на ключ, вместе с потоками
Тело запросадо 25 МБ
Сообщений в messagesдо 2000
nтолько 1
max_tokensцелое от 1; больше max_output_tokens модели она не напишет
Вход и ответ вместене больше context_length модели
Ответ без стримингадо 5 минут, потом 504 upstream_timeout
Первый кусок потокадо 2 минут
Тишина посреди потокадо 3 минут
Действующих ключейдо 20 на аккаунт
Новых ключейдо 10 в час
Месячный лимит ключаот 1 до 1 000 000 ₽ или без лимита; месяц — по московскому времени
Отчёт о расходедо 90 дней

Частота запросов

Лимиты частоты считаются по ключу и только для POST /v1/chat/completions — вместе с вызовами инструмента chat в MCP; список моделей, баланс и расход в них не входят. Сверх лимита придёт 429 rate_limited с заголовком Retry-After — через столько секунд освободится место. Сколько осталось, видно в заголовках каждого ответа:

ЗаголовокЧто это
x-ratelimit-limit-requestsлимит в минуту — 60
x-ratelimit-remaining-requestsсколько ещё можно в текущем окне
x-ratelimit-reset-requestsчерез сколько окно освободится, например 37s

429 приходит и тогда, когда перегружена сама модель, — с тем же Retry-After. Повторяй так же.

Много запросов сразу

Держи очередь: не больше 10 запросов в полёте на ключ — лучше 8, с запасом. SDK OpenAI сам повторит запросы, которые получили 429.

Python

import os
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"], max_retries=5)
questions = [f"Придумай название для кофейни номер {i}" for i in range(1, 31)]


def ask(q):
    r = client.chat.completions.create(
        model="deepseek/deepseek-v4.1-flash-ultrafast",
        messages=[{"role": "user", "content": q}],
        max_tokens=50,
    )
    return r.choices[0].message.content


with ThreadPoolExecutor(max_workers=8) as pool:  # не больше 8 запросов одновременно
    for q, a in zip(questions, pool.map(ask, questions)):
        print(q, "→", a)

JavaScript

import OpenAI from 'openai';

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY, maxRetries: 5 });
const questions = Array.from({ length: 30 }, (_, i) => `Придумай название для кофейни номер ${i + 1}`);

async function ask(q) {
  const r = await client.chat.completions.create({
    model: 'deepseek/deepseek-v4.1-flash-ultrafast',
    messages: [{ role: 'user', content: q }],
    max_tokens: 50,
  });
  return r.choices[0].message.content;
}

// 8 «работников» берут вопросы из общей очереди: одновременно не больше 8 запросов
const answers = [];
let next = 0;
await Promise.all(Array.from({ length: 8 }, async () => {
  while (next < questions.length) {
    const i = next++;
    answers[i] = await ask(questions[i]);
  }
}));
questions.forEach((q, i) => console.log(q, '→', answers[i]));

Тайм-ауты

Ответ без стриминга ждём до 5 минут. Тайм-аут клиента ставь больше: если программа оборвёт соединение раньше, запрос всё равно доработает и будет оплачен, а повтор оплатится ещё раз. SDK OpenAI по умолчанию ждут 10 минут — этого хватает. Для долгих ответов включай stream: true: первый кусок ждём до 2 минут, тишину посреди потока — до 3 минут.

Деньги

Запрос не пройдёт, если на счёте не хватает на удержание — 402, или он не помещается в месячный лимит ключа — 403. Удержание считается по max_tokens, поэтому не ставь его больше, чем нужно.

← Ошибки · Заголовки →

Вся документация одним текстом · Все модели и цены