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:
| Что | Сколько |
|---|---|
| Запросов в минуту | 60 на ключ, окно — последние 60 секунд |
| Одновременных запросов | 10 на ключ, вместе с потоками |
| Тело запроса | до 25 МБ |
Сообщений в messages | до 2000 |
n | только 1 |
max_tokens | целое от 1; больше max_output_tokens модели она не напишет |
| Вход и ответ вместе | не больше context_length модели |
| Ответ без стриминга | до 5 минут, потом 504 upstream_timeout |
| Первый кусок потока | до 2 минут |
| Тишина посреди потока | до 3 минут |
| Действующих ключей | до 20 на аккаунт |
| Новых ключей | до 10 в час |
| Месячный лимит ключа | от 1 до 1 000 000 ₽ или без лимита; месяц — по московскому времени |
| Отчёт о расходе | до 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:
| Заголовок | Что это |
|---|---|
x-ratelimit-limit-requests | лимит в минуту — 60 |
x-ratelimit-remaining-requests | сколько ещё можно в текущем окне |
x-ratelimit-reset-requests | через 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.