AIVAX

Esta página foi traduzida automaticamente do inglês e pode estar desatualizada. Leia o original

Planos e Limites

A AIVAX possui quatro planos de conta: Gratuito, Pro, Max e Ultimate. O plano atual controla o acesso ao modelo, os limites de taxa da conta e do produto, a cota de armazenamento, os períodos de retenção e as cotas diárias de serviço incluídas. Todos os limites de cada plano estão listados nesta página; as páginas dos produtos linkam para cá em vez de repetir os valores.

Para preços de assinatura comercial e pacotes de planos, utilize a página de preços da AIVAX. Os mesmos preços públicos da lista estão disponíveis em Preços de lista dos planos.

Um travessão (—) indica que o plano não impõe um limite, e Não disponível significa que o recurso não está disponível no plano. Limites específicos de modelo, gateway, provedor ou produto ainda podem se aplicar. Limites que são iguais em todos os planos, como tamanhos de arquivo ou resultados por solicitação, são documentados em cada página de produto.

Limites da conta #

LimiteGratuitoProMaxUltimate
Inferência
Acesso ao modeloModelos de baixo custoTodos os modelosTodos os modelosTodos os modelos
Multiplicador de comissão de inferência1,25x1,05x1,02x1,00x
Teto diário de comissão de inferência$1,50$1,20$1,00Sem comissão
Solicitações de modelo integrado20/min e 500/dia150/min1.000/min—
Tokens de entrada de modelo integrado1.000.000/min15.000.000/min60.000.000/min—
Solicitações BYOK30/min150/min1.000/min—
Contexto máximo64.000 tokens de entrada———
Cota mensal de modelos de assinaturaNão disponívelIncluídoIncluídoIncluído
Conta e suporte
Cota de armazenamento30 MB2 GB10 GB20 GB
Custo por GB excedenteNão disponível$0,50/GB/mês$0,30/GB/mês$0,20/GB/mês
Retenção de conversas2 horas2 dias14 dias30 dias
Retenção do histórico de pesquisa RAG2 horas3 dias14 dias30 dias
Taxa de serviço em recargas de crédito5% (mínimo $0,20)NenhumNenhumNenhum
Nível de suporteE-mailPrioritárioPrioritárioDedicado

O texto do documento armazenado em uma coleção conta para a cota de armazenamento como bytes UTF-8. Texto com acentos ou caracteres não latinos pode usar mais dessa cota do que texto latino básico do mesmo comprimento. O histórico de pesquisa RAG é a lista de pesquisas exibida em Observabilidade RAG.

As solicitações de modelo integrado são limitadas tanto pela contagem de solicitações quanto pelos tokens de entrada. Os grupos de limite de taxa do modelo ajustam os limites de contagem de solicitações:

Grupo de limite de taxaMultiplicador de limite
Comum1,0x
Descontado0,5x
Baixo0,3x
Gratuito0,1x

Por exemplo, uma conta Pro normalmente tem 150 solicitações de modelo integrado por minuto. Com um grupo de modelo Descontado, o limite ajustado é de 75 solicitações por minuto.

BYOK usa uma chave de provedor configurada no gateway em vez de um modelo integrado da AIVAX, mas as solicitações ainda passam pela infraestrutura da AIVAX e usam o limite BYOK do plano.

Os limites de taxa são compartilhados entre todas as chaves de API da mesma conta. Uma solicitação que excederia uma janela ativa retorna 429 Too Many Requests; ajuste o ritmo das solicitações e use retentativas limitadas com backoff.

Contas personalizadas usam os limites de taxa do plano Pro multiplicados por um fator acordado para a conta, ou não têm limites de taxa de plano quando nenhum fator é definido. Contas personalizadas suportam 8 execuções simultâneas de Testes Agentic.

Limites do produto #

Os limites do produto usam as mesmas regras dos limites da conta: eles são compartilhados entre as chaves de API da conta, e uma solicitação acima de uma janela ativa retorna 429 Too Many Requests. Onde um limite conta itens em vez de solicitações HTTP, a nota abaixo de sua tabela diz isso.

RAG e coleções #

LimiteGratuitoProMaxUltimate
Coleções51001.000—
Documentos por conta2.000200.000——
Documentos por coleção1.00050.000250.000500.000
Pesquisas20/min300/min1.500/min3.000/min
Solicitações de reranking30/min500/min3.000/min—
Tempo de processamento Reflex30 minutos/dia3 horas/dia12 horas/dia—
Inserções de documentos500/dia5.000/dia50.000/dia—
Documentos por importação JSONL multipart1.0005.000100.0001.000.000
Documentos por importação JSONL WebSocket10.00050.0001.000.00010.000.000
Arquivos do Media Injector2/dia20/dia250/dia1.000/dia

O limite de solicitações de reranking aplica-se ao endpoint de reranking e às pesquisas RAG que usam um reranker, incluindo pesquisas através de AI Gateways e ferramentas MCP. O limite de tempo de processamento Reflex conta o tempo gasto processando solicitações Reflex em ambos os caminhos; a entrada em cache não consome isso separadamente. Se uma importação exceder o limite por importação, divida-a em várias importações. Os limites de documentos contam documentos armazenados e são verificados apenas quando um novo documento é criado; atualizar ou reindexar um documento existente não é bloqueado. Uma vez atingido um limite, criar um documento retorna 400 Bad Request e uma importação para com um erro. A contagem pode levar até 30 segundos para refletir inserções ou exclusões recentes. Veja Coleções, Documentos e Reflex.

Processamento de dados #

LimiteGratuitoProMaxUltimate
Documentos de classificação de texto30/min e 300/dia500/min2.500/min10.000/min
Documentos de extração, resumo e refinamento de instrução10/min e 300/dia100/min1.000/min2.500/min
Documentos de segmentação de texto10/min e 100/dia300/min1.000/min2.500/min
Solicitações de tradução30/min e 300/dia100/min1.000/min2.500/min
Solicitações de descrição de mídia10/min e 40/hora40/min100/min200/min
Solicitações de decisão semântica10/min30/min200/min—

Os limites de classificação, extração, resumo e segmentação contam cada item na matriz documents da solicitação, não cada solicitação HTTP; extração e resumo compartilham uma cota. O refinamento de instrução compartilha essa cota e conta cada item em sua matriz context. Os limites de tradução, descrição de mídia e decisão semântica contam solicitações HTTP. Uma solicitação de decisão semântica consome uma unidade independentemente de quantas perguntas ela contém ou qual modelo de decisão ela seleciona, e o uso de decisão incluído ainda consome unidades de solicitação. Veja Classificação, Extração, Resumo, Refinamento de Instrução, Segmentação de texto, Traduções, Descrições de mídia e Decisões Semânticas.

Fala #

LimiteGratuitoProMaxUltimate
Solicitações standalone de texto para fala3/min e 40/hora20/min100/min300/min
Solicitações standalone de transcrição de áudio3/min e 40/hora20/min100/min300/min

Texto para fala e transcrição têm cotas separadas com os mesmos valores. Sessões de Voz não estão sujeitas a essas cotas standalone. Veja Texto para fala e Fala para texto.

Ferramentas integradas e pesquisa na web #

LimiteGratuitoProMaxUltimate
Pesquisa na web15/dia500/dia4.000/dia10.000/dia
Pesquisa X/TwitterNão disponível200/dia3.000/dia10.000/dia
Geração de documentos e páginas da web5/dia500/dia15.000/dia50.000/dia
Geração e edição de imagens5/dia150/dia1.500/dia5.000/dia
Ações gerais de serviço30/dia2.500/dia30.000/dia100.000/dia
Comandos Bash300/hora30.000/hora100.000/hora—

As ações gerais de serviço compartilham uma cota diária. O limite de geração de imagens é uma cota diária compartilhada pela ferramenta integrada, pela API de geração de imagens e pelo MCP de geração de mídia; cada solicitação conta uma vez, independente do número de imagens solicitadas. Veja Ferramentas integradas, Pesquisa na Web e Shell.

Lote e Testes Agentic #

LimiteGratuitoProMaxUltimate
Itens de fluxo de trabalho de lote processados500/dia25.000/dia250.000/dia—
Novas execuções de Teste Agentic5/min20/min100/min—
Execuções simultâneas de Teste Agentic1468

Se o processamento em lote for pausado devido à cota, ele será retomado após a reinicialização da janela. Execuções manuais, execuções agendadas e avaliações diretas compartilham uma nova cota de execução. Veja Lote e Testes Agentic.

Cotás diárias de assinatura incluídas #

Cada plano inclui cotas diárias separadas para os serviços abaixo. Cada comparação refere-se ao mesmo serviço no plano Gratuito, não a um saldo de crédito compartilhado ou a um número garantido de solicitações. A cota não utilizada de um serviço não pode cobrir outro. Contas personalizadas não recebem cotas de assinatura.

Serviço incluídoGratuitoProMaxUltimate
Embeddings de pesquisa e inserção RAG10.000 tokens15× Gratuito50× Gratuito100× Gratuito
Reranking com Reflex2.000 tokens de entrada4× Gratuito20× Gratuito50× Gratuito
Decisões semânticas com modelos elegíveis20.000 tokens de entrada2× Gratuito3× Gratuito5× Gratuito
Busca e extração OCR1.000 PUs8× Gratuito25× Gratuito50× Gratuito

As pesquisas RAG e as inserções de documentos compartilham a cota de embedding. Ela não cobre geração de respostas, processamento de mídia, extração ou resumo de documentos, classificação de texto ou segmentação. Um embedding de consulta servido do cache não o consome. O Reflex usa uma cota de reranking separada que inclui entrada em cache e não em cache. A cota de decisão semântica cobre apenas modelos de decisão elegíveis; veja Decisões Semânticas. A conversão JSON opcional da Busca é separada da cota de extração.

A cobertura é avaliada para cada item de serviço medido: o embedding de um documento, o embedding de um termo de consulta individual, uma chamada de reranking, o uso de entrada de uma chamada de decisão ou uma operação de extração. Cada item é totalmente incluído ou cobrado integralmente nas taxas normais. Itens incluídos são rastreados no consumo da assinatura, não como entradas de custo zero no histórico de faturamento. As cotas atuais permitem uma margem de 10% acima de sua capacidade base. Um item que excedesse essa margem deixa a cota inalterada e é cobrado normalmente. Uma solicitação pode conter vários itens, então alguns podem ser incluídos enquanto outros são cobrados.

As cotas diárias são redefinidas à meia-noite no horário local do servidor. Verifique os indicadores de uso da assinatura da conta para consumo e status de reinicialização; o uso pode exceder 100% enquanto estiver dentro da margem. Essas cotas diárias não cobrem a inferência de modelos de texto; os modelos de assinatura usam uma cota mensal separada, e a inferência com outros modelos é medida contra o saldo da conta. As cotas não contornam os requisitos de saldo ou os limites de taxa. Veja Preços para saber como os itens não cobertos são faturados. Para um tutorial sobre testar um pipeline de recuperação dentro dessas cotas, veja API RAG Gratuita na AIVAX Free.

Cota mensal de modelos de assinatura #

Pro, Max e Ultimate incluem uma cota mensal para modelos de assinatura. Os planos Gratuito e Personalizado não a incluem. A janela da cota começa com a primeira solicitação que a utiliza e dura um mês, portanto, ela é renovada no aniversário mensal do primeiro uso, não no dia 1. Um mês sem qualquer uso não inicia nenhuma janela. Todos os modelos de assinatura a compartilham. Max inclui 5× a cota Pro, e Ultimate inclui 12,5× a cota Pro. Para os modelos disponíveis e o uso que cada plano inclui, veja Modelos de assinatura.

Os modelos de assinatura são os modelos do catálogo cujos nomes começam com @aivax-subscription/. Usá-los nunca debita o saldo da conta, e eles não têm preços por token. Todo o resto dos modelos é medido contra o saldo como de costume. Para diferenciá-los, verifique flags.isSubscription em GET /api/v1/information/models.json ou _details.provider_model.subscription em GET /v1/models.

Quando a cota está esgotada, ou o plano não possui nenhuma, uma solicitação a um modelo de assinatura retorna 429 Too Many Requests com uma mensagem de que a cota do modelo de assinatura está esgotada. A solicitação não é roteada para um modelo fora da assinatura. Nos planos com a cota, as solicitações são bem-sucedidas novamente após a reinicialização da janela um mês após o primeiro uso; até lá, selecione outro modelo ou mude para um plano que o inclua.

A taxa na qual cada modelo de assinatura consome a cota é dinâmica e pode mudar diariamente. Veja Taxa de consumo.

A resposta do saldo da conta relata a cota apenas como uma porcentagem usada, em um consumo de assinatura do tipo InferenceMonthly. planLimits.includesSubscriptionModels é true nos planos que incluem a cota. Veja Obter Saldo da Conta.

Estimando PUs e tokens #

O uso é medido em unidades de processamento (PUs) ou tokens, dependendo do serviço. Os exemplos abaixo ajudam você a estimar o tamanho de uma carga de trabalho. Eles são aproximações (≈), não valores garantidos: a quantidade exata é relatada nos campos de uso de cada resposta.

Unidades de processamento de Busca e OCR

ConteúdoPUs Aproximadas
Arquivo de texto simples ou Markdown0
PDF ou DOCX de texto nativo, 10 páginas≈ 1 (mínimo de 1 PU por item)
Página da web que renderiza em 1 a 3 segundos≈ 10–30 (10 PUs por segundo de renderização)
Foto ou captura de tela com texto≈ 40–50
PDF digitalizado, 10 páginas≈ 400–500

As páginas nativas são convertidas a partir de sua camada de texto e custam quase nada; as páginas digitalizadas, imagens e imagens embutidas em uma página passam por OCR e aumentam o total. Um PDF que mistura ambos é faturado pelas páginas que realmente precisam de OCR.

Tokens

ConteúdoTokens Aproximados
Consulta de pesquisa RAG, como “como redefino minha senha se perdi acesso ao meu e-mail?”≈ 10–30
Uma página de texto em inglês, cerca de 500 palavras≈ 650–750
Chunk de documento RAG de 1.500 caracteres≈ 350–400
Reranking Reflex de 50 candidatos com cerca de 300 tokens cada≈ 15.000–16.000, já que a consulta é pontuada com cada candidato
Um livro de 300 páginas, cerca de 300 palavras por página≈ 110.000–130.000

As estimativas de tokens assumem texto em inglês, onde um token é cerca de quatro caracteres ou três quartos de uma palavra. Português, espanhol e outros idiomas com acentos geralmente precisam de 20–50% mais tokens para o mesmo conteúdo; código, JSON e scripts não latinos podem precisar de mais. Um embedding de consulta servido do cache não é cobrado, e nas conclusões de chat, o histórico de conversas e as instruções do sistema são enviados novamente a cada turno.

Chaves de API públicas #

Chaves públicas têm limites adicionais independentes do plano da conta.

EscopoLimites de solicitação
Por endereço remoto3/5s, 20/min, 300/hora, 1.000/dia
Global por chave10/5s, 60/min, 1.500/hora, 10.000/dia
EscopoLimites de token
Por endereço remoto100.000/5min, 500.000/30min, 2.000.000/6h, 5.000.000/dia
Global por chave500.000/5min, 2.000.000/30min, 10.000.000/6h, 25.000.000/dia

Chaves públicas podem ser usadas para conclusões de chat, os endpoints /api/v1/generations/*, pesquisa semântica RAG e geração de respostas RAG. Para conclusões de chat, chaves públicas também exigem um UUID completo do AI Gateway, restringem parâmetros de solicitação e omitem superfícies de ferramentas do lado do servidor. Veja Autenticação.

Digite para pesquisar na documentação.