速率限制与配额：这里到底卡在哪

什么在约束你的流量

这里没有需要往上爬的用量档位，没有按账户划分的吞吐等级，也没有「消费到某个额度才解锁」这回事。每个账户从第一次请求起待遇都一样。

约束你的是三件事：钱包里有没有钱、这把 key 本身设没设配额上限，以及仅对两个特定 model id 而言，你同时有多少请求在飞。

所有模型都由共享号池承载。号池里能服务某个模型的账号在那一刻都忙满时，请求会返回 429，并带 Retry-After 告诉你大概多久后有空位。

余额与单 key 配额

请求转发前，网关先决定这次由哪个钱包出钱。auto 模式的 key 依次看充值余额、贡献收益、活动奖励，取第一个有钱的；绑定了单一钱包的 key 则只查那一个。没有可用钱包就是 403，消息里会写明是哪个余额空了。

每把 key 还能单独设配额上限，与账户余额无关。用完返回 402 "api key quota exceeded"——想给某个服务或某个环境单独封顶、又不影响账户其他部分时，这个很好用。

有一条规则是特例而非通则：Claude 系列只从充值钱包扣，不满足返回 402 claude_minimum_balance。

#!/usr/bin/env bash
set -euo pipefail

for attempt in 1 2 3 4 5; do
  status=$(curl -sS -o /tmp/resp.json -D /tmp/resp.headers -w '%{http_code}' \
    https://token-share.app/v1/messages \
    -H "x-api-key: $TOKEN_SHARE_KEY" \
    -H "anthropic-version: 2023-06-01" \
    -H "content-type: application/json" \
    -d '{
      "model": "claude-sonnet-5",
      "max_tokens": 256,
      "messages": [{"role": "user", "content": "ping"}]
    }')

  if [ "$status" != "429" ] && [ "$status" != "503" ]; then
    cat /tmp/resp.json
    exit 0
  fi

  # Honour Retry-After when present; otherwise back off exponentially.
  wait=$(awk 'tolower($1) == "retry-after:" { print $2 }' /tmp/resp.headers | tr -d '\r')
  sleep "${wait:-$((2 ** attempt))}"
done

echo "gave up after 5 attempts" >&2
exit 1

两个 id 上的并发限制，以及花费是怎么记的

带并发上限的只有两个 id：claude-sonnet-5 和 gpt-5.6-luna，而它们对「通道满了」的处理方式恰好相反。Sonnet 会让你进 FIFO 队列等空位，等满 30 秒还没轮到才返回 429 model_queue_timeout；Luna 不排队，没空位就立刻拒，返回 429 model_capacity_exceeded 并带 Retry-After: 1。

这是取舍，不是优劣。排队把突发变成延迟，适合宁可等也不想重试的批处理；快速失败把突发变成即时错误，适合宁可重试也不愿挂在一条不动的连接上的交互式调用。哪种更对，取决于你的调用方等不等得起。

还有一点关于扣费：费用是请求完成之后扣，不做事前预留。转发前那道检查只问「钱包是不是非空」，所以一批并发请求打在快见底的余额上，是可能把它带到零以下的，亏空会被记录而不是被抹掉。另外每次计费请求最低按 $0.0001 收，极小的调用也不免费。Claude 系列的下限更高，为 $0.001——再小的 Claude 调用也要占用号池账号完整跑一轮。

常见问题