正常使用永远碰不到这些上限。它们存在的意义是拦住意外的洪泛，比如没有延时的重试循环；限制的是每秒请求数，而不是并行跑多少活。逐任务的限额见文件与请求限制；各套餐能同时跑多少任务见套餐。

端点	限额	作用范围
创建 Parse 任务，POST /api/v2/parse 与 POST /api/v1/parsing/upload	每 10 秒 500 次请求，两条路径分别计数	组织
上传文件，POST /api/v1/beta/files	每秒 50 次	project
创建 Classify 与 Split 任务	每秒 40 次	组织
取单个任务（Parse、Extract、Classify、Split）	每秒 80 次	组织
列出任务（Parse、Extract、Classify）	每秒 5 次	组织
其余所有路径	每秒 80 次读或 40 次写	组织

各套餐的限额都相同，且按组织计数：再多建 API key 或 project 也不会提高限额。Enterprise 客户可以使用定制限额。

429 响应

超出限额的请求会被拒绝并返回 429 Too Many Requests，响应体形如：

{ "detail": "Rate limit exceeded. The file upload limit is 50 requests per second." }

该响应不带 Retry-After 头。稍等片刻再重试即可；见退避。

另有三种情况也会返回 429，但它们不是速率限制：

• 套餐对象数达到上限。 "You've already reached the maximum number of projects..."，索引、用户、数据源与抽取智能体同理。请删除不再使用的资源或升级。
• 同时运行的 Extract 任务过多。 "Resources exhausted. Please wait for existing jobs to complete." 等在运行的任务结束后重试。
• 短时间内连续调用索引同步。 已有同步在跑时再次调用返回的是 409 Conflict。请等待后重试。

退避

官方 SDK 会对 429 与 5xx 响应自行做指数退避重试。Python 客户端默认最多重试五次（合计六次尝试），若 429 持续出现则抛出 RateLimitError：

from llama_cloud import LlamaCloud

client = LlamaCloud(max_retries=8)  # reads LLAMA_CLOUD_API_KEY from the environment

对于直连 API 的代码，请把提交动作包进一个带抖动的退避循环。示例上传的是美国财政部 FY2024 财报摘要：

终端窗口

curl -fL -o report.pdf https://fiscal.treasury.gov/system/files/files/reports-statements/financial-report/2024/executive-summary-2024.pdf

import random
import time

from llama_cloud import LlamaCloud, RateLimitError

client = LlamaCloud()

def with_backoff(call, attempts=6, base=1.0, cap=60.0):
    """Retry `call` on 429 with exponential backoff and full jitter."""
    for attempt in range(attempts):
        try:
            return call()
        except RateLimitError:
            if attempt == attempts - 1:
                raise
            time.sleep(random.uniform(0, min(cap, base * 2**attempt)))

file = with_backoff(lambda: client.files.create(file="report.pdf", purpose="parse"))
job = with_backoff(lambda: client.parsing.parse(
    file_id=file.id, tier="cost_effective", version="latest", expand=["markdown"]
))

按此设计

• 批量提交。 大量文件用一个批次 就能替代上千次逐个创建任务的请求。
• 别在紧密循环里轮询。 取单个任务在全组织范围内限每秒 80 次、列出任务限每秒 5 次。请用 SDK 的 wait_for_completion() 或 webhook 让平台告诉你任务何时结束，列举任务时请分页而不是一次次重列。
• 把上传摊开在时间上。 Parse 的限制是 10 秒窗口，所以突发 500 次再停一下没问题；持续每秒 60 次则不行。

还需要更高限额，请发邮件到 support@runllama.ai，写清你的组织、目标端点、需要的请求速率以及要持续多久。Enterprise 客户通过自己的客户经理走。