同一份 HTML，同时服务搜索、AI 答案与浏览器代理。

# Gemini API 速率限制（Rate Limits）与优化

Source: https://www.5173z.com/case-studies/gemini-api-rate-limits

Gemini API 的速率限制通常按 RPM、TPM 和每日上限计算，免费档和企业项目数字不同。收到 429 先看响应里的重试提示，做指数退避，不要打满重试。优化先减无效 token：缓存稳定前缀、缩小 schema、关掉不必要的思考、合并可以批处理的抽取。需要更高限额，走配额申请或升级项目档，而不是注册一堆个人 Key 绕开。本页讲合规优化，不讲规避手段。

- 429 — 信号
- 减 token — 第一刀
- 配额申请 — 提额

不同模型限额不同。旗舰思考档更紧，轻量模型更松。

## shape 流量整形

- 同步用户请求与批量任务分队列。
- 同一文档的多问合并为一次结构化抽取。
- 客户端抖动启动，避免整点打满。

## cache 缓存

长系统提示和仓库说明用官方上下文缓存（若该模型支持），比每次重传便宜，也少占 TPM。

## takeaway 要点

- 429 要退避，不要换马甲 Key。
- 先减 token，再申请配额。
- 批量与在线队列分开。

Gemini API 速率限制（Rate Limits）与优化

高森模型产品
齐岚开发者体验

发布时间：2026 年 9 月 22 日

Gemini API 的速率限制通常按 RPM、TPM 和每日上限计算，免费档和企业项目数字不同。收到 429 先看响应里的重试提示，做指数退避，不要打满重试。优化先减无效 token：缓存稳定前缀、缩小 schema、关掉不必要的思考、合并可以批处理的抽取。需要更高限额，走配额申请或升级项目档，而不是注册一堆个人 Key 绕开。本页讲合规优化，不讲规避手段。

429 信号
减 token 第一刀
配额申请 提额

不同模型限额不同。旗舰思考档更紧，轻量模型更松。

流量整形#

同步用户请求与批量任务分队列。
同一文档的多问合并为一次结构化抽取。
客户端抖动启动，避免整点打满。

缓存#

长系统提示和仓库说明用官方上下文缓存（若该模型支持），比每次重传便宜，也少占 TPM。

要点#

429 要退避，不要换马甲 Key。
先减 token，再申请配额。
批量与在线队列分开。

该内容对您有帮助吗？

如未另行说明，那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可，并且代码示例已根据Apache 2.0 许可获得了许可。插图为站点原创。

最后更新时间：2026-09-22。