Budget e caching

Limiti di velocità e budget per chiave, tetti di organizzazione e le due cache di risposta.

Budget e limiti

Ogni chiave porta rate limit (richieste e token al minuto) e un budget di spesa con un periodo: total, daily o monthly. Un tetto aggregato per l'intera organizzazione sta sopra ogni chiave.

L'applicazione avviene al gateway, in denaro reale: ogni richiesta viene prezzata dal listino prezzi in tempo reale e addebitata prima dell'inoltro. Superato il rate limit la chiamata restituisce 429; superato il budget, 402. La richiesta non raggiunge mai un provider. Se i contatori diventano irraggiungibili, il controllo fallisce in chiuso e si riconcilia con il registro di audit immutabile invece di tirare a indovinare.

# past the key's rate limit — the request never reaches a provider
{
  "error": {
    "message": "rate limit exceeded for this key",
    "type": "rate_limit_error",
    "param": null,
    "code": "rate_limit_exceeded"
  }
}

# budget reached or no active plan — activate a plan or raise the budget
{
  "error": {
    "message": "spend budget reached for this key",
    "type": "insufficient_quota",
    "param": null,
    "code": "insufficient_quota"
  }
}

Caching

Due cache di risposta opzionali: esatta (una corrispondenza sulla richiesta normalizzata) e semantica (similarità vettoriale con una soglia conservativa). Entrambe sono rigorosamente isolate per organizzazione, cifrate a riposo e richiedono la conservazione dei contenuti. Abilitale nella vista Cache della Console.

Ogni riga di audit registra come è stata servita la chiamata: none | exact | semantic.

# identical request twice — the second is served from the exact cache
curl https://api.sluis.ai/v1/chat/completions \
  -H "Authorization: Bearer $SLUIS_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "model": "mistral/mistral-large-latest", "messages": [{ "role": "user", "content": "Define GDPR" }] }'

# audit row of call #2: cache_hit: exact · no provider dispatch, no token cost