Leitfaden zur Nutzung von Vouchern
Welche Arten von Vouchern bietet Novita an?
Novita bietet derzeit die folgenden Arten von Vouchern an, damit Nutzer die Dienste der Plattform ausprobieren können:- Voucher für neue Nutzer: Verfügbar für erstmals registrierte Nutzer, um Dienste verschiedener Modelltypen auszuprobieren.
- Referral-Voucher: Wird durch das Einladen anderer Personen verdient, die sich registrieren und Aufgaben auf der Plattform abschließen.
Rate Limits für die Modellnutzung
Welche RPM-Limits gelten für verschiedene Nutzer?
RPM-Limits (Requests Per Minute) variieren je nach Verifizierungsstufe und Kontostatus eines Nutzers. Detaillierte Limits findest du in der offiziellen Dokumentation:RPM-Anpassungs- und Upgrade-Richtlinie
Können Nutzer erhöhte RPM-Limits beantragen?
Ja. Novita ermöglicht flexible RPM-Upgrades basierend auf Nutzungsanforderungen. Die Regeln sind unten aufgeführt:- DeepSeek-Modelle: Die Plattform wird sich bemühen, angemessene Skalierungsanforderungen zu unterstützen.
- Andere Modelle: RPM-Erhöhungen werden basierend auf Modellkosten und tatsächlichem Nutzerverhalten bewertet und hängen von der verfügbaren Kapazität ab.
Antragsprozess:
Nutzer → Customer Manager / Tech Support → Prüfung & Genehmigung durch das ProduktteamWas passiert, wenn die tatsächliche Nutzung unter dem zugesagten RPM-Wert bleibt?
Wenn die tatsächliche RPM des Nutzers eine ganze aufeinanderfolgende Woche lang unter dem zugesagten Niveau bleibt, passt die Plattform die Rate-Limit-Richtlinie wie folgt an:- Reduzierung des Limits auf die Spitzen-RPM der vergangenen Woche, oder
- Rückkehr zum Standard-Rate-Limit des Modells (je nachdem, welcher Wert niedriger ist).
Wird ein Self-Service-RPM-Upgrade unterstützt?
Ja. Novita plant die Einführung eines RPM Upgrade Package, mit dem Nutzer RPM-Limits eigenständig verwalten und erhöhen können, ohne manuelle Genehmigung. Für weitere Unterstützung kannst du einen Termin mit unserem Sales-Team buchen.Abrechnung
Welche Abrechnungspriorität gilt bei Verwendung des Coding Plan?
Das System zieht zuerst von deinem Coding Plan-Kontingent ab. Erst nachdem das Coding Plan-Kontingent vollständig aufgebraucht ist, werden Kosten deinem API-Kontoguthaben belastet.Wie werden die 50 Mio. Tokens im Coding Plan berechnet?
Tokens werden anhand von Token-Anzahlen berechnet, die einem Basispreis entsprechen. Verschiedene Modelle haben unterschiedliche Preisgewichtungen proportional zu ihren Kostenverhältnissen. Sowohl Input-Tokens als auch Output-Tokens zählen zu deiner Gesamtnutzung.Wie werden gecachte Tokens abgerechnet?
Gecachte Lese-Tokens werden zu einem reduzierten Tarif abgerechnet, ungefähr 1/10th des Standardpreises für Input-Tokens (die genauen Tarife variieren je nach Modell). Gecachte Schreibvorgänge werden zum normalen Tarif für Input-Tokens abgerechnet.Thinking Mode
Thinking (reasoning) models write out a chain of thought before they answer. That improves accuracy on hard problems but adds latency and output tokens. On Novita, reasoning models fall into three groups:- Always on: the model always reasons and this cannot be turned off, for example
zai-org/glm-5.3. - Switchable (hybrid): the model reasons by default and you can turn it off per request, for example
moonshotai/kimi-k2.5andqwen/qwen3.8-flash. - Adjustable depth: instead of an on/off switch, the model lets you pick how much it reasons.
zai-org/glm-5.3supports the levels low, high and max (default max).
How do I turn thinking off for a request?
For switchable models, add"enable_thinking": false to the request body. The model answers directly and no reasoning tokens are produced or billed.
Where does the reasoning appear in the response?
Reasoning is returned next to the answer, not mixed into it. Set"separate_reasoning": true and read message.reasoning_content (or delta.reasoning_content when streaming); the final answer stays in content. Models that support interleaved thinking may also return a structured reasoning_details array. See Reasoning Models for complete code samples.
Why is content empty with finish_reason: "length"?
max_tokens covers reasoning tokens as well as visible output. If the budget is too small, the model spends all of it on reasoning and returns an empty content. Raise max_tokens, or lower the reasoning depth or turn thinking off on models that allow it.
Are reasoning tokens billed?
Yes. Reasoning tokens are output tokens and are billed at the model’s output price, whether or not you read them. Turning thinking off on switchable models is the most direct way to cut cost and latency on simple requests.Do I need to send reasoning back in multi-turn conversations?
Normally no. Keep onlycontent in the assistant turns of your message history; the model does not need its earlier reasoning to continue. The exception is agentic tool-calling with interleaved-thinking models, where the previous turn’s reasoning must be passed back between tool calls. See Interleaved Thinking Support.
Feature-Unterstützung
Wird der Parameter top_logprobs unterstützt?
Der Parameter top_logprobs wird derzeit nicht unterstützt.
Wird strukturierte Ausgabe (response_format) unterstützt?
Derzeit wird nur "type": "json_object" unterstützt. "type": "json_schema" (mit einer strikten Schemadefinition) ist noch nicht verfügbar.
Fehlerbehebung
Warum erhalte ich 403-Fehler beim Aufrufen eines Modells?
Häufige Ursachen sind:- Unzureichendes Kontoguthaben — lade dein Konto auf und versuche es erneut.
- Modell erfordert Whitelist-Zugriff — bestimmte Modelle sind eingeschränkt. Siehe unten Wie beantrage ich Whitelist-Zugriff für ein Modell?.
- Plan-Einschränkung — das Modell ist möglicherweise nicht in deinem aktuellen Abonnementplan enthalten.
Warum erhalte ich 400-Fehler?
Häufige Ursachen sind:- Die Eingabelänge überschreitet das Kontextfenster-Limit des Modells.
- Falsche Parametertypen oder Formatierung.
- Fehlende erforderliche Felder im Request Body.
trace_id für eine detaillierte Untersuchung bereit.