Fehler 400: was tun, wenn glm-4.5 fehlschlägt

Ein 400 bedeutet, dass die Anfrage selbst ungültig ist — ein fehlendes Feld, ein falscher Typ oder ein Parameter, den dieses Modell nicht unterstützt. Ein erneuter Versuch hilft nicht; der Request-Body muss geändert werden.

400 Bad Request bedeutet, dass der Server die Anfrage ablehnt, weil der Body selbst ungültig ist. Anders als bei 5xx löst sich ein 400 nicht durch Wiederholen — Sie erhalten jedes Mal dieselbe Antwort. Die Parameter müssen zuerst korrigiert werden.

glm-4.5 wird von Z.AI bereitgestellt. Alles auf dieser Seite — Ursachen, Lösungen und gemessene Daten — basiert auf dem tatsächlichen Laufzeitverhalten dieses Modells auf der Gatewayschicht.

An diesem Gateway ist die häufigste Ursache: Ein Pflichtfeld fehlt (model oder messages). Empfohlene erste Maßnahme: Vergleichen Sie den Request-Body mit der Parametertabelle auf dieser Seite.

Häufige Ursachen

  • Ein Pflichtfeld fehlt (model oder messages)
  • Ein Parameter hat den falschen Typ
  • Ein Parameter wird von diesem Modell nicht unterstützt
  • messages ist fehlerhaft oder role hat einen ungültigen Wert

So beheben Sie es

  • Vergleichen Sie den Request-Body mit der Parametertabelle auf dieser Seite
  • Entfernen Sie nicht unterstützte Parameter und versuchen Sie es erneut
  • Stellen Sie sicher, dass messages ein Array mit gültigen role-Werten ist
  • Starten Sie mit einer minimalen Anfrage und ergänzen Sie Parameter schrittweise

Wiederholung mit exponentiellem Backoff

Der folgende Code wiederholt den Aufruf, wenn glm-4.5 400 liefert: bis zu 5 Versuche, mit wachsender Wartezeit und zufälligem Jitter, damit parallele Anfragen nicht gleichzeitig wiederholen. Base-URL und API-Key werden aus Umgebungsvariablen gelesen — nicht hart codieren.

import os, time, random
import requests

BASE  = os.getenv("OPENAI_BASE_URL")   # e.g. https://<your-gateway>/v1
KEY   = os.getenv("OPENAI_API_KEY")
MODEL = 'glm-4.5'


def chat(messages, retries=5):
    """Retry with exponential backoff + jitter."""
    for i in range(retries):
        try:
            r = requests.post(
                BASE + "/chat/completions",
                headers={"Authorization": "Bearer " + KEY},
                json={"model": MODEL, "messages": messages, "stream": True},
                timeout=60,
            )
            if r.status_code == 429 or r.status_code >= 500:
                time.sleep(min(2 ** i + random.uniform(0, 1), 30))
                continue
            r.raise_for_status()
            return r.json()
        except requests.exceptions.Timeout:
            time.sleep(min(2 ** i + random.uniform(0, 1), 30))
    raise RuntimeError("gave up after " + str(retries) + " retries")


print(chat([{"role": "user", "content": "hello"}]))

Wichtige Daten zu diesem Modell

API-Endpunkthttps://api.airai.cc/v1
OpenAI-kompatibelOpenAI-compatible
AnbieterZ.AI
Kontext131.1K
FunktionenReasoning, Tools, Open Weights
API-Formateopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Abrechnungsformelp * 0.6 + cr * 0.11 + cc * 0 + c * 2.2

Häufige Fragen

Wie lange darf 400 bei glm-4.5 dauern, bevor ich den Support kontaktiere?

Behalten Sie die Request-ID und den rohen Antworttext, sonst lässt sich nichts zuordnen. Das Modell wird von Z.AI bereitgestellt, der Upstream-Status richtet sich nach den Ankündigungen des Anbieters. Protokollieren Sie bei jedem Fehler die Request-ID — sie hilft mehr als der Statuscode.

Reduziert das Cachen von Ergebnissen 400?

Senken Sie zuerst die Parallelität — die meisten Durchsatzprobleme verschwinden dann. Dieses Modell hat ein Kontextfenster von 131.1K und stammt von Z.AI. Ein 131.1K-Kontext bedeutet, dass lange Eingaben die First-Token-Latenz deutlich erhöhen. Glätten Sie Spitzen mit Batching oder einer Warteschlange — stabiler als Parallelität spontan zu erhöhen.

Hängt 400 mit der Abrechnung von glm-4.5 zusammen?

Keine Berechnung: Nur tatsächlich erzeugter Output zählt zum Verbrauch. Berechnet wird nur der bereits erzeugte Output, der fehlgeschlagene Teil nicht. Der Eingabepreis liegt bei etwa $0.60 pro Million Tokens. Prüfen Sie zuerst Guthaben und Rate-Limits in der Konsole, dann den Code. Wenn Sie Kosten nach p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2 schätzen, rechnen Sie das Retry-Budget mit ein.

Führt ein Retry dazu, dass die Anfrage doppelt ausgeführt wird?

Business-Code muss meist nicht geändert werden, nur der Aufruftakt. Ein Retry ist der wirksamste erste Schritt. Bei der Abrechnung p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2 werden fehlgeschlagene Anfragen nicht angerechnet. Setzen Sie die Obergrenze auf 3–5 Versuche und ergänzen Sie Jitter. Wiederholbare Fehler mit exponentiellem Backoff, der Rest sofort als Fehler zurückgeben.

Weitere Fehler bei diesem Modell

Andere Modelle mit demselben Fehler

Zurück zur Modellseite

Daten aktualisiert: 2026-10-10 12:10

Technischer SupportLive-Support
Nach oben