Fehler 400: was tun, wenn glm-4.7 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-4.7 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-4.7 400 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-4.7'


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
Kontext204.8K
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

Hängt 400 mit der Abrechnung von glm-4.7 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. Bei der Abrechnung p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2 werden fehlgeschlagene Anfragen nicht angerechnet. Prüfen Sie zuerst Guthaben und Rate-Limits in der Konsole, dann den Code.

Wie viel Parallelität ist sicher?

Parallelität und Timeouts sind hier die eigentlichen Variablen, nicht das Modell. Dieses Modell hat ein Kontextfenster von 204.8K und stammt von Z.AI. Ein 204.8K-Kontext bedeutet, dass lange Eingaben die First-Token-Latenz deutlich erhöhen. Bei langen Ausgaben erhöhen Sie den Timeout auf 60 Sekunden oder mehr.

Kann 400 zu Datenverlust führen?

Meist ist es ein kurzzeitiges Problem, das von selbst verschwindet. Die Fähigkeits-Tags dieses Modells sind Reasoning, Tools, Open Weights. Klären Sie zuerst Account-Ebene oder Modell-Ebene; beides wird völlig unterschiedlich behandelt.

Hängt 400 bei glm-4.7 mit meinem Kontingent zusammen?

Es geht vor allem um das Kontingent, nicht um einen Defekt des Modells. Bei Abrechnung nach p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2 stammen die Kosten langer Ausgaben vor allem aus Output-Tokens. Prüfen Sie zuerst Guthaben und Rate-Limits in der Konsole, dann den Code.

Weitere Fehler bei diesem Modell

Andere Modelle mit demselben Fehler

Zurück zur Modellseite

Daten aktualisiert: 2026-10-10 18:35

Technischer SupportLive-Support
Nach oben