Fehler 503: was tun, wenn glm-5.3-flash fehlschlägt

Ein 503 bedeutet, dass der Dienst vorübergehend nicht verfügbar ist, meist wegen Wartung oder Überlastung. Anders als bei 429 geht es nicht um Ihr Kontingent, sondern um die Kapazität auf Serverseite.

503 Service Unavailable bedeutet, dass der Dienst die Anfrage derzeit nicht bearbeiten kann, meist wegen Überlastung oder Wartung. Der Unterschied zu 429 ist wichtig: 429 heißt Ihr Kontingent ist aufgebraucht, 503 heißt die Serverkapazität reicht nicht. Vergrößern Sie das Backoff-Intervall, statt den Key zu wechseln.

glm-5.3-flash 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: Das vorgelagerte Modell ist überlastet. Empfohlene erste Maßnahme: Versuchen Sie es später mit längerem Backoff erneut.

Häufige Ursachen

  • Das vorgelagerte Modell ist überlastet
  • Der Dienst wird gewartet oder ausgerollt
  • Der Knoten in Ihrer Region ist nicht verfügbar
  • Ein plötzlicher Traffic-Anstieg

So beheben Sie es

  • Versuchen Sie es später mit längerem Backoff erneut
  • Wechseln Sie zu einem weniger ausgelasteten gleichwertigen Modell
  • Vermeiden Sie Batch-Jobs zu Spitzenzeiten
  • Beachten Sie unsere Ankündigungen

Wiederholung mit exponentiellem Backoff

Der folgende Code wiederholt den Aufruf, wenn glm-5.3-flash 503 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-5.3-flash'


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
Kontext1M
FunktionenReasoning, Tools, Files, Open Weights, Vision
API-Formateopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Abrechnungsformelp * 0.15 + cr * 0.03 + cc * 0 + c * 0.5

Häufige Fragen

Wie sollte ich 503 in Produktion überwachen?

Behalten Sie die Request-ID und den rohen Antworttext, sonst lässt sich nichts zuordnen. Tritt es nur in Produktion auf, ist es meist eine Umgebungsdifferenz, kein Modellfehler. 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.

Muss ich Request-Parameter ändern, wenn glm-5.3-flash 503 liefert?

Die Request-Parameter müssen geändert werden; Retry allein hilft nicht. Das ist ein clientseitiges Konfigurationsproblem; serverseitig ändert sich nichts. Die Fähigkeits-Tags sind Reasoning, Tools, Files, Open Weights, Vision, daraus ergeben sich die Parameter-Obergrenzen. Das Kontextfenster 1M bestimmt die maximale Eingabe pro Anfrage, darüber wird direkt abgelehnt. Kürzen oder verdichten Sie lange Eingaben — das senkt 503 deutlich.

Hängt 503 bei glm-5.3-flash mit meinem Kontingent zusammen?

Sowohl ein höheres Tariflimit als auch eine niedrigere Aufruffrequenz helfen. Der Eingabepreis liegt bei etwa $0.15 pro Million Tokens. Bei der Abrechnung p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 werden fehlgeschlagene Anfragen nicht angerechnet. Prüfen Sie zuerst Guthaben und Rate-Limits in der Konsole, dann den Code. Wenn Sie Kosten nach p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 schätzen, rechnen Sie das Retry-Budget mit ein.

Wird mir etwas berechnet, wenn glm-5.3-flash 503 liefert?

Keine Berechnung: Nur tatsächlich erzeugter Output zählt zum Verbrauch. Berechnet wird nur der bereits erzeugte Output, der fehlgeschlagene Teil nicht. Die Abrechnung folgt p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, ohne Ausgabe also keine Kosten. Prüfen Sie zuerst Guthaben und Rate-Limits in der Konsole, dann den Code. Wenn Sie Kosten nach p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 schätzen, rechnen Sie das Retry-Budget mit ein.

Weitere Fehler bei diesem Modell

Andere Modelle mit demselben Fehler

Zurück zur Modellseite

Daten aktualisiert: 2026-10-12 02:10

Technischer SupportLive-Support
Nach oben