Error 403: qué hacer cuando falla gemini-2.5-flash-lite

Un 403 significa que estás autenticado pero no autorizado: la clave es válida, pero no puede llamar a este modelo ni a este grupo.

403 Forbidden significa que la identidad se reconoció pero se deniega el acceso. La diferencia con 401: 401 pregunta quién eres, 403 dice que no tienes permiso. Normalmente hay que añadir el modelo a la lista permitida o al grupo vinculado a tu key.

gemini-2.5-flash-lite lo ofrece Google. Todo en esta página — causas, soluciones y datos medidos — se recopila del comportamiento real de este modelo en la capa de gateway.

En esta pasarela, el desencadenante más común es: Esta clave no está autorizada para este modelo. La primera acción recomendada es: Añade este modelo a la lista permitida de la clave en la página Tokens.

Causas habituales

  • Esta clave no está autorizada para este modelo
  • El modelo no está en el grupo al que está vinculada la clave
  • La clave tiene una lista de IP permitidas que excluye tu IP actual
  • El modelo se retiró o requiere permisos superiores

Cómo solucionarlo

  • Añade este modelo a la lista permitida de la clave en la página Tokens
  • Confirma que el grupo de la clave incluye este modelo
  • Revisa la configuración de IP permitidas
  • Cambia a un modelo que sí puedas llamar

Reintento con retroceso exponencial

El siguiente código reintenta cuando gemini-2.5-flash-lite devuelve 403: hasta 5 intentos, con espera creciente y jitter aleatorio para que las llamadas concurrentes no reintenten a la vez. Lee la URL base y la API key de variables de entorno, nunca las escribas fijas.

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 = 'gemini-2.5-flash-lite'


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"}]))

Datos clave de este modelo

TPS380.8
Latencia media1486 ms
Tasa de éxito100%
Endpoint de APIhttps://api.airai.cc/v1
Compatible con OpenAIOpenAI-compatible
ProveedorGoogle
Contexto1M
CapacidadesReasoning, Tools, Files, Vision, Audio
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4

Preguntas frecuentes

¿Es 403 más probable con llamadas directas del frontend o vía backend?

Un respaldo a nivel de arquitectura es más fiable que parchear cada error por separado. Este modelo de Google tiene varios nodos upstream entre los que el gateway puede alternar. Ten listo un modelo de respaldo más ligero para que el flujo principal no se corte. Pon el nombre del modelo en configuración; así cambiar de upstream no requiere tocar código.

¿Compartir una key entre varios servicios hace más probable 403?

Es sobre todo un asunto de cuota, no un fallo del modelo. Tanto subir el límite del plan como bajar la frecuencia de llamadas ayuda. El precio de entrada ronda $0.10 por millón de tokens. Con facturación p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, el coste de salidas largas viene sobre todo de los tokens de salida. Al estimar el coste con p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, incluye también el presupuesto de reintentos.

¿Cuentan las solicitudes fallidas para mi cuota de límites?

No se cobra: solo cuenta para el consumo la salida realmente generada. Solo se cobra la salida ya generada; la parte fallida no. Con la tarificación p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, las peticiones fallidas no cuentan en el uso. Al estimar el coste con p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, incluye también el presupuesto de reintentos.

¿Qué nivel de concurrencia es seguro?

Baja primero la concurrencia: la mayoría de los problemas de rendimiento desaparecen. El rendimiento medido es 380.8, una referencia útil para la concurrencia. Un contexto de 1M implica que las entradas largas aumentan la latencia del primer token. Añade una capa de caché para que las peticiones repetidas no lleguen todas al modelo. Suaviza los picos con lotes o una cola: es más estable que subir la concurrencia sobre la marcha.

Otros errores de este modelo

Otros modelos con el mismo error

Volver a la página del modelo

Datos actualizados: 2026-10-10 15:40

Soporte técnicoSoporte en línea
Volver arriba