Error 429: qué hacer cuando falla deepseek-v4-flash

Un 429 significa que se activó un límite de velocidad: el número de solicitudes o tokens en una ventana de tiempo superó la cuota de tu plan.

429 Too Many Requests es una respuesta de limitación de tasa, no un error. Significa que la solicitud es válida pero superó la tasa de peticiones o la concurrencia permitidas por tu plan. Basta con reintentar respetando la ventana indicada en las cabeceras; no hace falta cambiar el cuerpo.

deepseek-v4-flash lo ofrece DeepSeek. 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: Demasiadas solicitudes simultáneas. La primera acción recomendada es: Limitar la concurrencia y reintentar con espera exponencial.

Causas habituales

  • Demasiadas solicitudes simultáneas
  • Cuota del plan actual agotada
  • Reintentar sin espera

Cómo solucionarlo

  • Limitar la concurrencia y reintentar con espera exponencial
  • Cambiar a un plan con más cuota
  • Almacenar en caché las solicitudes repetidas

Reintento con retroceso exponencial

El siguiente código reintenta cuando deepseek-v4-flash devuelve 429: 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 = 'deepseek-v4-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"}]))

Datos clave de este modelo

Endpoint de APIhttps://api.airai.cc/v1
Compatible con OpenAIOpenAI-compatible
ProveedorDeepSeek
Contexto1M
CapacidadesReasoning, Tools, Open Weights
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 0.3 + cr * 0.006 + c * 1.2) : tier("off_peak", p * 0.15 + cr * 0.003 + c * 0.6

Preguntas frecuentes

¿Se recupera 429 solo o requiere intervención manual?

Este error no depende de la capacidad del modelo, es a nivel de gateway. Suele ser algo puntual que se recupera por sí solo. Las etiquetas de capacidad de este modelo son Reasoning, Tools, Open Weights. Decide primero si es a nivel de cuenta o de modelo; el tratamiento es completamente distinto.

¿Es la salida incompleta de deepseek-v4-flash lo mismo que 429?

Si solo ocurre en producción, suele ser una diferencia de entorno, no del modelo. Este modelo lo sirve DeepSeek, por lo que el estado del upstream depende de los anuncios del proveedor. Registra el identificador de la petición en cada fallo: ayuda más que el código de estado. Reproduce el caso primero en el entorno de pruebas con el mismo cuerpo de petición.

¿Qué nivel de concurrencia es seguro?

Aquí las variables reales son la concurrencia y los timeouts, no el modelo. Baja primero la concurrencia: la mayoría de los problemas de rendimiento desaparecen. Este modelo tiene una ventana de contexto de 1M y es de DeepSeek. Un contexto de 1M implica que las entradas largas aumentan la latencia del primer token. Empieza con concurrencia baja, observa unos minutos y luego escala.

¿Puede un max_tokens demasiado alto provocar 429?

Es un problema de configuración del cliente; el servidor no necesita cambios. Las etiquetas de capacidades son Reasoning, Tools, Open Weights y de ahí derivan los límites de parámetros. Para errores de parámetros, falla rápido en lugar de gastar reintentos. Trunca o resume las entradas largas: reduce 429 de forma notable.

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