Error 503: qué hacer cuando falla claude-sonnet-4-6

Un 503 significa que el servicio no está disponible temporalmente, normalmente por mantenimiento o sobrecarga. A diferencia del 429, no es tu cuota: es un problema de capacidad del lado del servidor.

503 Service Unavailable significa que el servicio no puede atender la solicitud ahora, normalmente por sobrecarga o mantenimiento. La diferencia con 429 importa: 429 es que se agotó tu cuota, 503 es que falta capacidad del servidor. Aumenta el intervalo de backoff en lugar de cambiar de key.

claude-sonnet-4-6 lo ofrece Anthropic. 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: El modelo de origen está sobrecargado. La primera acción recomendada es: Reintenta más tarde con mayor espera entre intentos.

Causas habituales

  • El modelo de origen está sobrecargado
  • El servicio está en mantenimiento o desplegándose
  • El nodo de tu región no está disponible
  • Un pico repentino de tráfico

Cómo solucionarlo

  • Reintenta más tarde con mayor espera entre intentos
  • Cambia a un modelo equivalente con menos carga
  • Evita trabajos por lotes en horas punta
  • Atento a nuestros anuncios

Reintento con retroceso exponencial

El siguiente código reintenta cuando claude-sonnet-4-6 devuelve 503: 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 = 'claude-sonnet-4-6'


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
ProveedorAnthropic
Contexto1M
CapacidadesReasoning, Tools, Files, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 3 + cr * 0.3 + cc * 3.75 + cc1h * 6 + c * 15

Preguntas frecuentes

¿Cuentan las solicitudes fallidas para mi cuota de límites?

Solo se cobra la salida ya generada; la parte fallida no. Con facturación p * 3 + cr * 0.3 + cc * 3.75 + cc1h * 6 + c * 15, el coste de salidas largas viene sobre todo de los tokens de salida. Al estimar el coste con p * 3 + cr * 0.3 + cc * 3.75 + cc1h * 6 + c * 15, incluye también el presupuesto de reintentos.

¿Puede un max_tokens demasiado alto provocar 503?

Hay que cambiar los parámetros; reintentar por sí solo no ayudará. Es un problema de configuración del cliente; el servidor no necesita cambios. Las etiquetas de capacidades son Reasoning, Tools, Files, Vision y de ahí derivan los límites de parámetros. La ventana de contexto 1M fija la entrada máxima por petición; lo que la supere se rechaza directamente. Para errores de parámetros, falla rápido en lugar de gastar reintentos. Trunca o resume las entradas largas: reduce 503 de forma notable.

¿Debería cambiar a un modelo de respaldo cuando aparece 503?

Un respaldo a nivel de arquitectura es más fiable que parchear cada error por separado. Este modelo de Anthropic 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.

¿Cachear resultados reduce 503?

Baja primero la concurrencia: la mayoría de los problemas de rendimiento desaparecen. Un contexto de 1M implica que las entradas largas aumentan la latencia del primer token. Para salidas largas, sube el timeout a 60 segundos o más. Empieza con concurrencia baja, observa unos minutos y luego escala.

Otros errores de este modelo

Otros modelos con el mismo error

Volver a la página del modelo

Datos actualizados: 2026-10-10 15:45

Soporte técnicoSoporte en línea
Volver arriba