Error 503: qué hacer cuando falla kimi-k2.5

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.

kimi-k2.5 lo ofrece Moonshot AI. 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 kimi-k2.5 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 = 'kimi-k2.5'


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
ProveedorMoonshot AI
Contexto262.1K
CapacidadesReasoning, Tools, Open Weights, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Descuento por caché0.556×

Preguntas frecuentes

Cuando kimi-k2.5 devuelve 503, ¿es más probable el gateway o el upstream?

Suele ser algo puntual que se recupera por sí solo. Las etiquetas de capacidad de este modelo son Reasoning, Tools, Open Weights, Vision. Decide primero si es a nivel de cuenta o de modelo; el tratamiento es completamente distinto.

¿Compartir una key entre varios servicios hace más probable 503?

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 $0.41 por millón de tokens. Al estimar el coste con , incluye también el presupuesto de reintentos.

¿Puede 503 deberse a un proxy o a otro salto de red?

Agrupa los errores por tiempo y por nodo; el patrón suele ser evidente. Si solo ocurre en producción, suele ser una diferencia de entorno, no del modelo. Este modelo lo sirve Moonshot AI, 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.

¿Cachear resultados reduce 503?

Aquí las variables reales son la concurrencia y los timeouts, no el modelo. Este modelo tiene una ventana de contexto de 262.1K y es de Moonshot AI. Un contexto de 262.1K implica que las entradas largas aumentan la latencia del primer token. 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