Error 504: qué hacer cuando falla glm-5.3-flash

Un 504 significa que la pasarela agotó el tiempo de espera del modelo de origen: la solicitud se envió, pero el origen no respondió dentro del tiempo límite de la pasarela.

504 Gateway Timeout significa que el gateway dejó de esperar la respuesta del upstream. La solicitud se reenvió, pero no volvió ningún resultado dentro del límite del gateway. Acortar la salida, activar streaming o bajar max_tokens suele resolverlo.

glm-5.3-flash lo ofrece Z.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 origen tardó más de lo que permite el tiempo límite de la pasarela. La primera acción recomendada es: Cambia a salida en streaming.

Causas habituales

  • El origen tardó más de lo que permite el tiempo límite de la pasarela
  • Un contexto largo elevó el tiempo de inferencia
  • Un nodo de origen se quedó bloqueado
  • Una solicitud sin streaming con una salida muy larga

Cómo solucionarlo

  • Cambia a salida en streaming
  • Acorta el contexto y baja max_tokens
  • Reintenta tras una breve espera
  • Usa un modelo con inferencia más rápida

Reintento con retroceso exponencial

El siguiente código reintenta cuando glm-5.3-flash devuelve 504: 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 = '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"}]))

Datos clave de este modelo

Endpoint de APIhttps://api.airai.cc/v1
Compatible con OpenAIOpenAI-compatible
ProveedorZ.AI
Contexto1M
CapacidadesReasoning, Tools, Files, Open Weights, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 0.15 + cr * 0.03 + cc * 0 + c * 0.5

Preguntas frecuentes

El SDK oficial ya reintenta: ¿necesito mi propia lógica de reintento?

Normalmente no hay que cambiar el código, basta con ajustar el ritmo de llamadas. Reintentar es el primer paso más eficaz. Con la tarificación p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, las peticiones fallidas no cuentan en el uso. Fija el límite de reintentos en 3–5 y añade jitter. Usa backoff exponencial para los errores reintentables y devuelve el error de inmediato para el resto.

¿Qué debería registrar cuando 504 ocurre con frecuencia?

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 Z.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.

¿Debería cambiar a un modelo de respaldo cuando aparece 504?

Tenga también un modelo de reserva preparado. Este modelo de Z.AI 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.

¿Cómo planificar trabajos por lotes cuando glm-5.3-flash devuelve 504?

Baja primero la concurrencia: la mayoría de los problemas de rendimiento desaparecen. Este modelo tiene una ventana de contexto de 1M y es de Z.AI. 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: 2026-10-11 13:20

Soporte técnicoSoporte en línea
Volver arriba