Error timeout: qué hacer cuando falla gemini-3.1-pro-preview-customtools

Un timeout significa que el cliente se rindió antes de recibir la respuesta. Las solicitudes con streaming a LLM son las que más lo sufren, porque el modelo piensa antes del primer token y esa fase no produce ningún byte.

Un timeout no es un código de estado HTTP, sino un límite de espera del cliente. La solicitud normalmente llegó al gateway y se reenvió al upstream, pero el modelo no generó resultado dentro del tiempo que fijaste. Contexto largo, salida larga y llamadas sin streaming son los tres detonantes más comunes.

gemini-3.1-pro-preview-customtools 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: El timeout del cliente es demasiado bajo. La primera acción recomendada es: Sube el timeout del cliente a 300 segundos o más.

Causas habituales

  • El timeout del cliente es demasiado bajo
  • Un prompt o contexto largo eleva la latencia del primer token
  • El modelo está resolviendo una tarea de razonamiento larga
  • Fluctuaciones de red

Cómo solucionarlo

  • Sube el timeout del cliente a 300 segundos o más
  • Activa el streaming para no esperar la respuesta completa
  • Acorta el contexto o usa un modelo más rápido
  • Baja max_tokens

Reintento con retroceso exponencial

El siguiente código reintenta cuando gemini-3.1-pro-preview-customtools devuelve timeout: 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-3.1-pro-preview-customtools'


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
ProveedorGoogle
Contexto1M
CapacidadesReasoning, Tools, Files, Vision, Audio
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 2 + cr * 0.2 + c * 12) : tier("200k_plus", p * 4 + cr * 0.4 + c * 18

Preguntas frecuentes

¿Es la salida incompleta de gemini-3.1-pro-preview-customtools lo mismo que timeout?

Agrupa los errores por tiempo y por nodo; el patrón suele ser evidente. Este modelo lo sirve Google, 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.

Cuando gemini-3.1-pro-preview-customtools devuelve timeout, ¿es más probable el gateway o el upstream?

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, Files, Vision, Audio. Si el error se mantiene varios minutos, contacta con el soporte de la plataforma para confirmar el estado del upstream. Decide primero si es a nivel de cuenta o de modelo; el tratamiento es completamente distinto.

¿El procesamiento asíncrono o por lotes evita timeout?

Aquí las variables reales son la concurrencia y los timeouts, no el modelo. 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. Añade una capa de caché para que las peticiones repetidas no lleguen todas al modelo.

¿Está timeout en gemini-3.1-pro-preview-customtools relacionado con el tamaño del cuerpo?

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, Audio y de ahí derivan los límites de parámetros. Trunca o resume las entradas largas: reduce timeout 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