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

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.

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 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 glm-5.3-flash 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 = '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

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

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. Con facturación p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, el coste de salidas largas viene sobre todo de los tokens de salida. Revisa primero el saldo y los límites de velocidad en la consola, luego el código.

¿Un contexto largo hace más probable timeout?

Hay que cambiar los parámetros; reintentar por sí solo no ayudará. Las etiquetas de capacidades son Reasoning, Tools, Files, Open Weights, Vision y de ahí derivan los límites de parámetros. Trunca o resume las entradas largas: reduce timeout de forma notable.

¿Depende timeout en glm-5.3-flash de la región o del nodo?

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. Reproduce el caso primero en el entorno de pruebas con el mismo cuerpo de petición.

¿Está timeout relacionado con la facturación de glm-5.3-flash?

Solo se cobra la salida ya generada; la parte fallida no. La facturación sigue p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5: sin salida no hay cargo. Al estimar el coste con p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, incluye también el presupuesto de reintentos.

Otros errores de este modelo

Otros modelos con el mismo error

Volver a la página del modelo

Datos actualizados: 2026-10-12 02:10

Soporte técnicoSoporte en línea
Volver arriba