Error timeout: qué hacer cuando falla hy3

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.

hy3 lo ofrece Tencent. 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 hy3 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 = 'hy3'


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
ProveedorTencent
Contexto256K
CapacidadesReasoning, Tools, Open Weights
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de facturaciónp * 0 + cr * 0 + cc * 0 + c * 0

Preguntas frecuentes

¿Se me cobrará cuando hy3 devuelva timeout?

No se cobra: solo cuenta para el consumo la salida realmente generada. Solo se cobra la salida ya generada; la parte fallida no. La facturación sigue p * 0 + cr * 0 + cc * 0 + c * 0: sin salida no hay cargo. Con la tarificación p * 0 + cr * 0 + cc * 0 + c * 0, las peticiones fallidas no cuentan en el uso. Revisa primero el saldo y los límites de velocidad en la consola, luego el código.

¿Cómo planificar trabajos por lotes cuando hy3 devuelve timeout?

Aquí las variables reales son la concurrencia y los timeouts, no el modelo. Baja primero la concurrencia: la mayoría de los problemas de rendimiento desaparecen. Este modelo tiene una ventana de contexto de 256K y es de Tencent. Un contexto de 256K implica que las entradas largas aumentan la latencia del primer token. Empieza con concurrencia baja, observa unos minutos y luego escala.

¿Está timeout relacionado con la capacidad del propio modelo?

Suele ser algo puntual que se recupera por sí solo. Las etiquetas de capacidad de este modelo son Reasoning, Tools, Open Weights. 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.

¿Backoff exponencial o intervalo fijo?

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 + cr * 0 + cc * 0 + c * 0, 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.

Otros errores de este modelo

Otros modelos con el mismo error

Volver a la página del modelo

Datos actualizados: 2026-10-10 12:10

Soporte técnicoSoporte en línea
Volver arriba