Erreur 401 : que faire quand gpt-5.5-pro échoue

Un 401 signifie que l'authentification a échoué : la requête ne porte pas de clé API, ou la clé est invalide, supprimée ou expirée.

401 Unauthorized signifie que la requête ne porte aucun identifiant valide. La passerelle n’a pas pu identifier l’appelant, donc la requête n’atteint jamais le modèle upstream. Vérifier l’en-tête Authorization et l’état de la clé est la seule voie.

gpt-5.5-pro est fourni par OpenAI. Tout sur cette page — causes, correctifs et données mesurées — est établi à partir du comportement réel de ce modèle au niveau de la passerelle.

Sur cette passerelle, le déclencheur le plus courant est : L'en-tête Authorization est absent. La première action recommandée : Envoyez l'en-tête sous la forme Authorization: Bearer suivi de votre clé.

Causes fréquentes

  • L'en-tête Authorization est absent
  • La clé est mal orthographiée ou contient des espaces superflus
  • La clé a été supprimée ou désactivée sur la page Jetons
  • Une clé d'une autre plateforme a été utilisée par erreur

Comment corriger

  • Envoyez l'en-tête sous la forme Authorization: Bearer suivi de votre clé
  • Générez une nouvelle clé sur la page Jetons
  • Vérifiez que vous n'utilisez pas la clé d'un autre service
  • Validez la clé avec une requête curl minimale

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque gpt-5.5-pro renvoie 401 : jusqu’à 5 tentatives, avec une attente croissante et un jitter aléatoire pour éviter que les appels concurrents ne réessaient simultanément. Lisez l’URL de base et la clé API depuis les variables d’environnement, ne les écrivez jamais en dur.

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 = 'gpt-5.5-pro'


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"}]))

Données clés de ce modèle

Point de terminaison APIhttps://api.airai.cc/v1
Compatible OpenAIOpenAI-compatible
FournisseurOpenAI
Contexte1.1M
CapacitésReasoning, Tools, Files, Vision
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 30 + c * 180) : tier("272k_plus", p * 60 + c * 270
Remise cache1×

Questions fréquentes

Les requêtes échouées comptent-elles dans mon quota de débit ?

Aucune facturation : seule la sortie réellement produite compte dans l’usage. Seule la sortie déjà produite est facturée, pas la partie échouée. Le prix d’entrée est d’environ $30.00 par million de tokens. Avec la facturation p * 30 + c * 180) : tier("272k_plus", p * 60 + c * 270, le coût des sorties longues vient surtout des tokens de sortie. Vérifiez d’abord le solde et les limites de débit dans la console, ensuite le code.

La mise en cache des résultats réduit-elle 401 ?

Ici les vraies variables sont la concurrence et les délais d’attente, pas le modèle. Un contexte de 1.1M signifie que les longues entrées allongent nettement la latence du premier token. Pour les longues sorties, portez le délai d’attente à 60 secondes ou plus. Lissez les pics avec du traitement par lots ou une file : plus stable que d’augmenter la concurrence à la volée.

401 est-il plus probable en appel direct depuis le frontend ou via un backend ?

Gardez aussi un modèle de repli prêt. Un repli intégré à l’architecture est plus fiable que de corriger chaque erreur séparément. Ce modèle de OpenAI dispose de plusieurs nœuds upstream entre lesquels la passerelle peut basculer. Gardez un modèle de repli plus léger, le flux principal ne sera jamais interrompu. Mettez le nom du modèle en configuration : changer d’amont ne demande alors aucune modification de code.

401 affecte-t-il les requêtes déjà envoyées à gpt-5.5-pro ?

Cette erreur ne dépend pas de la capacité du modèle, elle est au niveau de la passerelle. Les balises de capacité de ce modèle sont Reasoning, Tools, Files, Vision. Si l’erreur persiste plusieurs minutes, contactez le support de la plateforme pour confirmer l’état en amont.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Données mises à jour: 2026-10-10 18:35

Support techniqueAssistance en ligne
Haut de page