Erreur 429 : que faire quand glm-5 échoue

Un 429 signifie qu'une limite de débit a été atteinte : le nombre de requêtes ou de tokens sur une fenêtre de temps a dépassé le quota de votre offre.

429 Too Many Requests est une réponse de limitation de débit, pas une erreur. La requête est valide, mais elle dépasse le débit ou la concurrence autorisés par votre offre. Il suffit de réessayer en respectant la fenêtre indiquée dans les en-têtes ; le corps de la requête n’a pas à changer.

glm-5 est fourni par Z.AI. 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 : Trop de requêtes simultanées. La première action recommandée : Limiter la concurrence et réessayer avec un délai exponentiel.

Causes fréquentes

  • Trop de requêtes simultanées
  • Quota de l’offre actuelle épuisé
  • Nouvelle tentative sans délai

Comment corriger

  • Limiter la concurrence et réessayer avec un délai exponentiel
  • Passer à une offre avec plus de quota
  • Mettre en cache les requêtes répétées

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque glm-5 renvoie 429 : 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 = 'glm-5'


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
FournisseurZ.AI
Contexte204.8K
CapacitésReasoning, Tools, Open Weights
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 1 + cr * 0.2 + cc * 0 + c * 3.2

Questions fréquentes

Faut-il modifier les paramètres quand glm-5 renvoie 429 ?

Les paramètres doivent changer ; réessayer seul ne suffira pas. C’est un problème de configuration côté client ; rien ne change côté serveur. Les balises de capacité sont Reasoning, Tools, Open Weights, et les plafonds de paramètres en découlent. La fenêtre de contexte 204.8K fixe l’entrée maximale par requête ; au-delà, c’est rejeté immédiatement. Tronquez ou résumez les entrées longues : cela réduit nettement 429.

Une sortie incomplète de glm-5 est-elle la même chose que 429 ?

Conservez l’identifiant de requête et le corps brut de la réponse, sinon rien ne peut être retracé. Si cela n’arrive qu’en production, c’est généralement une différence d’environnement, pas le modèle. Ce modèle est servi par Z.AI, l’état en amont dépend donc des annonces du fournisseur. Enregistrez l’identifiant de requête à chaque échec : c’est plus utile que le code d’état.

Comment utiliser l’en-tête Retry-After de la réponse ?

Il n’est généralement pas nécessaire de modifier le code, seulement le rythme des appels. Réessayer est la première étape la plus efficace. Avec la facturation p * 1 + cr * 0.2 + cc * 0 + c * 3.2, les requêtes échouées ne sont pas comptées dans l’usage. Fixez la limite de relances à 3–5 et ajoutez du jitter. Utilisez un backoff exponentiel pour les erreurs relançables et renvoyez l’erreur immédiatement pour les autres.

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

Seule la sortie déjà produite est facturée, pas la partie échouée. Le prix d’entrée est d’environ $1.00 par million de tokens. Avec la facturation p * 1 + cr * 0.2 + cc * 0 + c * 3.2, 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. En estimant le coût à partir de p * 1 + cr * 0.2 + cc * 0 + c * 3.2, incluez aussi le budget de relances.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

Données mises à jour: 2026-10-10 15:40

Support techniqueAssistance en ligne
Haut de page