Erreur 502 : que faire quand glm-4.5 échoue

Un 502 signifie que la passerelle a reçu une réponse invalide du service de modèle amont : la requête a atteint la passerelle, mais le saut vers l'amont a échoué.

502 Bad Gateway signifie que la passerelle a reçu une réponse invalide du service upstream du modèle. La requête a atteint la passerelle ; l’échec s’est produit sur le saut vers l’upstream, généralement à cause d’un redémarrage de nœud ou d’une connexion coupée.

glm-4.5 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 : Le service de modèle amont est indisponible ou a renvoyé une réponse mal formée. La première action recommandée : Réessayez une fois : les 502 sont généralement passagères.

Causes fréquentes

  • Le service de modèle amont est indisponible ou a renvoyé une réponse mal formée
  • Un nœud amont redémarre
  • La connexion entre la passerelle et l'amont a été interrompue
  • Le modèle a été temporairement retiré

Comment corriger

  • Réessayez une fois : les 502 sont généralement passagères
  • Passez à un modèle équivalent d'un autre fournisseur
  • Si un seul modèle renvoie 502, son amont est en panne
  • Réessayez plus tard ou contactez-nous

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque glm-4.5 renvoie 502 : 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-4.5'


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
Contexte131.1K
CapacitésReasoning, Tools, Open Weights
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.6 + cr * 0.11 + cc * 0 + c * 2.2

Questions fréquentes

Une sortie incomplète de glm-4.5 est-elle la même chose que 502 ?

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. Reproduisez d’abord le cas en préproduction avec le même corps de requête.

La mise en cache des résultats réduit-elle 502 ?

Baissez d’abord la concurrence : la plupart des problèmes de débit disparaissent ensuite. Ce modèle dispose d’une fenêtre de contexte de 131.1K et vient de Z.AI. Un contexte de 131.1K 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.

Un max_tokens trop élevé peut-il déclencher 502 ?

Les paramètres doivent changer ; réessayer seul ne suffira pas. Les balises de capacité sont Reasoning, Tools, Open Weights, et les plafonds de paramètres en découlent. Échouez rapidement sur les erreurs de paramètres au lieu d’y dépenser des relances.

502 est-il lié à la facturation de glm-4.5 ?

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 $0.60 par million de tokens. Vérifiez d’abord le solde et les limites de débit dans la console, ensuite le code. En estimant le coût à partir de p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2, 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 15:45

Support techniqueAssistance en ligne
Haut de page