Erreur 503 : que faire quand gemini-3-flash-preview échoue

Un 503 signifie que le service est temporairement indisponible, généralement pour maintenance ou surcharge. Contrairement au 429, ce n'est pas votre quota : c'est un problème de capacité côté serveur.

503 Service Unavailable signifie que le service ne peut pas traiter la requête maintenant, généralement pour surcharge ou maintenance. La distinction avec 429 compte : 429 signifie que votre quota est épuisé, 503 que la capacité serveur manque. Augmentez l’intervalle de backoff plutôt que de changer de clé.

gemini-3-flash-preview est fourni par Google. 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 modèle amont est surchargé. La première action recommandée : Réessayez plus tard avec un délai plus long.

Causes fréquentes

  • Le modèle amont est surchargé
  • Le service est en maintenance ou en déploiement
  • Le nœud de votre région est indisponible
  • Un pic soudain de trafic

Comment corriger

  • Réessayez plus tard avec un délai plus long
  • Passez à un modèle équivalent moins chargé
  • Évitez les traitements par lots aux heures de pointe
  • Surveillez nos annonces

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque gemini-3-flash-preview renvoie 503 : 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 = 'gemini-3-flash-preview'


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
FournisseurGoogle
Contexte1M
CapacitésReasoning, Tools, Files, Vision, Audio
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.5 + cr * 0.05 + ai * 1 + c * 3

Questions fréquentes

503 est-il lié à la facturation de gemini-3-flash-preview ?

Aucune facturation : seule la sortie réellement produite compte dans l’usage. Seule la sortie déjà produite est facturée, pas la partie échouée. La facturation suit p * 0.5 + cr * 0.05 + ai * 1 + c * 3 : sans sortie, aucun débit. Avec la facturation p * 0.5 + cr * 0.05 + ai * 1 + c * 3, le coût des sorties longues vient surtout des tokens de sortie. En estimant le coût à partir de p * 0.5 + cr * 0.05 + ai * 1 + c * 3, incluez aussi le budget de relances.

La mise en cache des résultats réduit-elle 503 ?

Ici les vraies variables sont la concurrence et les délais d’attente, pas le modèle. Ce modèle dispose d’une fenêtre de contexte de 1M et vient de Google. Un contexte de 1M signifie que les longues entrées allongent nettement la latence du premier token. Ajoutez une couche de cache pour que les requêtes répétées n’atteignent pas toutes le modèle. Lissez les pics avec du traitement par lots ou une file : plus stable que d’augmenter la concurrence à la volée.

Partager une clé entre plusieurs services rend-il 503 plus probable ?

Il s’agit surtout d’un quota, non d’une panne du modèle. Le prix d’entrée est d’environ $0.50 par million de tokens. Avec la facturation p * 0.5 + cr * 0.05 + ai * 1 + c * 3, 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.

503 continue sur gemini-3-flash-preview : problème de modèle ou de compte ?

Cette erreur ne dépend pas de la capacité du modèle, elle est au niveau de la passerelle. C’est généralement passager et se rétablit tout seul. Les balises de capacité de ce modèle sont Reasoning, Tools, Files, Vision, Audio. Déterminez d’abord si c’est au niveau du compte ou du modèle ; les deux demandent un traitement totalement différent.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

Données mises à jour: 2026-10-10 08:15

Support techniqueAssistance en ligne
Haut de page