Erreur 503 : que faire quand qwq-plus 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.

qwq-plus est fourni par Alibaba. 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 qwq-plus 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 = 'qwq-plus'


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
FournisseurAlibaba
Contexte131.1K
CapacitésReasoning, Tools
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.8 + c * 2.4

Questions fréquentes

Dois-je passer à une offre supérieure pour corriger 503 sur qwq-plus ?

Il s’agit surtout d’un quota, non d’une panne du modèle. Relever le plafond de la formule ou baisser la fréquence des appels : les deux aident. Avec la facturation p * 0.8 + c * 2.4, les requêtes échouées ne sont pas comptées dans l’usage. Vérifiez d’abord le solde et les limites de débit dans la console, ensuite le code. En estimant le coût à partir de p * 0.8 + c * 2.4, incluez aussi le budget de relances.

Un contexte long rend-il 503 plus probable ?

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, et les plafonds de paramètres en découlent. La fenêtre de contexte 131.1K fixe l’entrée maximale par requête ; au-delà, c’est rejeté immédiatement. Échouez rapidement sur les erreurs de paramètres au lieu d’y dépenser des relances.

Les retry doivent-ils ajouter du jitter aléatoire ?

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 * 0.8 + c * 2.4, les requêtes échouées ne sont pas comptées dans l’usage. Fixez la limite de relances à 3–5 et ajoutez du jitter.

Quel niveau de concurrence est sûr ?

Ici les vraies variables sont la concurrence et les délais d’attente, pas le modèle. 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 Alibaba. 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. Lissez les pics avec du traitement par lots ou une file : plus stable que d’augmenter la concurrence à la volée.

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