Erreur 504 : que faire quand kimi-k2-0711-preview échoue

Un 504 signifie que la passerelle a expiré en attendant le modèle amont : la requête a été envoyée, mais l'amont n'a pas répondu dans le délai imparti.

504 Gateway Timeout signifie que la passerelle a cessé d’attendre la réponse de l’upstream. La requête a été transmise, mais aucun résultat n’est revenu dans la limite imposée. Raccourcir la sortie, activer le streaming ou baisser max_tokens règle généralement le problème.

kimi-k2-0711-preview est fourni par Moonshot 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 : L'amont a mis plus de temps que le délai autorisé par la passerelle. La première action recommandée : Passez à la sortie en streaming.

Causes fréquentes

  • L'amont a mis plus de temps que le délai autorisé par la passerelle
  • Un contexte long a augmenté le temps d'inférence
  • Un nœud amont est bloqué
  • Une requête non diffusée avec une sortie très longue

Comment corriger

  • Passez à la sortie en streaming
  • Raccourcissez le contexte et réduisez max_tokens
  • Réessayez après une courte attente
  • Utilisez un modèle à inférence plus rapide

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque kimi-k2-0711-preview renvoie 504 : 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 = 'kimi-k2-0711-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
FournisseurMoonshot AI
Contexte131.1K
CapacitésTools, Open Weights
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search

Questions fréquentes

Passer au streaming réduit-il 504 ?

Les paramètres doivent changer ; réessayer seul ne suffira pas. C’est un problème de configuration côté client ; rien ne change côté serveur. 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. Tronquez ou résumez les entrées longues : cela réduit nettement 504.

Partager une clé entre plusieurs services rend-il 504 plus probable ?

Relever le plafond de la formule ou baisser la fréquence des appels : les deux aident. Le prix d’entrée est d’environ $0.60 par million de tokens. En estimant le coût à partir de , incluez aussi le budget de relances.

Combien de tentatives de retry sont raisonnables ?

Réessayer est la première étape la plus efficace. Utilisez un backoff exponentiel pour les erreurs relançables et renvoyez l’erreur immédiatement pour les autres.

Comment prévenir 504 sur kimi-k2-0711-preview à l’avance ?

Gardez aussi un modèle de repli prêt. Ce modèle de Moonshot AI 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.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

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

Support techniqueAssistance en ligne
Haut de page