Erreur 504 : que faire quand qwen-turbo 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.

qwen-turbo 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 : 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 qwen-turbo 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 = 'qwen-turbo'


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
Contexte1M
CapacitésReasoning, Tools
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.05 + c * 0.5) : tier("standard", p * 0.05 + c * 0.2

Questions fréquentes

La préproduction va bien mais la production renvoie 504 : pourquoi ?

Regroupez les erreurs par heure et par nœud ; la tendance est généralement évidente. Conservez l’identifiant de requête et le corps brut de la réponse, sinon rien ne peut être retracé. Ce modèle est servi par Alibaba, l’état en amont dépend donc des annonces du fournisseur. Reproduisez d’abord le cas en préproduction avec le même corps de requête.

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

Aucune facturation : seule la sortie réellement produite compte dans l’usage. Le prix d’entrée est d’environ $0.05 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 * 0.05 + c * 0.5) : tier("standard", p * 0.05 + c * 0.2, incluez aussi le budget de relances.

504 est-il plus fréquent dans les conversations à plusieurs tours avec qwen-turbo ?

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 1M 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 ?

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 * 0.05 + c * 0.5) : tier("standard", p * 0.05 + c * 0.2, 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 * 0.05 + c * 0.5) : tier("standard", p * 0.05 + c * 0.2, 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