Erreur timeout : que faire quand gemini-2.5-flash échoue

Un timeout signifie que le client a abandonné avant l'arrivée de la réponse. Les requêtes LLM en streaming y sont les plus exposées, car le modèle réfléchit avant le premier token et cette phase ne produit aucun octet.

Un timeout n’est pas un code de statut HTTP, mais une limite d’attente côté client. La requête a généralement atteint la passerelle et été transmise à l’upstream, mais le modèle n’a pas produit de résultat dans le temps imparti. Contexte long, sortie longue et appels sans streaming sont les trois déclencheurs les plus courants.

gemini-2.5-flash 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 délai d'attente du client est trop court. La première action recommandée : Portez le délai du client à 300 secondes ou plus.

Causes fréquentes

  • Le délai d'attente du client est trop court
  • Un prompt ou un contexte long augmente la latence du premier token
  • Le modèle traite une longue tâche de raisonnement
  • Gigue réseau

Comment corriger

  • Portez le délai du client à 300 secondes ou plus
  • Activez le streaming pour ne pas attendre toute la réponse
  • Raccourcissez le contexte ou utilisez un modèle plus rapide
  • Réduisez max_tokens

Nouvelle tentative avec backoff exponentiel

Le code ci-dessous réessaie lorsque gemini-2.5-flash renvoie timeout : 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-2.5-flash'


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 * 0.3 + cr * 0.03 + ai * 1 + c * 2.5

Questions fréquentes

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

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 * 0.3 + cr * 0.03 + ai * 1 + c * 2.5 : sans sortie, aucun débit. Avec la facturation p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, 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 * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, incluez aussi le budget de relances.

Un modèle équivalent d’un autre fournisseur corrige-t-il timeout ?

Gardez aussi un modèle de repli prêt. Ce modèle de Google 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.

Quel intervalle de retry quand gemini-2.5-flash renvoie timeout ?

Réessayer est la première étape la plus efficace. Avec la facturation p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, les requêtes échouées ne sont pas comptées dans l’usage. Fixez la limite de relances à 3–5 et ajoutez du jitter. Utilisez un backoff exponentiel pour les erreurs relançables et renvoyez l’erreur immédiatement pour les autres.

Faut-il modifier les paramètres quand gemini-2.5-flash renvoie timeout ?

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. Tronquez ou résumez les entrées longues : cela réduit nettement timeout.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

Données mises à jour: 2026-10-11 19:15

Support techniqueAssistance en ligne
Haut de page