Erreur timeout : que faire quand gpt-5-mini 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.

gpt-5-mini est fourni par OpenAI. 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 gpt-5-mini 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 = 'gpt-5-mini'


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
FournisseurOpenAI
Contexte400K
CapacitésReasoning, Tools, Files, Vision
Formats d’APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formule de facturationp * 0.25 + cr * 0.025 + c * 2

Questions fréquentes

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

Relever le plafond de la formule ou baisser la fréquence des appels : les deux aident. La facturation suit p * 0.25 + cr * 0.025 + c * 2 : sans sortie, aucun débit. En estimant le coût à partir de p * 0.25 + cr * 0.025 + c * 2, incluez aussi le budget de relances.

Passer à un modèle plus petit réduit-il timeout ?

Gardez aussi un modèle de repli prêt. Un repli intégré à l’architecture est plus fiable que de corriger chaque erreur séparément. Ce modèle de OpenAI 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.

Un retry entraînera-t-il une double exécution de la requête ?

Réessayer est la première étape la plus efficace. Avec la facturation p * 0.25 + cr * 0.025 + c * 2, les requêtes échouées ne sont pas comptées dans l’usage. Fixez la limite de relances à 3–5 et ajoutez du jitter.

Un max_tokens trop élevé peut-il déclencher timeout ?

Les paramètres doivent changer ; réessayer seul ne suffira pas. La fenêtre de contexte 400K 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.

Autres erreurs sur ce modèle

Autres modèles avec la même erreur

Retour à la page du modèle

Données mises à jour: 2026-10-10 12:10

Support techniqueAssistance en ligne
Haut de page