Error 400: apa yang harus dilakukan saat gemini-2.5-flash-lite gagal

Kode 400 berarti permintaannya sendiri tidak valid: ada field yang hilang, tipe salah, atau parameter yang tidak didukung model ini. Mencoba ulang tidak akan menyelesaikannya; isi permintaan harus diubah.

400 Bad Request berarti server menolak permintaan karena body-nya tidak valid. Berbeda dengan 5xx, 400 tidak akan selesai dengan mencoba ulang, Anda akan selalu menerima respons yang sama. Parameter harus diperbaiki lebih dulu.

gemini-2.5-flash-lite disediakan oleh Google. Semua di halaman ini — penyebab, solusi, dan data terukur — disusun dari perilaku runtime nyata model ini di lapisan gateway.

Di gateway ini, pemicu yang paling umum adalah: Field wajib hilang (model atau messages). Tindakan pertama yang disarankan: Cocokkan isi permintaan dengan tabel parameter di halaman ini.

Penyebab umum

  • Field wajib hilang (model atau messages)
  • Tipe parameter salah
  • Parameter tidak didukung model ini
  • Struktur messages salah atau nilai role tidak valid

Cara mengatasi

  • Cocokkan isi permintaan dengan tabel parameter di halaman ini
  • Hapus parameter yang tidak didukung lalu coba lagi
  • Pastikan messages berupa array dan nilai role valid
  • Mulai dari permintaan paling minimal, lalu tambahkan parameter satu per satu

Contoh percobaan ulang dengan exponential backoff

Kode di bawah mencoba ulang ketika gemini-2.5-flash-lite mengembalikan 400, maksimal 5 kali, dengan waktu tunggu yang meningkat plus jitter acak agar permintaan paralel tidak mengulang bersamaan. Baca base URL dan API key dari environment variable, jangan hardcode.

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-lite'


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"}]))

Data penting model ini

TPS380.8
Latensi rata-rata1486 ms
Tingkat sukses100%
Endpoint APIhttps://api.airai.cc/v1
Kompatibel OpenAIOpenAI-compatible
VendorGoogle
Konteks1M
KemampuanReasoning, Tools, Files, Vision, Audio
Format APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Rumus penagihanp * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4

FAQ

Apakah max_tokens yang terlalu tinggi bisa memicu 400?

Parameter permintaan harus diubah, mencoba ulang saja tidak membantu. Ini masalah konfigurasi sisi klien, sisi server tidak perlu diubah. Tag kemampuan adalah Reasoning, Tools, Files, Vision, Audio, dan batas parameter mengikuti set kemampuan tersebut. Jendela konteks 1M menentukan input maksimum per permintaan; yang melebihinya langsung ditolak. Potong atau ringkas input yang panjang — ini menurunkan 400 secara nyata.

Apakah 400 terkait cara penagihan gemini-2.5-flash-lite?

Hanya output yang sudah dihasilkan yang ditagihkan; bagian yang gagal tidak. Dengan penagihan p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, biaya output panjang sebagian besar dari token output. Periksa saldo dan batas laju di konsol dulu, baru periksa kodenya. Saat memperkirakan biaya dari p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, sertakan juga anggaran percobaan ulang.

Memakai exponential backoff atau interval tetap?

Biasanya kode bisnis tidak perlu diubah, cukup atur ritme pemanggilan. Mencoba ulang adalah langkah pertama yang paling efektif. Dengan penagihan p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, permintaan yang gagal tidak dihitung dalam penggunaan. Tetapkan batas percobaan ulang ke 3–5 kali dan tambahkan jitter. Gunakan exponential backoff untuk error yang bisa diulang, dan kembalikan error segera untuk sisanya.

Berapa tingkat konkurensi yang aman?

Variabel sebenarnya di sini adalah konkurensi dan timeout, bukan modelnya. Turunkan konkurensi terlebih dahulu — sebagian besar masalah throughput akan hilang. Model ini memiliki context window 1M dan berasal dari Google. Konteks 1M berarti input panjang menambah latensi token pertama secara nyata. Mulai dari konkurensi rendah, amati beberapa menit, lalu tingkatkan. Ratakan lonjakan dengan batch atau antrean — lebih stabil daripada menaikkan konkurensi mendadak.

Error lain pada model ini

Model lain dengan error yang sama

Kembali ke halaman model

Data diperbarui: 2026-10-10 15:45

Dukungan teknisDukungan langsung
Kembali ke atas