Error 401: apa yang harus dilakukan saat hy3 gagal

Kode 401 berarti autentikasi gagal: permintaan tidak membawa API Key, atau kuncinya tidak valid, sudah dihapus, atau kedaluwarsa.

401 Unauthorized berarti permintaan tidak membawa kredensial yang valid. Gateway tidak dapat mengenali pemanggil, jadi permintaan tidak pernah sampai ke model upstream. Memeriksa header Authorization dan status key adalah satu-satunya jalan.

hy3 disediakan oleh Tencent. 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: Header Authorization tidak ada. Tindakan pertama yang disarankan: Kirim header sebagai Authorization: Bearer diikuti kunci Anda.

Penyebab umum

  • Header Authorization tidak ada
  • Kunci salah ketik atau ada spasi berlebih
  • Kunci dihapus atau dinonaktifkan di halaman Token
  • Kunci dari platform lain terpakai secara tidak sengaja

Cara mengatasi

  • Kirim header sebagai Authorization: Bearer diikuti kunci Anda
  • Buat kunci baru di halaman Token
  • Pastikan Anda tidak memakai kunci dari layanan lain
  • Verifikasi kunci dengan permintaan curl minimal

Contoh percobaan ulang dengan exponential backoff

Kode di bawah mencoba ulang ketika hy3 mengembalikan 401, 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 = 'hy3'


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

Endpoint APIhttps://api.airai.cc/v1
Kompatibel OpenAIOpenAI-compatible
VendorTencent
Konteks256K
KemampuanReasoning, Tools, Open Weights
Format APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Rumus penagihanp * 0 + cr * 0 + cc * 0 + c * 0

FAQ

Kode status mana yang layak dicoba ulang dan mana yang sia-sia?

Biasanya kode bisnis tidak perlu diubah, cukup atur ritme pemanggilan. Mencoba ulang adalah langkah pertama yang paling efektif. Dengan penagihan p * 0 + cr * 0 + cc * 0 + c * 0, permintaan yang gagal tidak dihitung dalam penggunaan. Tetapkan batas percobaan ulang ke 3–5 kali dan tambahkan jitter.

Apakah ganti ke model lebih kecil mengurangi 401?

Fallback di tingkat arsitektur lebih andal daripada menambal setiap error satu per satu. Model dari Tencent ini punya beberapa node upstream yang bisa diganti gateway. Siapkan model cadangan yang lebih ringan agar alur utama tidak terputus. Taruh nama model di konfigurasi, sehingga ganti upstream tidak perlu mengubah kode.

Apakah 401 lebih sering terjadi di percakapan multi-giliran dengan hy3?

Parameter permintaan harus diubah, mencoba ulang saja tidak membantu. Ini masalah konfigurasi sisi klien, sisi server tidak perlu diubah. Tag kemampuan adalah Reasoning, Tools, Open Weights, dan batas parameter mengikuti set kemampuan tersebut. Jendela konteks 256K menentukan input maksimum per permintaan; yang melebihinya langsung ditolak. Untuk error parameter, gagalkan langsung daripada menghabiskan percobaan ulang.

Apakah menyimpan cache hasil mengurangi 401?

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 256K dan berasal dari Tencent. Konteks 256K berarti input panjang menambah latensi token pertama secara nyata. Mulai dari konkurensi rendah, amati beberapa menit, lalu tingkatkan. Tambahkan lapisan cache agar permintaan berulang tidak semuanya sampai ke model.

Error lain pada model ini

Model lain dengan error yang sama

Kembali ke halaman model

Data diperbarui: 2026-10-10 12:10

Dukungan teknisDukungan langsung
Kembali ke atas