Error 503: apa yang harus dilakukan saat hy3 gagal

Kode 503 berarti layanan sementara tidak tersedia, biasanya karena pemeliharaan atau kelebihan beban. Berbeda dari 429, ini bukan kuota Anda melainkan masalah kapasitas di sisi server.

503 Service Unavailable berarti layanan tidak dapat menangani permintaan saat ini, biasanya karena kelebihan beban atau pemeliharaan. Perbedaan dengan 429 penting: 429 berarti kuota Anda habis, 503 berarti kapasitas server kurang. Perbesar interval backoff, jangan ganti key.

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: Model hulu kelebihan beban. Tindakan pertama yang disarankan: Coba lagi nanti dengan jeda lebih panjang.

Penyebab umum

  • Model hulu kelebihan beban
  • Layanan sedang pemeliharaan atau peluncuran bertahap
  • Node di wilayah Anda tidak tersedia
  • Lonjakan lalu lintas mendadak

Cara mengatasi

  • Coba lagi nanti dengan jeda lebih panjang
  • Beralih ke model setara yang lebih ringan
  • Hindari tugas batch pada jam sibuk
  • Pantau pengumuman kami

Contoh percobaan ulang dengan exponential backoff

Kode di bawah mencoba ulang ketika hy3 mengembalikan 503, 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

Apakah 503 di hy3 bergantung pada region atau node?

Simpan request ID dan isi respons mentahnya, kalau tidak tidak ada yang bisa dilacak. Jika hanya terjadi di produksi, biasanya itu perbedaan lingkungan, bukan modelnya. Model ini dilayani oleh Tencent, sehingga status upstream mengikuti pengumuman penyedia. Reproduksi dulu di lingkungan pengujian dengan request body yang sama.

Apakah 503 bisa menyebabkan kehilangan data?

Error ini tidak terkait kemampuan model, melainkan level gateway. Biasanya bersifat sementara dan pulih sendiri. Tag kapabilitas model ini adalah Reasoning, Tools, Open Weights. Jika berlangsung beberapa menit, hubungi dukungan platform untuk memastikan status upstream. Tentukan dulu apakah ini level akun atau level model; penanganannya benar-benar berbeda.

Apakah beralih ke model sejenis dari vendor lain mengatasi 503?

Siapkan juga satu model cadangan. 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 pemrosesan async atau batch bisa menghindari 503?

Variabel sebenarnya di sini adalah konkurensi dan timeout, bukan modelnya. Turunkan konkurensi terlebih dahulu — sebagian besar masalah throughput akan hilang. Konteks 256K berarti input panjang menambah latensi token pertama secara nyata. 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 12:10

Dukungan teknisDukungan langsung
Kembali ke atas