Error timeout: apa yang harus dilakukan saat gemini-3.1-pro-preview gagal

Timeout berarti klien menyerah sebelum respons datang. Permintaan streaming ke LLM paling sering mengalaminya, karena model berpikir sebelum token pertama dan fase berpikir itu tidak menghasilkan satu byte pun.

Timeout bukan kode status HTTP, melainkan batas tunggu di sisi klien. Permintaan biasanya sudah sampai gateway dan diteruskan ke upstream, tetapi model tidak menghasilkan jawaban dalam waktu yang Anda tentukan. Konteks panjang, output panjang, dan pemanggilan tanpa streaming adalah tiga pemicu paling umum.

gemini-3.1-pro-preview 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: Timeout di sisi klien terlalu kecil. Tindakan pertama yang disarankan: Naikkan timeout klien ke 300 detik atau lebih.

Penyebab umum

  • Timeout di sisi klien terlalu kecil
  • Prompt atau konteks panjang menaikkan latensi token pertama
  • Model sedang mengerjakan tugas penalaran panjang
  • Jaringan tidak stabil

Cara mengatasi

  • Naikkan timeout klien ke 300 detik atau lebih
  • Aktifkan streaming agar tidak menunggu seluruh jawaban
  • Perpendek konteks atau gunakan model yang lebih cepat
  • Turunkan max_tokens

Contoh percobaan ulang dengan exponential backoff

Kode di bawah mencoba ulang ketika gemini-3.1-pro-preview mengembalikan timeout, 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-3.1-pro-preview'


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
VendorGoogle
Konteks1M
KemampuanReasoning, Tools, Files, Vision, Audio
Format APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Rumus penagihanp * 2 + cr * 0.2 + c * 12) : tier("200k_plus", p * 4 + cr * 0.4 + c * 18

FAQ

Apakah pemrosesan async atau batch bisa menghindari timeout?

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. Untuk keluaran panjang, naikkan timeout ke 60 detik atau lebih. Ratakan lonjakan dengan batch atau antrean — lebih stabil daripada menaikkan konkurensi mendadak.

Apakah ganti model bisa menghindari timeout di gemini-3.1-pro-preview?

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

Apakah timeout di gemini-3.1-pro-preview terkait ukuran body permintaan?

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. Untuk error parameter, gagalkan langsung daripada menghabiskan percobaan ulang. Potong atau ringkas input yang panjang — ini menurunkan timeout secara nyata.

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 * 2 + cr * 0.2 + c * 12) : tier("200k_plus", p * 4 + cr * 0.4 + c * 18, permintaan yang gagal tidak dihitung dalam penggunaan. Tetapkan batas percobaan ulang ke 3–5 kali dan tambahkan jitter.

Error lain pada model ini

Model lain dengan error yang sama

Kembali ke halaman model

Data diperbarui: 2026-10-11 13:20

Dukungan teknisDukungan langsung
Kembali ke atas