Errore 401: cosa fare quando glm-5 fallisce

Un 401 significa che l'autenticazione è fallita: la richiesta non porta alcuna API Key, oppure la chiave non è valida, è stata eliminata o è scaduta.

401 Unauthorized significa che la richiesta non ha credenziali valide. Il gateway non ha potuto identificare il chiamante, quindi la richiesta non raggiunge mai il modello upstream. Controllare l’header Authorization e lo stato della key è l’unica strada.

glm-5 è fornito da Z.AI. Tutto in questa pagina — cause, soluzioni e dati misurati — è ricavato dal comportamento reale di questo modello al livello del gateway.

Su questo gateway, la causa più comune è: Manca l'intestazione Authorization. La prima azione consigliata è: Invia l'intestazione come Authorization: Bearer seguita dalla tua chiave.

Cause comuni

  • Manca l'intestazione Authorization
  • La chiave è scritta male o contiene spazi superflui
  • La chiave è stata eliminata o disattivata nella pagina Token
  • È stata usata per errore una chiave di un'altra piattaforma

Come risolvere

  • Invia l'intestazione come Authorization: Bearer seguita dalla tua chiave
  • Genera una nuova chiave nella pagina Token
  • Verifica di non usare la chiave di un altro servizio
  • Controlla la chiave con una richiesta curl minima

Retry con backoff esponenziale

Il codice qui sotto ritenta quando glm-5 restituisce 401: fino a 5 tentativi, con attesa crescente e jitter casuale per evitare che le chiamate concorrenti ritentino insieme. Leggi base URL e API key dalle variabili d’ambiente, non inserirle hardcoded.

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 = 'glm-5'


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"}]))

Dati chiave di questo modello

Endpoint APIhttps://api.airai.cc/v1
Compatibile con OpenAIOpenAI-compatible
FornitoreZ.AI
Contesto204.8K
FunzionalitàReasoning, Tools, Open Weights
Formati APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formula di fatturazionep * 1 + cr * 0.2 + cc * 0 + c * 3.2

Domande frequenti

Quanto deve durare l’intervallo di retry quando glm-5 restituisce 401?

Riprovare è il primo passo più efficace. Con la fatturazione p * 1 + cr * 0.2 + cc * 0 + c * 3.2, le richieste fallite non rientrano nel consumo. Imposta il limite di ritenti a 3–5 e aggiungi del jitter. Usa il backoff esponenziale per gli errori ritentabili e restituisci subito l’errore per gli altri.

Quanta concorrenza è sicura?

Abbassa prima la concorrenza: la maggior parte dei problemi di throughput scompare. Questo modello ha una finestra di contesto di 204.8K ed è di Z.AI. Un contesto di 204.8K significa che input lunghi aumentano la latenza del primo token. Parti da una concorrenza bassa, osserva per qualche minuto, poi aumenta.

Quando glm-5 restituisce 401, quali campi del body guardare?

Raggruppa gli errori per orario e per nodo; lo schema di solito è evidente. Questo modello è servito da Z.AI, quindi lo stato upstream segue gli annunci del fornitore. Registra l’id della richiesta a ogni fallimento: serve più del codice di stato. Riproduci il caso prima in ambiente di test con lo stesso corpo della richiesta.

401 su glm-5 è legato alla dimensione del body?

È un problema di configurazione lato client; lato server non cambia nulla. I tag delle capacità sono Reasoning, Tools, Open Weights e i limiti dei parametri derivano da quel set. La finestra di contesto 204.8K stabilisce l’input massimo per richiesta; oltre viene rifiutato subito. Sugli errori di parametro fallisci subito invece di sprecare ritenti.

Altri errori su questo modello

Altri modelli con lo stesso errore

Torna alla pagina del modello

Dati aggiornati: 2026-10-10 18:30

Supporto tecnicoAssistenza online
Torna in alto