Errore 401: cosa fare quando llama-3.3-70b-instruct 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.

llama-3.3-70b-instruct è fornito da Meta. 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 llama-3.3-70b-instruct 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 = 'llama-3.3-70b-instruct'


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
FornitoreMeta
Contesto128K
FunzionalitàTools, Files, Open Weights
Formati APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formula di fatturazionep * 0 + c * 0

Domande frequenti

Devo cambiare i parametri quando llama-3.3-70b-instruct restituisce 401?

I parametri vanno cambiati; riprovare da solo non aiuterà. È un problema di configurazione lato client; lato server non cambia nulla. I tag delle capacità sono Tools, Files, Open Weights e i limiti dei parametri derivano da quel set. La finestra di contesto 128K stabilisce l’input massimo per richiesta; oltre viene rifiutato subito. Sugli errori di parametro fallisci subito invece di sprecare ritenti. Tronca o riassumi gli input lunghi: riduce notevolmente 401.

Quali informazioni dare al supporto quando segnalo un problema?

Conserva l’id della richiesta e il corpo grezzo della risposta, altrimenti non si può risalire a nulla. Questo modello è servito da Meta, 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.

Mettere in cache i risultati riduce 401?

Qui le vere variabili sono la concorrenza e i timeout, non il modello. Un contesto di 128K significa che input lunghi aumentano la latenza del primo token. Parti da una concorrenza bassa, osserva per qualche minuto, poi aumenta. Aggiungi un livello di cache, così le richieste ripetute non arrivano tutte al modello.

Mi verrà addebitato qualcosa quando llama-3.3-70b-instruct restituisce 401?

Nessun addebito: conta solo l’output effettivamente generato. Viene fatturato solo l’output già prodotto, non la parte fallita. La fatturazione segue p * 0 + c * 0: senza output nessun addebito. Con la fatturazione p * 0 + c * 0, le richieste fallite non rientrano nel consumo. Controlla prima saldo e limiti di velocità nella console, poi il codice. Stimando il costo da p * 0 + c * 0, includi anche il budget per i ritenti.

Altri errori su questo modello

Altri modelli con lo stesso errore

Torna alla pagina del modello

Dati aggiornati: 2026-10-10 15:40

Supporto tecnicoAssistenza online
Torna in alto