Errore 429: cosa fare quando gemini-2.5-flash-lite fallisce

Un 429 significa che è scattato un limite di frequenza: il numero di richieste o token in una finestra temporale ha superato la quota del tuo piano.

429 Too Many Requests è una risposta di rate limiting, non un errore. La richiesta è valida, ma supera la frequenza o la concorrenza consentite dal tuo piano. Basta ritentare rispettando la finestra indicata negli header; il body non va modificato.

gemini-2.5-flash-lite è fornito da Google. 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: Troppe richieste simultanee. La prima azione consigliata è: Limitare la concorrenza e ritentare con backoff esponenziale.

Cause comuni

  • Troppe richieste simultanee
  • Quota del piano attuale esaurita
  • Nuovo tentativo senza attesa

Come risolvere

  • Limitare la concorrenza e ritentare con backoff esponenziale
  • Passare a un piano con quota maggiore
  • Mettere in cache le richieste ripetute

Retry con backoff esponenziale

Il codice qui sotto ritenta quando gemini-2.5-flash-lite restituisce 429: 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 = 'gemini-2.5-flash-lite'


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

TPS380.8
Latenza media1486 ms
Tasso di successo100%
Endpoint APIhttps://api.airai.cc/v1
Compatibile con OpenAIOpenAI-compatible
FornitoreGoogle
Contesto1M
FunzionalitàReasoning, Tools, Files, Vision, Audio
Formati APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formula di fatturazionep * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4

Domande frequenti

Quali informazioni dare al supporto quando segnalo un problema?

Se accade solo in produzione, di solito è una differenza di ambiente, non il modello. Il tasso di successo 100% è una media per nodo, quindi un nodo debole trascina il dato complessivo. Riproduci il caso prima in ambiente di test con lo stesso corpo della richiesta.

429 continua su gemini-2.5-flash-lite: problema del modello o del mio account?

Questo errore non dipende dalle capacità del modello, è a livello di gateway. Di solito è momentaneo e si risolve da sé. I tag di capacità di questo modello sono Reasoning, Tools, Files, Vision, Audio. Se l’errore continua per diversi minuti, contatta il supporto della piattaforma per confermare lo stato upstream. Stabilisci prima se è a livello di account o di modello: i due casi si gestiscono in modo completamente diverso.

Condividere una key tra più servizi rende 429 più probabile?

Sia alzare il limite del piano sia ridurre la frequenza delle chiamate aiuta. La fatturazione segue p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4: senza output nessun addebito. Stimando il costo da p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, includi anche il budget per i ritenti.

Mettere in cache i risultati riduce 429?

Abbassa prima la concorrenza: la maggior parte dei problemi di throughput scompare. Questo modello ha una finestra di contesto di 1M ed è di Google. Un contesto di 1M significa che input lunghi aumentano la latenza del primo token. Per output lunghi, porta il timeout a 60 secondi o più.

Altri errori su questo modello

Altri modelli con lo stesso errore

Torna alla pagina del modello

Dati aggiornati: 2026-10-10 12:10

Supporto tecnicoAssistenza online
Torna in alto