Errore 500: cosa fare quando gemini-2.5-flash fallisce

Un 500 significa che il server ha incontrato un errore interno imprevisto durante l'elaborazione. Di solito non è un problema di formato della richiesta, ma un guasto temporaneo lato server o lato modello a monte.

500 Internal Server Error è un errore interno imprevisto del server. La maggior parte dei 500 sono guasti temporanei di un nodo e passano con un retry e backoff esponenziale. Se persiste, probabilmente una combinazione specifica di parametri colpisce un caso limite non gestito.

gemini-2.5-flash 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: Un guasto temporaneo del servizio modello a monte. La prima azione consigliata è: Riprova dopo una breve attesa: la maggior parte dei 500 è temporanea.

Cause comuni

  • Un guasto temporaneo del servizio modello a monte
  • La richiesta è finita su un nodo in riavvio
  • Il corpo della richiesta ha attivato un caso limite non gestito
  • Un picco di carico momentaneo

Come risolvere

  • Riprova dopo una breve attesa: la maggior parte dei 500 è temporanea
  • Prova un altro modello dello stesso fornitore per capire se è specifico
  • Semplifica il corpo (togli i parametri rari) e riprova
  • Se persiste, contattaci indicando l'ora della richiesta

Retry con backoff esponenziale

Il codice qui sotto ritenta quando gemini-2.5-flash restituisce 500: 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'


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
FornitoreGoogle
Contesto1M
FunzionalitàReasoning, Tools, Files, Vision, Audio
Formati APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Formula di fatturazionep * 0.3 + cr * 0.03 + ai * 1 + c * 2.5

Domande frequenti

Le richieste fallite rientrano nella quota di rate limit?

Nessun addebito: conta solo l’output effettivamente generato. Viene fatturato solo l’output già prodotto, non la parte fallita. Con la fatturazione p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, le richieste fallite non rientrano nel consumo. Stimando il costo da p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, includi anche il budget per i ritenti.

500 su gemini-2.5-flash è legato alla quota del mio account?

Sia alzare il limite del piano sia ridurre la frequenza delle chiamate aiuta. La fatturazione segue p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5: senza output nessun addebito. Il prezzo di input è circa $0.30 per milione di token. Controlla prima saldo e limiti di velocità nella console, poi il codice. Stimando il costo da p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, includi anche il budget per i ritenti.

Backoff esponenziale o intervallo fisso?

Di solito non serve cambiare il codice, solo il ritmo delle chiamate. Con la fatturazione p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, le richieste fallite non rientrano nel consumo. Imposta il limite di ritenti a 3–5 e aggiungi del jitter.

Passare a un modello più piccolo riduce 500?

Un fallback a livello di architettura è più affidabile che correggere ogni errore uno per uno. Questo modello di Google ha più nodi upstream tra cui il gateway può commutare. Tieni pronto un modello di riserva più leggero, così il flusso principale non si interrompe.

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