Errore 502: cosa fare quando gpt-5.5 fallisce
Un 502 significa che il gateway ha ricevuto una risposta non valida dal servizio modello a monte: la richiesta ha raggiunto il gateway, ma il salto verso monte è fallito.
502 Bad Gateway significa che il gateway ha ricevuto una risposta non valida dal servizio upstream del modello. La richiesta ha raggiunto il gateway; l’errore è avvenuto nel salto verso l’upstream, di solito per il riavvio di un nodo o una connessione interrotta.
gpt-5.5 è fornito da OpenAI. 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: Il servizio modello a monte è indisponibile o ha risposto in modo malformato. La prima azione consigliata è: Riprova una volta: i 502 sono di solito temporanei.
Cause comuni
- Il servizio modello a monte è indisponibile o ha risposto in modo malformato
- Un nodo a monte si sta riavviando
- La connessione tra gateway e monte è stata interrotta
- Il modello è stato temporaneamente disattivato
Come risolvere
- Riprova una volta: i 502 sono di solito temporanei
- Passa a un modello equivalente di un altro fornitore
- Se solo un modello dà 502, il suo monte è in difficoltà
- Riprova più tardi o contattaci
Retry con backoff esponenziale
Il codice qui sotto ritenta quando gpt-5.5 restituisce 502: 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 = 'gpt-5.5'
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 API | https://api.airai.cc/v1 |
|---|---|
| Compatibile con OpenAI | OpenAI-compatible |
| Fornitore | OpenAI |
|---|---|
| Contesto | 1.1M |
| Funzionalità | Reasoning, Tools, Files, Vision |
| Formati API | openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search |
| Formula di fatturazione | p * 5 + cr * 0.5 + c * 30) : tier("272k_plus", p * 10 + cr * 1 + c * 45 |
Domande frequenti
502 può causare perdita di dati?
Questo errore non dipende dalle capacità del modello, è a livello di gateway. I tag di capacità di questo modello sono Reasoning, Tools, Files, Vision. 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.
Mettere in cache i risultati riduce 502?
Qui le vere variabili sono la concorrenza e i timeout, non il modello. Abbassa prima la concorrenza: la maggior parte dei problemi di throughput scompare. Questo modello ha una finestra di contesto di 1.1M ed è di OpenAI. Un contesto di 1.1M 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.
Cosa registrare quando 502 si presenta spesso?
Raggruppa gli errori per orario e per nodo; lo schema di solito è evidente. Se accade solo in produzione, di solito è una differenza di ambiente, non il modello. Questo modello è servito da OpenAI, 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.
I retry devono aggiungere jitter casuale?
Di solito non serve cambiare il codice, solo il ritmo delle chiamate. Riprovare è il primo passo più efficace. Con la fatturazione p * 5 + cr * 0.5 + c * 30) : tier("272k_plus", p * 10 + cr * 1 + c * 45, 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.
Altri errori su questo modello
- gpt-5.5: errore 429 — cause e soluzioni
- gpt-5.5: errore timeout — cause e soluzioni
- gpt-5.5: errore 500 — cause e soluzioni
- gpt-5.5: errore 503 — cause e soluzioni
- gpt-5.5: errore 504 — cause e soluzioni
- gpt-5.5: errore 401 — cause e soluzioni
- gpt-5.5: errore 403 — cause e soluzioni
- gpt-5.5: errore 400 — cause e soluzioni
Altri modelli con lo stesso errore
- gpt-5
- claude-opus-5
- gemini-2.5-pro
- deepseek-v4-pro
- grok-4.3
- llama-3.3-70b-instruct
- qvq-max
- qwq-32b
- glm-5
- MiniMax-M3
- kimi-k3
- hy3
- doubao-seed-evolving
- mimo-v2.5
- gpt-4o
- claude-opus-4-6
Dati aggiornati: 2026-10-10 18:35