Errore 503: cosa fare quando glm-5 fallisce

Un 503 significa che il servizio è temporaneamente non disponibile, di solito per manutenzione o sovraccarico. A differenza del 429, non riguarda la tua quota: è un problema di capacità lato server.

503 Service Unavailable significa che il servizio non può gestire la richiesta ora, di solito per sovraccarico o manutenzione. La distinzione con 429 conta: 429 significa che la quota è esaurita, 503 che manca capacità server. Aumenta l’intervallo di backoff invece di cambiare key.

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: Il modello a monte è sovraccarico. La prima azione consigliata è: Riprova più tardi con un backoff più lungo.

Cause comuni

  • Il modello a monte è sovraccarico
  • Il servizio è in manutenzione o in rilascio
  • Il nodo della tua regione non è disponibile
  • Un picco improvviso di traffico

Come risolvere

  • Riprova più tardi con un backoff più lungo
  • Passa a un modello equivalente meno carico
  • Evita i job in batch nelle ore di punta
  • Segui i nostri annunci

Retry con backoff esponenziale

Il codice qui sotto ritenta quando glm-5 restituisce 503: 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

Conviene passare a un modello di riserva quando compare 503?

Tieni pronto anche un modello di riserva. Questo modello di Z.AI ha più nodi upstream tra cui il gateway può commutare. Metti il nome del modello in configurazione, così cambiare upstream non richiede modifiche al codice.

Cosa registrare quando 503 si presenta spesso?

Raggruppa gli errori per orario e per nodo; lo schema di solito è evidente. Conserva l’id della richiesta e il corpo grezzo della risposta, altrimenti non si può risalire a nulla. 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.

Le richieste fallite rientrano nella quota di rate limit?

Viene fatturato solo l’output già prodotto, non la parte fallita. Con fatturazione p * 1 + cr * 0.2 + cc * 0 + c * 3.2, il costo degli output lunghi deriva soprattutto dai token di output. Con la fatturazione p * 1 + cr * 0.2 + cc * 0 + c * 3.2, le richieste fallite non rientrano nel consumo. Controlla prima saldo e limiti di velocità nella console, poi il codice. Stimando il costo da p * 1 + cr * 0.2 + cc * 0 + c * 3.2, includi anche il budget per i ritenti.

Passare allo streaming riduce 503?

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. Tronca o riassumi gli input lunghi: riduce notevolmente 503.

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