Errore timeout: cosa fare quando gemini-flash-latest fallisce

Un timeout significa che il client ha rinunciato prima dell'arrivo della risposta. Le richieste LLM in streaming sono le più colpite, perché il modello pensa prima del primo token e quella fase non produce alcun byte.

Un timeout non è un codice di stato HTTP, ma un limite di attesa lato client. La richiesta di solito ha raggiunto il gateway ed è stata inoltrata all’upstream, ma il modello non ha prodotto un risultato entro il tempo impostato. Contesto lungo, output lungo e chiamate senza streaming sono i tre fattori più comuni.

gemini-flash-latest 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: Il timeout del client è impostato troppo basso. La prima azione consigliata è: Porta il timeout del client a 300 secondi o più.

Cause comuni

  • Il timeout del client è impostato troppo basso
  • Un prompt o contesto lungo alza la latenza del primo token
  • Il modello sta svolgendo un lungo compito di ragionamento
  • Jitter di rete

Come risolvere

  • Porta il timeout del client a 300 secondi o più
  • Attiva lo streaming per non attendere l'intera risposta
  • Accorcia il contesto o usa un modello più rapido
  • Riduci max_tokens

Retry con backoff esponenziale

Il codice qui sotto ritenta quando gemini-flash-latest restituisce timeout: 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-flash-latest'


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 * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75

Domande frequenti

Con più nodi upstream, il gateway commuta da solo su timeout?

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.

Cambiare modello permette di evitare timeout su gemini-flash-latest?

Tieni pronto anche un modello di riserva. 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. Metti il nome del modello in configurazione, così cambiare upstream non richiede modifiche al codice.

Come uso l’header Retry-After nella risposta?

Di solito non serve cambiare il codice, solo il ritmo delle chiamate. Con la fatturazione p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75, 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.

Mi verrà addebitato qualcosa quando gemini-flash-latest restituisce timeout?

Viene fatturato solo l’output già prodotto, non la parte fallita. Il prezzo di input è circa $0.75 per milione di token. Con fatturazione p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75, il costo degli output lunghi deriva soprattutto dai token di output. Controlla prima saldo e limiti di velocità nella console, poi il codice.

Altri errori su questo modello

Altri modelli con lo stesso errore

Torna alla pagina del modello

Dati aggiornati: 2026-10-10 15:55

Supporto tecnicoAssistenza online
Torna in alto