エラー 403：kimi-k3 の呼び出しに失敗したときの対処

403 は認証は成功しているが権限がないことを意味します。キー自体は有効ですが、このモデルまたはこのグループを呼び出すことが許可されていません。

403 Forbidden は、身份は認識されたもののアクセス権がないことを意味します。401 との違いは、401 が「あなたは誰か」、403 が「権限がない」です。通常は、モデルをキーに紐づく許可リストまたはグループに追加する必要があります。

kimi-k3 は Moonshot AI が提供しており、このページの誘因分析・対処法・実測データはすべてゲートウェイ層におけるこのモデルの実際の稼働実績に基づいています。

このゲートウェイで最も多い诱因は「このキーにこのモデルの権限がない」です。まず取り組むべき対処は「「トークン」ページでこのモデルをキーの許可リストに追加する」です。

主な原因

  • このキーにこのモデルの権限がない
  • モデルがキーの紐づくグループに含まれていない
  • キーに IP 許可リストが設定され、現在の IP が含まれていない
  • モデルが提供終了、またはより高い権限が必要

対処方法

  • 「トークン」ページでこのモデルをキーの許可リストに追加する
  • キーのグループにこのモデルが含まれるか確認する
  • IP 許可リストの設定を確認する
  • 権限のあるモデルに切り替える

指数バックオフによるリトライ例

以下のコードは、kimi-k3 が 403 を返したときに最大 5 回まで再試行します。待機時間は指数的に増加し、ランダムなジッタを加えることで同時再試行を防ぎます。base URL と API キーは環境変数から読み取り、コードに直接書かないでください。

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 = 'kimi-k3'


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"}]))

このモデルの主要データ

API エンドポイントhttps://api.airai.cc/v1
OpenAI 互換OpenAI-compatible
提供元Moonshot AI
コンテキスト1M
対応機能Reasoning, Tools, Files, Open Weights, Vision
API形式openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
課金計算式p * 3 + cr * 0.3 + c * 15

よくある質問

フロントエンド直呼び出しとバックエンド経由、どちらが 403 を起こしやすいですか？

あわせて予備のモデルも用意しておくことをおすすめします。アーキテクチャ側にフォールバックを用意する方が、エラーを一つずつ直すより確実です。Moonshot AI のこのモデルには、ゲートウェイが切り替えられる upstream ノードが複数あります。より軽い予備モデルを用意しておけば、主処理は止まりません。モデル名は設定項目にしておくと、upstream を切り替えてもコード変更が不要です。

1 つのキーを複数サービスで共有すると 403 は発生しやすくなりますか？

主に枠（クォータ）の問題であり、モデル自体の故障ではありません。プラン上限を上げるか、呼び出し頻度を下げるかのどちらでも緩和できます。p * 3 + cr * 0.3 + c * 15 の課金では、長い出力のコストは主に出力トークンから生じます。課金方式が p * 3 + cr * 0.3 + c * 15 の場合、失敗したリクエストは利用量に含まれません。先にコンソールで残高とレート制限を確認し、その後コードを見てください。

ストリーミングに変更すると 403 は減りますか？

クライアント側の設定問題であり、サーバー側の変更は不要です。このモデルの能力タグは Reasoning, Tools, Files, Open Weights, Vision で、パラメータの上限はその能力セットに従います。コンテキスト 1M が 1 リクエストあたりの最大入力を決め、超えた分はそのまま拒否されます。パラメータ起因のエラーはすぐ失敗させ、再試行を無駄にしないでください。

同時実行数はどの程度が安全ですか？

ここで本当の変数は並列数とタイムアウトであり、モデル自体ではありません。まず並列数を下げてください。スループットの問題の多くはそれで解消します。このモデルのコンテキストウィンドウは 1M、提供元は Moonshot AI です。コンテキスト 1M では、長い入力が初回トークンまでの遅延を大きくします。並列数は低い値から始め、数分観察してから段階的に増やしてください。キャッシュ層を挟むと、同じリクエストが毎回モデルに届かずに済みます。

このモデルの他のエラー

同じエラーが出る他のモデル

モデルページに戻る

データ更新: 2026-10-10 08:15

テクニカルサポートオンラインサポート
トップへ戻る