エラー 429：gemini-flash-latest の呼び出しに失敗したときの対処

429 はレート制限に達したことを意味します。一定時間内のリクエスト数またはトークン数が現在のプランの上限を超えています。

429 Too Many Requests はエラーではなく、レート制限の応答です。リクエスト自体は正しく、現在のプランで許可されたリクエスト速度または同時実行数を超えただけです。レスポンスヘッダーが示す時間だけ待って再試行すれば復旧し、リクエスト本文を変更する必要はありません。

gemini-flash-latest は Google 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「同時リクエストが多すぎる」です。まず取り組むべき対処は「並行数を制限し指数的バックオフで再試行」です。

主な原因

  • 同時リクエストが多すぎる
  • 現在のプランのクォータを消費
  • 待機なしで即座に再試行

対処方法

  • 並行数を制限し指数的バックオフで再試行
  • クォータの大きいプランへ変更
  • 繰り返しリクエストをキャッシュ

指数バックオフによるリトライ例

以下のコードは、gemini-flash-latest が 429 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 = '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"}]))

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Google
コンテキスト1M
対応機能Reasoning, Tools, Files, Vision, Audio
API形式openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
課金計算式p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75

よくある質問

gemini-flash-latest が 429 を返した場合、料金は発生しますか？

すでに生成された分だけが課金され、失敗した分は課金されません。課金は p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 に従い、出力がなければ課金されません。課金方式が p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 の場合、失敗したリクエストは利用量に含まれません。p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 でコストを見積もる際は、再試行の分も予算に含めてください。

結果をキャッシュすると 429 は減りますか？

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 Google です。長い出力ではタイムアウトを 60 秒以上に引き上げてください。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。

gemini-flash-latest の出力が途中で切れるのと 429 は同じ問題ですか？

エラーを時間とノードで集計してから見ると、傾向はたいてい明確です。このモデルは Google が提供しており、upstream の状態は提供元の告知に準じます。失敗のたびにリクエスト ID を記録してください。ステータスコードより有用です。まずテスト環境で同じリクエスト本文を使って一度再現させてください。

gemini-flash-latest が 429 を返すとき、リクエストパラメータを変更すべきですか？

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, Vision, Audio 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。長い入力は先に切り詰めるか要約すると、429 の発生率を大きく下げられます。

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 12:10

テクニカルサポートオンラインサポート
トップへ戻る