エラー 504：llama-3.3-70b-instruct の呼び出しに失敗したときの対処

504 は、ゲートウェイが上流モデルの応答を待ち切れずタイムアウトしたことを意味します。リクエストは送信されましたが、上流がゲートウェイの制限時間内に応答しませんでした。

504 Gateway Timeout は、ゲートウェイが upstream の応答を待つのを打ち切ったことを意味します。リクエストは転送されましたが、ゲートウェイの制限时间内に結果が返りませんでした。出力を短くする、ストリーミングにする、max_tokens を下げることで解消する場合がほとんどです。

llama-3.3-70b-instruct は Meta 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「上流の応答がゲートウェイのタイムアウトを超えた」です。まず取り組むべき対処は「ストリーミング出力に切り替える」です。

主な原因

  • 上流の応答がゲートウェイのタイムアウトを超えた
  • 長いコンテキストで推論時間が伸びた
  • 上流ノードが固まっている
  • ストリーミングなしで出力が非常に長い

対処方法

  • ストリーミング出力に切り替える
  • コンテキストを短くし max_tokens を下げる
  • 少し待って再試行する
  • 推論がより速いモデルを使う

指数バックオフによるリトライ例

以下のコードは、llama-3.3-70b-instruct が 504 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 = 'llama-3.3-70b-instruct'


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Meta
コンテキスト128K
対応機能Tools, Files, Open Weights
API形式openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
課金計算式p * 0 + c * 0

よくある質問

llama-3.3-70b-instruct の 504 がどのくらい続いたらサポートに連絡すべきですか？

本番だけで起きるなら、たいていはモデルではなく環境の違いです。このモデルは Meta 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。

レスポンスの Retry-After ヘッダーはどう使えばよいですか？

通常ビジネスロジックを変更する必要はなく、呼び出し間隔の調整で十分です。再試行が最も効果的な最初の一歩です。課金方式が p * 0 + c * 0 の場合、失敗したリクエストは利用量に含まれません。再試行の上限は 3〜5 回に設定し、ジッターを加えてください。再試行可能なエラーには指数バックオフを使い、それ以外は即座にエラーを返してください。

llama-3.3-70b-instruct の 504 はリクエスト本文のサイズと関係がありますか？

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 Tools, Files, Open Weights で、パラメータの上限はその能力セットに従います。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。長い入力は先に切り詰めるか要約すると、504 の発生率を大きく下げられます。

バッチ処理で llama-3.3-70b-instruct が 504 を返す場合、どうスケジュールすべきですか？

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 128K、提供元は Meta です。コンテキスト 128K 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。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。ピークはバッチ処理やキューでならす方が、その場で並列数を上げるより安定します。

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 18:35

テクニカルサポートオンラインサポート
トップへ戻る