エラー timeout：gemini-3.1-flash-lite の呼び出しに失敗したときの対処

タイムアウトは、応答が届く前にクライアントが待つのをやめたことを意味します。LLM のストリーミングリクエストで最も起こりやすく、最初のトークンの前にモデルが思考し、その間は 1 バイトも出力されないためです。

timeout は HTTP ステータスコードではなく、クライアント側の待機時間の上限です。リクエストは通常ゲートウェイに到達して upstream へ転送されていますが、モデルが設定时间内に結果を出力しませんでした。長いコンテキスト、長い出力、非ストリーミング呼び出しが最も多い 3 つの要因です。

gemini-3.1-flash-lite 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「クライアントのタイムアウトが短すぎる」です。まず取り組むべき対処は「クライアントのタイムアウトを 300 秒以上に上げる」です。

主な原因

  • クライアントのタイムアウトが短すぎる
  • プロンプトやコンテキストが長く初回トークンの遅延が大きい
  • モデルが長い推論タスクを処理している
  • ネットワークの揺らぎ

対処方法

  • クライアントのタイムアウトを 300 秒以上に上げる
  • ストリーミングを有効にして全体を待たない
  • コンテキストを短くするか、より速いモデルを使う
  • max_tokens を下げる

指数バックオフによるリトライ例

以下のコードは、gemini-3.1-flash-lite が timeout 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-3.1-flash-lite'


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

TPS373.24
平均レイテンシ2186 ミリ秒
成功率100%
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 * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5

よくある質問

再試行時にランダムなジッタを入れるべきですか？

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。実測成功率は 100% です。そのため初回の再試行が最も効果的です。課金方式が p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 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。

timeout は gemini-3.1-flash-lite の課金方法と関係がありますか？

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。課金方式が p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 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。

1 つのキーを複数サービスで共有すると timeout 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。p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 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。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。p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 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。

timeout が出たとき、予備モデルに切り替えるべきですか？

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。Google 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。

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 18:30

テクニカルサポートオンラインサポート
トップへ戻る