エラー timeout：glm-5.3-flash 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。

glm-5.3-flash は Z.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「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、glm-5.3-flash 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 = 'glm-5.3-flash'


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Z.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 * 0.15 + cr * 0.03 + cc * 0 + c * 0.5

よくある質問

なぜ glm-5.3-flash は特定の時間帯にだけ timeout を返すのですか？

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。リクエスト ID と生のレスポンス本文を残しておかないと、原因を特定できません。このモデルは Z.AI が提供しており、upstream の状態は提供元の告知に準じます。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。

timeout は glm-5.3-flash の課金方法と関係がありますか？

課金はされません。实际に生成された出力のみが使用量に計上されます。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 * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 に従い、出力がなければ課金されません。p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 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。p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5 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 は glm-5.3-flash に送信済みのリクエストに影響しますか？

このエラーはモデルの能力とは無関係で、ゲートウェイ層の問題です。このモデルの能力タグは Reasoning, Tools, Files, Open Weights, Vision です。数分以上継続する場合は、プラットフォームのサポートに連絡して upstream の状態を確認してください。まずアカウント側かモデル側かを見極めてください。両者の対応は全く異なります。

並行リクエストはキューに入れるべきですか、それとも直接制限すべきですか？

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 1M、提供元は Z.AI 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。

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