エラー timeout：llama-3.3-70b-instruct 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。

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「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、llama-3.3-70b-instruct 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 = '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

非同期やバッチ処理にすれば timeout を回避できますか？

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。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。

timeout は llama-3.3-70b-instruct 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 + 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。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 + c * 0 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。

llama-3.3-70b-instruct の timeout はアカウントの枠と関係がありますか？

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。課金は p * 0 + c * 0 に従い、出力がなければ課金されません。p * 0 + c * 0 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 は自然に回復しますか、それとも人手の対応が必要ですか？

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 Tools, Files, Open Weights 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。

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