Erro 400: o que fazer quando glm-4.5-air falha

Um 400 significa que a própria requisição é inválida: campo ausente, tipo errado ou parâmetro não suportado por este modelo. Tentar de novo não resolve; o corpo da requisição precisa mudar.

400 Bad Request significa que o servidor recusa a requisição porque o corpo é inválido. Ao contrário dos 5xx, um 400 não se resolve tentando novamente: você receberá a mesma resposta sempre. Os parâmetros precisam ser corrigidos primeiro.

glm-4.5-air é fornecido por Z.AI. Tudo nesta página — causas, correções e dados medidos — é compilado a partir do comportamento real deste modelo na camada de gateway.

Neste gateway, o gatilho mais comum é: Falta um campo obrigatório (model ou messages). A primeira ação recomendada é: Compare o corpo com a tabela de parâmetros desta página.

Causas comuns

  • Falta um campo obrigatório (model ou messages)
  • Um parâmetro tem o tipo errado
  • Um parâmetro não é suportado por este modelo
  • messages está malformado ou role tem valor inválido

Como resolver

  • Compare o corpo com a tabela de parâmetros desta página
  • Remova os parâmetros não suportados e tente novamente
  • Confirme que messages é um array com valores de role válidos
  • Comece com uma requisição mínima e adicione parâmetros um a um

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando glm-4.5-air retorna 400: até 5 tentativas, com espera crescente e jitter aleatório para que chamadas concorrentes não repitam ao mesmo tempo. Leia a URL base e a API key de variáveis de ambiente, nunca as deixe fixas no código.

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-4.5-air'


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"}]))

Dados-chave deste modelo

Endpoint da APIhttps://api.airai.cc/v1
Compatível com OpenAIOpenAI-compatible
FornecedorZ.AI
Contexto131.1K
RecursosReasoning, Tools, Open Weights
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 0.2 + cr * 0.03 + cc * 0 + c * 1.1

Perguntas frequentes

Quando glm-4.5-air retorna 400, quais campos do corpo devo observar?

Agrupe os erros por horário e por nó; o padrão costuma ficar óbvio. Guarde o id da requisição e o corpo bruto da resposta, senão não há como rastrear. Este modelo é servido por Z.AI, então o status upstream segue os anúncios do fornecedor. Registre o id da requisição em cada falha — ajuda mais que o código de status. Reproduza primeiro em ambiente de teste com o mesmo corpo de requisição.

400 em glm-4.5-air está relacionado à cota da minha conta?

Tanto elevar o limite do plano quanto reduzir a frequência de chamadas ajuda. O preço de entrada fica em torno de $0.20 por milhão de tokens. Com cobrança p * 0.2 + cr * 0.03 + cc * 0 + c * 1.1, o custo de saídas longas vem principalmente dos tokens de saída. Confira primeiro saldo e limites de taxa no console, depois o código. Ao estimar o custo a partir de p * 0.2 + cr * 0.03 + cc * 0 + c * 1.1, inclua também o orçamento de retentativas.

Como agendar jobs em lote quando glm-4.5-air retorna 400?

Aqui as variáveis reais são concorrência e timeouts, não o modelo. Reduza primeiro a concorrência — a maior parte dos problemas de throughput desaparece. Um contexto de 131.1K significa que entradas longas aumentam a latência do primeiro token. Suavize os picos com lotes ou uma fila — mais estável que aumentar a concorrência em tempo real.

Quando glm-4.5-air retorna 400, é mais provável o gateway ou o upstream?

Esse erro não depende da capacidade do modelo, é em nível de gateway. Geralmente é algo momentâneo e se recupera sozinho. As tags de capacidade deste modelo são Reasoning, Tools, Open Weights. Decida primeiro se é nível de conta ou de modelo; os dois exigem tratamento bem diferente.

Outros erros deste modelo

Outros modelos com o mesmo erro

Voltar à página do modelo

Dados atualizados: 2026-10-10 15:45

Suporte técnicoAtendimento online
Voltar ao topo