Erro 403: o que fazer quando gemini-2.5-flash-lite falha

Um 403 significa que você está autenticado, mas sem permissão: a chave é válida, porém não pode chamar este modelo ou este grupo.

403 Forbidden significa que a identidade foi reconhecida, mas o acesso é negado. A diferença para 401: 401 pergunta quem é você, 403 diz que você não tem permissão. Normalmente é preciso adicionar o modelo à lista permitida ou ao grupo vinculado à sua key.

gemini-2.5-flash-lite é fornecido por Google. 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: Esta chave não está autorizada para este modelo. A primeira ação recomendada é: Adicione este modelo à lista permitida da chave na página Tokens.

Causas comuns

  • Esta chave não está autorizada para este modelo
  • O modelo não está no grupo ao qual a chave está vinculada
  • A chave tem uma lista de IPs permitidos que exclui seu IP atual
  • O modelo foi retirado ou exige permissões maiores

Como resolver

  • Adicione este modelo à lista permitida da chave na página Tokens
  • Confirme que o grupo da chave inclui este modelo
  • Revise as configurações da lista de IPs
  • Mude para um modelo que você pode chamar

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando gemini-2.5-flash-lite retorna 403: 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 = 'gemini-2.5-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"}]))

Dados-chave deste modelo

TPS380.8
Latência média1486 ms
Taxa de sucesso100%
Endpoint da APIhttps://api.airai.cc/v1
Compatível com OpenAIOpenAI-compatible
FornecedorGoogle
Contexto1M
RecursosReasoning, Tools, Files, Vision, Audio
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4

Perguntas frequentes

Por quanto tempo 403 em gemini-2.5-flash-lite deve persistir antes de falar com o suporte?

Guarde o id da requisição e o corpo bruto da resposta, senão não há como rastrear. A taxa de sucesso 100% é uma média por nó, então um nó fraco derruba o número geral. Este modelo é servido por Google, 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.

403 está relacionado à cobrança de gemini-2.5-flash-lite?

Não há cobrança: só conta para o consumo a saída efetivamente gerada. Só é cobrada a saída já produzida; a parte falha não. A cobrança segue p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4: sem saída, sem cobrança. Com a cobrança p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, requisições falhas não entram no uso. Confira primeiro saldo e limites de taxa no console, depois o código. Ao estimar o custo a partir de p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, inclua também o orçamento de retentativas.

Trocar de modelo evita 403 em gemini-2.5-flash-lite?

Deixe também um modelo reserva preparado. Este modelo da Google tem vários nós upstream entre os quais o gateway pode alternar. Coloque o nome do modelo na configuração, assim trocar de upstream não exige mudança de código.

Quanto deve durar o timeout?

Aqui as variáveis reais são concorrência e timeouts, não o modelo. Reduza primeiro a concorrência — a maior parte dos problemas de throughput desaparece. Este modelo tem janela de contexto de 1M e é da Google. Um contexto de 1M significa que entradas longas aumentam a latência do primeiro token. Comece com concorrência baixa, observe por alguns minutos e depois aumente. Suavize os picos com lotes ou uma fila — mais estável que aumentar a concorrência em tempo real.

Outros erros deste modelo

Outros modelos com o mesmo erro

Voltar à página do modelo

Dados atualizados: 2026-10-10 15:40

Suporte técnicoAtendimento online
Voltar ao topo