Erro 429: o que fazer quando grok-4.7 falha

Um 429 significa que um limite de taxa foi atingido: o número de requisições ou tokens em uma janela de tempo excedeu a cota do seu plano.

429 Too Many Requests é uma resposta de limitação de taxa, não um erro. A requisição é válida, mas excedeu a taxa ou a concorrência permitidas pelo seu plano. Basta tentar novamente respeitando a janela indicada nos headers; o corpo não precisa mudar.

grok-4.7 é fornecido por xAI. 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: Muitas requisições simultâneas. A primeira ação recomendada é: Limitar a concorrência e tentar novamente com espera exponencial.

Causas comuns

  • Muitas requisições simultâneas
  • Cota do plano atual esgotada
  • Nova tentativa sem espera

Como resolver

  • Limitar a concorrência e tentar novamente com espera exponencial
  • Mudar para um plano com mais cota
  • Armazenar em cache requisições repetidas

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando grok-4.7 retorna 429: 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 = 'grok-4.7'


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
FornecedorxAI
Contexto500K
RecursosReasoning, Tools, Files, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 2 + cr * 0.5 + c * 6) : tier("200k_plus", p * 4 + cr * 1 + c * 12

Perguntas frequentes

Preciso subir de plano para resolver 429 em grok-4.7?

É sobretudo questão de cota, não uma falha do modelo. Tanto elevar o limite do plano quanto reduzir a frequência de chamadas ajuda. A cobrança segue p * 2 + cr * 0.5 + c * 6) : tier("200k_plus", p * 4 + cr * 1 + c * 12: sem saída, sem cobrança. Com a cobrança p * 2 + cr * 0.5 + c * 6) : tier("200k_plus", p * 4 + cr * 1 + c * 12, 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 * 2 + cr * 0.5 + c * 6) : tier("200k_plus", p * 4 + cr * 1 + c * 12, inclua também o orçamento de retentativas.

Que informações devo fornecer ao suporte ao relatar um problema?

Agrupe os erros por horário e por nó; o padrão costuma ficar óbvio. Este modelo é servido por xAI, então o status upstream segue os anúncios do fornecedor. Registre o id da requisição em cada falha — ajuda mais que o código de status.

Mudar para streaming reduz 429?

Os parâmetros precisam mudar; só tentar de novo não ajudará. É um problema de configuração do cliente; nada muda no servidor. As tags de capacidade são Reasoning, Tools, Files, Vision e os limites de parâmetros vêm desse conjunto. A janela de contexto 500K define a entrada máxima por requisição; o que passar é rejeitado na hora. Trunque ou resuma entradas longas — reduz 429 de forma perceptível.

O processamento assíncrono ou em lote evita 429?

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 500K 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: 2026-10-11 22:40

Suporte técnicoAtendimento online
Voltar ao topo