Erro 429: o que fazer quando kimi-k2.5 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.

kimi-k2.5 é fornecido por Moonshot 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: 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 kimi-k2.5 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 = 'kimi-k2.5'


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
FornecedorMoonshot AI
Contexto262.1K
RecursosReasoning, Tools, Open Weights, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Desconto de cache0.556×

Perguntas frequentes

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, Open Weights, Vision e os limites de parâmetros vêm desse conjunto. A janela de contexto 262.1K define a entrada máxima por requisição; o que passar é rejeitado na hora. Falhe rápido em erros de parâmetro em vez de gastar retentativas com eles. Trunque ou resuma entradas longas — reduz 429 de forma perceptível.

Por que kimi-k2.5 retorna 429 apenas em certos horários?

Agrupe os erros por horário e por nó; o padrão costuma ficar óbvio. Este modelo é servido por Moonshot 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.

Trocar por um modelo menor reduz 429?

Deixe também um modelo reserva preparado. Um fallback na arquitetura é mais confiável do que remendar cada erro separadamente. Este modelo da Moonshot AI tem vários nós upstream entre os quais o gateway pode alternar. Deixe um modelo reserva mais leve pronto, assim o fluxo principal não para. Coloque o nome do modelo na configuração, assim trocar de upstream não exige mudança de código.

Compartilhar uma key entre vários serviços torna 429 mais provável?

É sobretudo questão de cota, não uma falha do modelo. Tanto elevar o limite do plano quanto reduzir a frequência de chamadas ajuda. O preço de entrada fica em torno de $0.41 por milhão de tokens. Confira primeiro saldo e limites de taxa no console, depois o código.

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