Erro 500: o que fazer quando qwen-plus falha

Um 500 significa que o servidor encontrou um erro interno inesperado ao processar a requisição. Normalmente não é problema de formato, mas uma falha transitória no servidor ou no modelo de origem.

500 Internal Server Error é uma falha interna inesperada do servidor. A maioria dos 500 são falhas pontuais de nó e passam com retry e backoff exponencial. Se persistir, provavelmente uma combinação específica de parâmetros está atingindo um caso-limite não tratado.

qwen-plus é fornecido por Alibaba. 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: Falha transitória no serviço de modelo de origem. A primeira ação recomendada é: Tente de novo após uma breve espera: a maioria dos 500 é transitória.

Causas comuns

  • Falha transitória no serviço de modelo de origem
  • A requisição caiu em um nó que está reiniciando
  • O corpo da requisição acionou um caso limite não tratado
  • Um pico momentâneo de carga

Como resolver

  • Tente de novo após uma breve espera: a maioria dos 500 é transitória
  • Teste outro modelo do mesmo fornecedor para ver se é específico
  • Simplifique o corpo (remova parâmetros incomuns) e repita
  • Se persistir, fale conosco informando o horário da requisição

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando qwen-plus retorna 500: 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 = 'qwen-plus'


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
FornecedorAlibaba
Contexto1M
RecursosReasoning, Tools
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 0.4 + c * 4) : tier("standard", p * 0.4 + c * 1.2

Perguntas frequentes

Saída incompleta de qwen-plus é a mesma coisa que 500?

Guarde o id da requisição e o corpo bruto da resposta, senão não há como rastrear. Este modelo é servido por Alibaba, 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.

Backoff exponencial ou intervalo fixo?

Normalmente não é preciso mudar o código, apenas o ritmo das chamadas. Tentar novamente é o primeiro passo mais eficaz. Com a cobrança p * 0.4 + c * 4) : tier("standard", p * 0.4 + c * 1.2, requisições falhas não entram no uso. Defina o limite de retentativas em 3–5 e adicione jitter.

Requisições falhas contam na minha cota de limite de taxa?

Só é cobrada a saída já produzida; a parte falha não. A cobrança segue p * 0.4 + c * 4) : tier("standard", p * 0.4 + c * 1.2: sem saída, sem cobrança. Confira primeiro saldo e limites de taxa no console, depois o código. Ao estimar o custo a partir de p * 0.4 + c * 4) : tier("standard", p * 0.4 + c * 1.2, inclua também o orçamento de retentativas.

Requisições concorrentes devem ir para fila ou ser limitadas direto?

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 Alibaba. Um contexto de 1M significa que entradas longas aumentam a latência do primeiro token. Para saídas longas, aumente o timeout para 60 segundos ou mais. Adicione uma camada de cache para que requisições repetidas não cheguem todas ao modelo.

Outros erros deste modelo

Outros modelos com o mesmo erro

Voltar à página do modelo

Dados atualizados: 2026-10-10 12:10

Suporte técnicoAtendimento online
Voltar ao topo