Erro 504: o que fazer quando glm-5.3-flash falha

Um 504 significa que o gateway esgotou o tempo de espera pelo modelo de origem: a requisição foi enviada, mas a origem não respondeu dentro do tempo limite do gateway.

504 Gateway Timeout significa que o gateway desistiu de esperar a resposta do upstream. A requisição foi encaminhada, mas nenhum resultado voltou dentro do limite. Encurtar a saída, ativar streaming ou reduzir max_tokens costuma resolver.

glm-5.3-flash 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: A origem demorou mais do que o tempo limite do gateway permite. A primeira ação recomendada é: Mude para saída em streaming.

Causas comuns

  • A origem demorou mais do que o tempo limite do gateway permite
  • Um contexto longo aumentou o tempo de inferência
  • Um nó de origem travou
  • Uma requisição sem streaming com saída muito longa

Como resolver

  • Mude para saída em streaming
  • Encurte o contexto e reduza max_tokens
  • Tente de novo após uma breve espera
  • Use um modelo com inferência mais rápida

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando glm-5.3-flash retorna 504: 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-5.3-flash'


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
Contexto1M
RecursosReasoning, Tools, Files, Open Weights, Vision
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 0.15 + cr * 0.03 + cc * 0 + c * 0.5

Perguntas frequentes

Serei cobrado quando glm-5.3-flash retornar 504?

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 * 0.15 + cr * 0.03 + cc * 0 + c * 0.5: sem saída, sem cobrança. Com cobrança p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, 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 * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, inclua também o orçamento de retentativas.

Backoff exponencial ou intervalo fixo?

Tentar novamente é o primeiro passo mais eficaz. Com a cobrança p * 0.15 + cr * 0.03 + cc * 0 + c * 0.5, requisições falhas não entram no uso. Use backoff exponencial para erros retentáveis e retorne o erro na hora para os demais.

Em staging funciona mas produção retorna 504: o que muda?

Se só acontece em produção, geralmente é diferença de ambiente, não do modelo. 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.

Um contexto longo torna 504 mais provável?

Os parâmetros precisam mudar; só tentar de novo não ajudará. As tags de capacidade são Reasoning, Tools, Files, Open Weights, Vision e os limites de parâmetros vêm desse conjunto. A janela de contexto 1M 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 504 de forma perceptível.

Outros erros deste modelo

Outros modelos com o mesmo erro

Voltar à página do modelo

Dados atualizados: 2026-10-11 13:20

Suporte técnicoAtendimento online
Voltar ao topo