Erro 504: o que fazer quando kimi-k2.5 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.

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: 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 kimi-k2.5 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 = '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

504 em kimi-k2.5 está relacionado ao tamanho do corpo?

Os parâmetros precisam mudar; só tentar de novo não ajudará. É um problema de configuração do cliente; nada muda no servidor. 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 504 de forma perceptível.

504 pode ser causado por um proxy ou outro salto de rede?

Se só acontece em produção, geralmente é diferença de ambiente, não do modelo. Este modelo é servido por Moonshot AI, então o status upstream segue os anúncios do fornecedor. Reproduza primeiro em ambiente de teste com o mesmo corpo de requisição.

Devo cair para um modelo reserva quando 504 aparece?

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. Coloque o nome do modelo na configuração, assim trocar de upstream não exige mudança de código.

Quanta concorrência é segura?

Reduza primeiro a concorrência — a maior parte dos problemas de throughput desaparece. Um contexto de 262.1K 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