Erro timeout: o que fazer quando gemini-2.5-flash falha

Um timeout significa que o cliente desistiu antes de a resposta chegar. Requisições em streaming para LLMs são as mais afetadas, porque o modelo pensa antes do primeiro token e essa fase não produz nenhum byte.

Timeout não é um código de status HTTP, e sim um limite de espera do cliente. A requisição normalmente chegou ao gateway e foi encaminhada ao upstream, mas o modelo não gerou resultado dentro do tempo que você definiu. Contexto longo, saída longa e chamadas sem streaming são os três gatilhos mais comuns.

gemini-2.5-flash é fornecido por Google. 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: O timeout do cliente está baixo demais. A primeira ação recomendada é: Aumente o timeout do cliente para 300 segundos ou mais.

Causas comuns

  • O timeout do cliente está baixo demais
  • Um prompt ou contexto longo eleva a latência do primeiro token
  • O modelo está processando uma tarefa longa de raciocínio
  • Oscilação de rede

Como resolver

  • Aumente o timeout do cliente para 300 segundos ou mais
  • Ative o streaming para não esperar a resposta inteira
  • Encurte o contexto ou use um modelo mais rápido
  • Reduza max_tokens

Nova tentativa com backoff exponencial

O código abaixo tenta novamente quando gemini-2.5-flash retorna timeout: 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 = 'gemini-2.5-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
FornecedorGoogle
Contexto1M
RecursosReasoning, Tools, Files, Vision, Audio
Formatos de APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Fórmula de cobrançap * 0.3 + cr * 0.03 + ai * 1 + c * 2.5

Perguntas frequentes

timeout é mais provável com chamadas diretas do frontend ou via backend?

Deixe também um modelo reserva preparado. Este modelo da Google 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.

O SDK oficial já tenta de novo: preciso da minha própria lógica?

Normalmente não é preciso mudar o código, apenas o ritmo das chamadas. Com a cobrança p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, requisições falhas não entram no uso. Defina o limite de retentativas em 3–5 e adicione jitter. Use backoff exponencial para erros retentáveis e retorne o erro na hora para os demais.

Saída incompleta de gemini-2.5-flash é a mesma coisa que timeout?

Agrupe os erros por horário e por nó; o padrão costuma ficar óbvio. Este modelo é servido por Google, então o status upstream segue os anúncios do fornecedor. Reproduza primeiro em ambiente de teste com o mesmo corpo de requisição.

timeout em gemini-2.5-flash está relacionado à cota da minha conta?

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 * 0.3 + cr * 0.03 + ai * 1 + c * 2.5: sem saída, sem cobrança. Confira primeiro saldo e limites de taxa no console, depois o código. Ao estimar o custo a partir de p * 0.3 + cr * 0.03 + ai * 1 + c * 2.5, inclua também o orçamento de retentativas.

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