Ошибка 400: что делать, если glm-5.1 не отвечает

Код 400 означает, что сам запрос некорректен: пропущено поле, неверный тип или параметр, который эта модель не поддерживает. Повтор не поможет — нужно исправить тело запроса.

400 Bad Request означает, что сервер отказался обрабатывать запрос, потому что некорректно само тело. В отличие от 5xx, повтор не поможет — вы будете получать тот же ответ. Сначала нужно исправить параметры.

glm-5.1 предоставляется компанией Z.AI. Всё на этой странице — причины, решения и измеренные данные — собрано по реальной работе этой модели на уровне шлюза.

В этом шлюзе самая частая причина — Не хватает обязательного поля (model или messages). Рекомендуемое первое действие: Сверьте тело запроса с таблицей параметров на этой странице.

Возможные причины

  • Не хватает обязательного поля (model или messages)
  • Неверный тип параметра
  • Параметр не поддерживается этой моделью
  • Некорректная структура messages или недопустимое значение role

Как исправить

  • Сверьте тело запроса с таблицей параметров на этой странице
  • Уберите неподдерживаемые параметры и повторите
  • Убедитесь, что messages — массив, а role имеет допустимое значение
  • Сначала отправьте минимальный запрос, затем добавляйте параметры по одному

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда glm-5.1 возвращает 400: до 5 попыток, ожидание растёт и добавляется случайный джиттер, чтобы параллельные запросы не повторялись одновременно. Base URL и API key читаются из переменных окружения — не хардкодьте их.

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-5.1'


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"}]))

Ключевые данные этой модели

API-эндпоинтhttps://api.airai.cc/v1
Совместимо с OpenAIOpenAI-compatible
ПроизводительZ.AI
Контекст200K
ВозможностиReasoning, Tools, Open Weights
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 1.4 + cr * 0.26 + cc * 0 + c * 4.4

Частые вопросы

Может ли слишком большой max_tokens вызвать 400?

Нужно менять параметры запроса, один повтор не поможет. Это проблема конфигурации клиента, на сервере менять ничего не нужно. Теги возможностей — Reasoning, Tools, Open Weights, от них зависят пределы параметров. Окно контекста 200K задаёт максимальный ввод за запрос; всё, что больше, отклоняется сразу. Для ошибок параметров сразу возвращайте ошибку, не тратя повторы. Обрезайте или сжимайте длинный ввод — это заметно снижает вероятность 400.

Можно ли обойти 400 на glm-5.1, перейдя на другую модель?

Имейте наготове резервную модель. У этой модели от Z.AI несколько upstream-узлов, между которыми шлюз может переключаться. Держите наготове более лёгкую резервную модель, и основной поток не прервётся. Вынесите имя модели в конфиг, чтобы переключение upstream не требовало правок кода.

Учитываются ли неудачные запросы в квоте лимитов?

Списания не будет: в استخدام идёт только реально сгенерированный вывод. Оплачивается только уже сгенерированный вывод, неудачная часть — нет. Цена ввода — около $1.40 за миллион токенов. При тарифе p * 1.4 + cr * 0.26 + cc * 0 + c * 4.4 стоимость длинного вывода определяется в основном выходными токенами. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде.

Параллельные запросы ставить в очередь или сразу ограничивать?

Сначала снизьте параллелизм — чаще всего проблема с пропускной способностью исчезает. Окно контекста модели — 200K, вендор — Z.AI. Начните с низкого параллелизма, понаблюдайте несколько минут, затем повышайте.

Другие ошибки этой модели

Другие модели с той же ошибкой

Данные обновлены: 2026-10-10 15:45

Техническая поддержкаОнлайн-поддержка
Наверх