Ошибка 401: что делать, если qwq-32b не отвечает

Код 401 означает, что аутентификация не прошла: в запросе нет API Key, либо ключ недействителен, удалён или истёк.

401 Unauthorized означает отсутствие действительных учётных данных. Шлюз не смог опознать вызывающую сторону, поэтому запрос не доходит до upstream-модели. Проверка заголовка Authorization и состояния ключа — единственный путь.

qwq-32b предоставляется компанией 阿里巴巴. Всё на этой странице — причины, решения и измеренные данные — собрано по реальной работе этой модели на уровне шлюза.

В этом шлюзе самая частая причина — В запросе нет заголовка Authorization. Рекомендуемое первое действие: Передайте заголовок в виде Authorization: Bearer и ваш ключ.

Возможные причины

  • В запросе нет заголовка Authorization
  • Ключ написан с ошибкой или содержит лишние пробелы
  • Ключ удалён или отключён на странице «Токены»
  • По ошибке использован ключ другой платформы

Как исправить

  • Передайте заголовок в виде Authorization: Bearer и ваш ключ
  • Создайте новый ключ на странице «Токены»
  • Проверьте, что не используется ключ другого сервиса
  • Проверьте ключ минимальным запросом curl

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда qwq-32b возвращает 401: 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 = 'qwq-32b'


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
Производитель阿里巴巴
Контекст131.1K
ВозможностиReasoning, Tools, Open Weights
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 0.287 + c * 0.861

Частые вопросы

Нужно ли повышать тариф, чтобы устранить 401 на qwq-32b?

Вопрос главным образом в квоте, а не в неисправности модели. Помогает и повышение лимита тарифа, и снижение темпа вызовов. Цена ввода — около $0.29 за миллион токенов. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде. Оценивая стоимость по p * 0.287 + c * 0.861, учитывайте и бюджет на повторы.

Что чаще даёт 401: прямые вызовы с фронтенда или проксирование через бэкенд?

Имейте наготове резервную модель. У этой модели от 阿里巴巴 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.

Параллельные запросы ставить в очередь или сразу ограничивать?

Здесь важны параллелизм и таймауты, а не сама модель. Сначала снизьте параллелизм — чаще всего проблема с пропускной способностью исчезает. Окно контекста модели — 131.1K, вендор — 阿里巴巴. Контекст 131.1K означает, что длинный ввод заметно увеличивает задержку первого токена. Начните с низкого параллелизма, понаблюдайте несколько минут, затем повышайте. Сглаживайте пики батчами или очередью — это стабильнее, чем поднимать параллелизм на ходу.

Как использовать заголовок Retry-After в ответе?

Обычно не нужно менять код, достаточно скорректировать темп вызовов. Повтор — самый эффективный первый шаг. При тарифе p * 0.287 + c * 0.861 неудачные запросы не идут в использование. Для повторяемых ошибок используйте экспоненциальную задержку, для остальных возвращайте ошибку сразу.

Другие ошибки этой модели

Другие модели с той же ошибкой

Вернуться к странице модели

Данные обновлены: 2026-10-10 18:35

Техническая поддержкаОнлайн-поддержка
Наверх