Ошибка 403: что делать, если glm-5.2 не отвечает
Код 403 означает, что вы аутентифицированы, но доступ запрещён: ключ действителен, однако вызывать эту модель или эту группу им нельзя.
403 Forbidden означает, что личность распознана, но доступа нет. Разница с 401: 401 — это «кто ты», 403 — «у тебя нет прав». Обычно нужно добавить модель в список разрешённых или в группу, привязанную к ключу.
glm-5.2 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 — Ключ не авторизован для этой модели. Рекомендуемое первое действие: Добавьте модель в список разрешённых для ключа на странице «Токены».
Возможные причины
- Ключ не авторизован для этой модели
- Модель не входит в группу, к которой привязан ключ
- У ключа задан список разрешённых IP, и ваш IP в него не входит
- Модель снята с поддержки или требует более высоких прав
Как исправить
- Добавьте модель в список разрешённых для ключа на странице «Токены»
- Убедитесь, что группа ключа включает эту модель
- Проверьте настройки списка разрешённых IP
- Переключитесь на модель, к которой есть доступ
Повтор с экспоненциальной задержкой
Ниже — пример повтора, когда glm-5.2 возвращает 403: 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-5.2'
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-эндпоинт | https://api.airai.cc/v1 |
|---|---|
| Совместимо с OpenAI | OpenAI-compatible |
| Производитель | Z.AI |
|---|---|
| Контекст | 1M |
| Возможности | Reasoning, Tools, Open Weights |
| Форматы API | openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search |
| Формула биллинга | p * 1.4 + cr * 0.26 + cc * 0 + c * 4.4 |
Частые вопросы
Снижает ли кэширование результатов число 403?
Сначала снизьте параллелизм — чаще всего проблема с пропускной способностью исчезает. Окно контекста модели — 1M, вендор — Z.AI. Контекст 1M означает, что длинный ввод заметно увеличивает задержку первого токена. Начните с низкого параллелизма, понаблюдайте несколько минут, затем повышайте. Добавьте слой кэша, чтобы повторные запросы не шли все в модель.
Когда glm-5.2 возвращает 403, что вероятнее: шлюз или upstream?
Как правило это кратковременный сбой, который проходит сам. Теги возможностей модели: Reasoning, Tools, Open Weights. Сначала решите, что это: уровень аккаунта или уровень модели — это полностью меняет обработку.
Можно ли обойти 403 на glm-5.2, перейдя на другую модель?
Имейте наготове резервную модель. Резерв на уровне архитектуры надёжнее, чем латать каждую ошибку по отдельности. 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.
Будет ли списание, если glm-5.2 вернул 403?
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. Оценивая стоимость по p * 1.4 + cr * 0.26 + cc * 0 + c * 4.4, учитывайте и бюджет на повторы.
Другие ошибки этой модели
- glm-5.2: ошибка 429 — причины и решение
- glm-5.2: ошибка timeout — причины и решение
- glm-5.2: ошибка 500 — причины и решение
- glm-5.2: ошибка 502 — причины и решение
- glm-5.2: ошибка 503 — причины и решение
- glm-5.2: ошибка 504 — причины и решение
- glm-5.2: ошибка 401 — причины и решение
- glm-5.2: ошибка 400 — причины и решение
Другие модели с той же ошибкой
- gpt-5
- claude-opus-5
- gemini-2.5-pro
- deepseek-v4-pro
- grok-4.3
- llama-3.3-70b-instruct
- qvq-max
- qwq-32b
- glm-5
- MiniMax-M3
- kimi-k3
- hy3
- doubao-seed-evolving
- mimo-v2.5
- gpt-4o
- claude-opus-4-6
Данные обновлены: 2026-10-10 15:40