Ошибка 502: что делать, если qwq-plus не отвечает

Код 502 означает, что шлюз получил некорректный ответ от вышестоящего сервиса модели: запрос дошёл до шлюза, но переход к вышестоящему сервису не удался.

502 Bad Gateway означает, что шлюз получил некорректный ответ от upstream-сервиса модели. Запрос дошёл до шлюза, сбой произошёл на участке «шлюз — upstream», как правило из-за перезапуска узла или разрыва соединения.

qwq-plus предоставляется компанией Alibaba. Всё на этой странице — причины, решения и измеренные данные — собрано по реальной работе этой модели на уровне шлюза.

В этом шлюзе самая частая причина — Вышестоящий сервис недоступен или вернул некорректный ответ. Рекомендуемое первое действие: Повторите запрос один раз — 502 обычно кратковременны.

Возможные причины

  • Вышестоящий сервис недоступен или вернул некорректный ответ
  • Вышестоящий узел перезапускается
  • Соединение шлюза с вышестоящим сервисом прервалось
  • Модель временно снята с обслуживания

Как исправить

  • Повторите запрос один раз — 502 обычно кратковременны
  • Переключитесь на аналогичную модель другого поставщика
  • Если 502 постоянен только для одной модели, её вышестоящий сервис нездоров
  • Повторите позже или напишите нам

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда qwq-plus возвращает 502: 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-plus'


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
ПроизводительAlibaba
Контекст131.1K
ВозможностиReasoning, Tools
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 0.8 + c * 2.4

Частые вопросы

Какую информацию дать поддержке при обращении?

Сохраняйте идентификатор запроса и исходный текст ответа, иначе локализовать нечего. Если это происходит только в продакшене, дело обычно в окружении, а не в модели. Модель предоставляется Alibaba, поэтому статус upstream определяется объявлениями вендора. Сначала воспроизведите это в тестовом окружении с тем же телом запроса.

Использование одного ключа в нескольких сервисах повышает вероятность 502?

Вопрос главным образом в квоте, а не в неисправности модели. Помогает и повышение лимита тарифа, и снижение темпа вызовов. При тарифе p * 0.8 + c * 2.4 стоимость длинного вывода определяется в основном выходными токенами. При тарифе p * 0.8 + c * 2.4 неудачные запросы не идут в использование. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде. Оценивая стоимость по p * 0.8 + c * 2.4, учитывайте и бюджет на повторы.

Стоит ли при 502 переключаться на резервную модель?

Имейте наготове резервную модель. У этой модели от Alibaba несколько upstream-узлов, между которыми шлюз может переключаться. Вынесите имя модели в конфиг, чтобы переключение upstream не требовало правок кода.

Какая параллельность считается безопасной?

Здесь важны параллелизм и таймауты, а не сама модель. Сначала снизьте параллелизм — чаще всего проблема с пропускной способностью исчезает. Контекст 131.1K 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.

Другие ошибки этой модели

Другие модели с той же ошибкой

Данные обновлены: 2026-10-10 12:10

Техническая поддержкаОнлайн-поддержка
Наверх