Ошибка 503: что делать, если glm-4.6 не отвечает

Код 503 означает, что сервис временно недоступен — обычно из-за обслуживания или перегрузки. В отличие от 429, дело не в вашей квоте, а в ёмкости на стороне сервера.

503 Service Unavailable означает, что сервис сейчас не может обработать запрос — обычно из-за перегрузки или обслуживания. Разница с 429 важна: 429 — закончилась ваша квота, 503 — не хватает мощности сервера. Увеличьте интервал повтора, а не меняйте ключ.

glm-4.6 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 — Вышестоящая модель перегружена. Рекомендуемое первое действие: Повторите позже с большей задержкой.

Возможные причины

  • Вышестоящая модель перегружена
  • Сервис на обслуживании или обновляется
  • Узел в вашем регионе недоступен
  • Резкий всплеск трафика

Как исправить

  • Повторите позже с большей задержкой
  • Переключитесь на менее загруженную аналогичную модель
  • Не запускайте пакетные задачи в часы пик
  • Следите за нашими объявлениями

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда glm-4.6 возвращает 503: 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-4.6'


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
Контекст204.8K
ВозможностиReasoning, Tools, Open Weights
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 0.6 + cr * 0.11 + cc * 0 + c * 2.2

Частые вопросы

Влияет ли 503 на запросы, уже отправленные к glm-4.6?

Эта ошибка не связана с возможностями модели, это уровень шлюза. Как правило это кратковременный сбой, который проходит сам. Теги возможностей модели: Reasoning, Tools, Open Weights. Если ошибка длится несколько минут, обратитесь в поддержку платформы и уточните статус upstream.

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 — 204.8K, вендор — Z.AI. Контекст 204.8K означает, что длинный ввод заметно увеличивает задержку первого токена. Начните с низкого параллелизма, понаблюдайте несколько минут, затем повышайте.

Связан ли 503 на glm-4.6 с размером тела запроса?

Это проблема конфигурации клиента, на сервере менять ничего не нужно. Окно контекста 204.8K 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 503.

Что логировать, когда 503 повторяется часто?

Если это происходит только в продакшене, дело обычно в окружении, а не в модели. Модель предоставляется Z.AI, поэтому статус upstream определяется объявлениями вендора. Логируйте идентификатор запроса при каждом отказе — он полезнее кода состояния. Сначала воспроизведите это в тестовом окружении с тем же телом запроса.

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