Ошибка 504: что делать, если gemini-2.5-flash-lite не отвечает

Код 504 означает, что шлюз не дождался ответа от вышестоящей модели: запрос был отправлен, но вышестоящий сервис не ответил в пределах тайм-аута шлюза.

504 Gateway Timeout означает, что шлюз не дождался ответа upstream. Запрос был передан, но результат не вернулся в отведённое шлюзом время. Обычно помогает сократить вывод, включить streaming или снизить max_tokens.

gemini-2.5-flash-lite предоставляется компанией Google. 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 отвечал дольше тайм-аута шлюза. Рекомендуемое первое действие: Перейдите на потоковый вывод.

Возможные причины

  • Вышестоящий сервис отвечал дольше тайм-аута шлюза
  • Длинный контекст увеличил время вывода
  • Вышестоящий узел завис
  • Нестриминговый запрос с очень длинным ответом

Как исправить

  • Перейдите на потоковый вывод
  • Сократите контекст и уменьшите max_tokens
  • Повторите запрос чуть позже
  • Используйте модель с более быстрым выводом

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда gemini-2.5-flash-lite возвращает 504: 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 = 'gemini-2.5-flash-lite'


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

TPS443.14
Средняя задержка1298 мс
Успешных запросов100%
API-эндпоинтhttps://api.airai.cc/v1
Совместимо с OpenAIOpenAI-compatible
ПроизводительGoogle
Контекст1M
ВозможностиReasoning, Tools, Files, Vision, Audio
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4

Частые вопросы

Когда gemini-2.5-flash-lite возвращает 504, что вероятнее: шлюз или upstream?

Как правило это кратковременный сбой, который проходит сам. При доле успеха 100% редкий 504 — это нормальная погрешность. Если ошибка длится несколько минут, обратитесь в поддержку платформы и уточните статус upstream. Сначала решите, что это: уровень аккаунта или уровень модели — это полностью меняет обработку.

В тесте всё хорошо, а в проде 504 — в чём может быть разница?

Сгруппируйте ошибки по времени и узлу: закономерность обычно видна сразу. Измеренная доля успеха — 100%, большинство отказов выглядят как 504. Логируйте идентификатор запроса при каждом отказе — он полезнее кода состояния. Сначала воспроизведите это в тестовом окружении с тем же телом запроса.

Нужно ли повышать тариф, чтобы устранить 504 на gemini-2.5-flash-lite?

Вопрос главным образом в квоте, а не в неисправности модели. Помогает и повышение лимита тарифа, и снижение темпа вызовов. Цена ввода — около $0.10 за миллион токенов. При тарифе p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4 стоимость длинного вывода определяется в основном выходными токенами. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде. Оценивая стоимость по p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, учитывайте и бюджет на повторы.

Связан ли 504 с тарификацией gemini-2.5-flash-lite?

Списания не будет: в استخدام идёт только реально сгенерированный вывод. Оплачивается только уже сгенерированный вывод, неудачная часть — нет. Цена ввода — около $0.10 за миллион токенов. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде. Оценивая стоимость по p * 0.1 + cr * 0.01 + ai * 0.3 + c * 0.4, учитывайте и бюджет на повторы.

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