Ошибка timeout: что делать, если glm-4.5 не отвечает

Тайм-аут означает, что клиент сдался до прихода ответа. Чаще всего это происходит с потоковыми запросами к LLM: перед первым токеном модель думает, а на этапе размышления не выдаётся ни одного байта.

Timeout — это не HTTP-статус, а предел ожидания на стороне клиента. Запрос обычно дошёл до шлюза и был передан upstream, но модель не выдала результат за отведённое время. Длинный контекст, длинный вывод и вызовы без streaming — три самые частые причины.

glm-4.5 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 — Слишком маленький тайм-аут на клиенте. Рекомендуемое первое действие: Увеличьте тайм-аут клиента до 300 секунд и больше.

Возможные причины

  • Слишком маленький тайм-аут на клиенте
  • Длинный промпт или контекст повышает задержку первого токена
  • Модель выполняет длинную задачу рассуждения
  • Сетевые колебания

Как исправить

  • Увеличьте тайм-аут клиента до 300 секунд и больше
  • Включите потоковый вывод, чтобы не ждать весь ответ
  • Сократите контекст или возьмите более быструю модель
  • Уменьшите max_tokens

Повтор с экспоненциальной задержкой

Ниже — пример повтора, когда glm-4.5 возвращает timeout: 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-4.5'


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
Контекст131.1K
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

Каким должно быть время ожидания?

Сначала снизьте параллелизм — чаще всего проблема с пропускной способностью исчезает. Окно контекста модели — 131.1K, вендор — Z.AI. Для длинного вывода увеличьте таймаут до 60 секунд и более. Добавьте слой кэша, чтобы повторные запросы не шли все в модель.

Будет ли списание, если glm-4.5 вернул timeout?

Списания не будет: в استخدام идёт только реально сгенерированный вывод. Тарификация: p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2, поэтому без вывода нет списания. При тарифе p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2 неудачные запросы не идут в использование. Сначала проверьте баланс и лимиты скорости в консоли, потом ищите в коде. Оценивая стоимость по p * 0.6 + cr * 0.11 + cc * 0 + c * 2.2, учитывайте и бюджет на повторы.

Что логировать, когда timeout 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.

Может ли timeout привести к потере данных?

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.

Другие ошибки этой модели

Другие модели с той же ошибкой

Вернуться к странице модели

Данные обновлены: 2026-10-10 18:30

Техническая поддержкаОнлайн-поддержка
Наверх