Ошибка timeout: что делать, если grok-4.20-0309-reasoning 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.

grok-4.20-0309-reasoning предоставляется компанией xAI. 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 grok-4.20-0309-reasoning 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 = 'grok-4.20-0309-reasoning'


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
ПроизводительxAI
Контекст1M
ВозможностиReasoning, Tools, Files, Vision
Форматы APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
Формула биллингаp * 1.25 + cr * 0.2 + c * 2.5) : tier("200k_plus", p * 2.5 + cr * 0.4 + c * 5

Частые вопросы

Стоит ли при timeout переключаться на резервную модель?

Имейте наготове резервную модель. Резерв на уровне архитектуры надёжнее, чем латать каждую ошибку по отдельности. У этой модели от xAI несколько upstream-узлов, между которыми шлюз может переключаться. Держите наготове более лёгкую резервную модель, и основной поток не прервётся.

Почему grok-4.20-0309-reasoning возвращает timeout только в отдельные часы?

Сгруппируйте ошибки по времени и узлу: закономерность обычно видна сразу. Если это происходит только в продакшене, дело обычно в окружении, а не в модели. Модель предоставляется xAI, 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.

Официальный SDK уже повторяет запросы — нужен ли свой retry?

Обычно не нужно менять код, достаточно скорректировать темп вызовов. При тарифе p * 1.25 + cr * 0.2 + c * 2.5) : tier("200k_plus", p * 2.5 + cr * 0.4 + c * 5 неудачные запросы не идут в использование. Для повторяемых ошибок используйте экспоненциальную задержку, для остальных возвращайте ошибку сразу.

При нескольких upstream-узлах шлюз переключается сам при timeout?

Эта ошибка не связана с возможностями модели, это уровень шлюза. Как правило это кратковременный сбой, который проходит сам. Теги возможностей модели: Reasoning, Tools, Files, Vision. 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.

Другие ошибки этой модели

Другие модели с той же ошибкой

Вернуться к странице модели

Данные обновлены: 2026-10-10 08:15

Техническая поддержкаОнлайн-поддержка
Наверх