错误 429：gemini-3.5-flash 调用失败怎么办

返回 429 说明触发了限流：单位时间内提交的请求数或 token 数超过了当前套餐的额度。

429 Too Many Requests 是限流响应，不是错误。它表示请求本身合法，只是超过了当前套餐允许的请求速率或并发额度。按响应头给出的时间窗口退避重试即可恢复，不需要修改请求内容。

gemini-3.5-flash 由 Google 提供，本页的触发分析、处理建议与实测数据均基于该模型在网关层的真实运行情况整理。

在本网关，此类报错最常见的诱因是：并发请求过多。建议优先处理：限制并发并用指数退避重试。

常见原因

  • 并发请求过多
  • 当前套餐配额已用完
  • 失败后立即重试没有退避

解决办法

  • 限制并发并用指数退避重试
  • 切换到配额更高的套餐
  • 对重复请求做缓存

带指数退避的重试示例

下面这段在调用 gemini-3.5-flash 遇到 429 时会自动退避重试，最多 5 次，每次等待时间递增并叠加随机抖动，避免大量请求同时重试。base URL 与 API Key 请从环境变量读取，不要写死在代码里。

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-3.5-flash'


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"}]))

该模型的关键数据

TPS1669.89
平均延迟3330 毫秒
成功率100%
API 端点https://api.airai.cc/v1
OpenAI 兼容OpenAI-compatible
厂商Google
上下文1M
能力Reasoning, Tools, Files, Vision, Audio
API 格式openai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
计费方式p * 1.5 + cr * 0.15 + ai * 1.5 + c * 9

常见问题

重试时需要加随机抖动（jitter）吗？

通常不需要改业务代码，调整调用节奏即可。重试是最有效的第一步。实测成功率 100%，第一次重试的边际收益通常最高。按 p * 1.5 + cr * 0.15 + ai * 1.5 + c * 9 计费时，失败的请求不会计入用量。把重试上限设为 3 到 5 次，并加上随机抖动。可重试的报错做指数退避，不可重试的立即返回错误。

批量任务里 gemini-3.5-flash 出现 429，应该怎么调度？

并发与超时才是这里的真正变量，不是模型本身。实测吞吐 1669.89，可作为并发上限的参考。长输出场景把超时单独放宽到 60 秒以上。并发从低值起步，观察几分钟后再逐步加大。

429 和 gemini-3.5-flash 的计费方式有关吗？

不会计费，只有实际产出内容才计入用量。已经产出的部分会计费，失败的部分不会。计费方式为 p * 1.5 + cr * 0.15 + ai * 1.5 + c * 9，未产出内容就不计费。按 p * 1.5 + cr * 0.15 + ai * 1.5 + c * 9 计费时，长输出的成本主要来自输出 token。先在控制台确认余额与速率限制，再排查代码。按 p * 1.5 + cr * 0.15 + ai * 1.5 + c * 9 估算成本时，把重试预算也算进去。

生产环境应该怎么监控 429？

需要保留请求标识和响应原文，否则无法定位。如果只在生产出现，多半是环境差异而不是模型问题。实测成功率 100%，失败多数表现为 429。实测成功率 100% 是按节点统计的，个别节点偏低会拉低整体。先在测试环境用同样的请求体复现一次。

该模型的其他报错

遇到同样报错的其他模型

返回模型主页

数据更新于: 2026-10-10 15:40

技术支持在线客服
返回顶部