ข้อผิดพลาด 400: ทำอย่างไรเมื่อเรียก llama-3.3-70b-instruct ไม่สำเร็จ

400 หมายความว่าตัวคำขอไม่ถูกต้อง มีฟิลด์ที่จำเป็นหายไป ชนิดข้อมูลผิด หรือใช้พารามิเตอร์ที่โมเดลนี้ไม่รองรับ การลองใหม่จะไม่ช่วย ต้องแก้เนื้อหาคำขอ

400 Bad Request หมายความว่าเซิร์ฟเวอร์ปฏิเสธคำขอเพราะ body ไม่ถูกต้อง ต่างจาก 5xx คือ 400 จะไม่หายไปด้วยการลองใหม่ คุณจะได้คำตอบเดิมทุกครั้ง ต้องแก้พารามิเตอร์ให้ถูกก่อน

llama-3.3-70b-instruct ให้บริการโดย Meta ทุกอย่างในหน้านี้ — สาเหตุ วิธีแก้ และข้อมูลที่วัดจริง — รวบรวมจากพฤติกรรมการทำงานจริงของโมเดลนี้บนชั้น gateway

ที่เกตเวย์นี้ สาเหตุที่พบบ่อยที่สุดคือ ขาดฟิลด์ที่จำเป็น (model หรือ messages) ขั้นตอนแรกที่แนะนำคือ เทียบเนื้อหาคำขอกับตารางพารามิเตอร์ในหน้านี้

สาเหตุที่พบบ่อย

  • ขาดฟิลด์ที่จำเป็น (model หรือ messages)
  • ชนิดของพารามิเตอร์ผิด
  • ใช้พารามิเตอร์ที่โมเดลนี้ไม่รองรับ
  • โครงสร้าง messages ผิด หรือค่า role ไม่ถูกต้อง

วิธีแก้ไข

  • เทียบเนื้อหาคำขอกับตารางพารามิเตอร์ในหน้านี้
  • ลบพารามิเตอร์ที่ไม่รองรับแล้วลองใหม่
  • ตรวจว่า messages เป็นอาร์เรย์และค่า role ถูกต้อง
  • เริ่มจากคำขอเล็กที่สุดให้ผ่านก่อน แล้วค่อยเพิ่มพารามิเตอร์ทีละตัว

ตัวอย่างการลองใหม่แบบ Exponential Backoff

โค้ดด้านล่างจะลองใหม่เมื่อ llama-3.3-70b-instruct ตอบกลับ 400 สูงสุด 5 ครั้ง โดยเพิ่มเวลารอและใส่ jitter แบบสุ่ม เพื่อไม่ให้คำขอจำนวนมาก retry พร้อมกัน อ่าน base URL และ API key จาก environment variables อย่าเขียนลงในโค้ดตรงๆ

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 = 'llama-3.3-70b-instruct'


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"}]))

ข้อมูลสำคัญของโมเดลนี้

ปลายทาง APIhttps://api.airai.cc/v1
เข้ากันได้กับ OpenAIOpenAI-compatible
ผู้ให้บริการMeta
บริบท128K
ความสามารถTools, Files, Open Weights
รูปแบบ APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
สูตรคิดเงินp * 0 + c * 0

คำถามที่พบบ่อย

ต้องอัปเกรดแพ็กเกจเพื่อแก้ 400 บน llama-3.3-70b-instruct หรือไม่?

ส่วนใหญ่เป็นเรื่องโควต้า ไม่ใช่โมเดลเสียเมื่อคิดเงินแบบ p * 0 + c * 0 ต้นทุนของ output ยาวมาจาก output token เป็นหลักเมื่อคิดค่าบริการแบบ p * 0 + c * 0 คำขอที่ล้มเหลวจะไม่ถูกนำไปรวมในปริมาณการใช้งานตรวจสอบยอดคงเหลือและขีดจำกัดอัตราในคอนโซลก่อน แล้วค่อยดูโค้ดเมื่อประเมินต้นทุนจาก p * 0 + c * 0 ให้นับงบการลองใหม่เข้าไปด้วย

ผลลัพธ์ไม่ครบของ llama-3.3-70b-instruct กับ 400 เป็นเรื่องเดียวกันหรือไม่?

เก็บรหัสคำขอและเนื้อหาการตอบกลับดิบไว้ มิฉะนั้นจะตามหาสาเหตุไม่ได้โมเดลนี้ให้บริการโดย Meta สถานะต้นทางจึงเป็นไปตามประกาศของผู้ให้บริการบันทึกรหัสคำขอทุกครั้งที่ล้มเหลว มีประโยชน์กว่ารหัสสถานะ

ควรใช้ header Retry-After ใน response อย่างไร?

ปกติไม่ต้องแก้โค้ดธุรกิจ แค่ปรับจังหวะการเรียกก็พอการลองใหม่คือก้าวแรกที่ได้ผลที่สุดเมื่อคิดค่าบริการแบบ p * 0 + c * 0 คำขอที่ล้มเหลวจะไม่ถูกนำไปรวมในปริมาณการใช้งานตั้งขีดจำกัดการลองใหม่ไว้ที่ 3–5 ครั้ง และเพิ่มความสุ่มเล็กน้อยใช้การถอยแบบเอ็กซ์โปเนนเชียลกับข้อผิดพลาดที่ลองใหม่ได้ และคืนข้อผิดพลาดทันทีสำหรับส่วนที่เหลือ

เมื่อ llama-3.3-70b-instruct ตอบ 400 ควรจัดตารางงาน batch อย่างไร?

ลดการทำงานพร้อมกันก่อน ปัญหาด้านปริมาณงานส่วนใหญ่จะหายไปcontext 128K หมายความว่าอินพุตยาวจะเพิ่มความหน่วงของโทเค็นแรกอย่างชัดเจนเริ่มจากการทำงานพร้อมกันต่ำ สังเกตสักสองสามนาที แล้วค่อยเพิ่ม

ข้อผิดพลาดอื่นของโมเดลนี้

โมเดลอื่นที่เจอข้อผิดพลาดเดียวกัน

กลับไปหน้าโมเดล

อัปเดตข้อมูล: 2026-10-10 15:45

ฝ่ายสนับสนุนด้านเทคนิคบริการลูกค้าออนไลน์
กลับไปด้านบน