ข้อผิดพลาด 401: ทำอย่างไรเมื่อเรียก llama-3.3-70b-instruct ไม่สำเร็จ

401 หมายความว่าการยืนยันตัวตนล้มเหลว คำขอไม่มี API Key หรือคีย์ไม่ถูกต้อง ถูกลบ หรือหมดอายุ

401 Unauthorized หมายความว่าคำขอไม่มีข้อมูลรับรองความถูกต้องที่ใช้งานได้ gateway ไม่สามารถระบุตัวตนผู้เรียกได้ คำขอจึงไม่ไปถึงโมเดล upstream การตรวจสอบ header Authorization และสถานะของ key คือทางเดียวที่จะแก้ได้

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

ที่เกตเวย์นี้ สาเหตุที่พบบ่อยที่สุดคือ ไม่มีส่วนหัว Authorization ขั้นตอนแรกที่แนะนำคือ ส่งส่วนหัวเป็น Authorization: Bearer ตามด้วยคีย์ของคุณ

สาเหตุที่พบบ่อย

  • ไม่มีส่วนหัว Authorization
  • คีย์พิมพ์ผิดหรือมีช่องว่างเกิน
  • คีย์ถูกลบหรือปิดใช้งานในหน้าโทเค็น
  • ใช้คีย์ของแพลตฟอร์มอื่นโดยไม่ตั้งใจ

วิธีแก้ไข

  • ส่งส่วนหัวเป็น Authorization: Bearer ตามด้วยคีย์ของคุณ
  • สร้างคีย์ใหม่ในหน้าโทเค็น
  • ตรวจว่าไม่ได้ใช้คีย์ของบริการอื่น
  • ทดสอบคีย์ด้วยคำขอ curl ที่เล็กที่สุด

ตัวอย่างการลองใหม่แบบ Exponential Backoff

โค้ดด้านล่างจะลองใหม่เมื่อ llama-3.3-70b-instruct ตอบกลับ 401 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

การเรียกตรงจาก frontend หรือผ่าน backend แบบใดทำให้เกิด 401 ได้ง่ายกว่า?

การมีทางสำรองระดับสถาปัตยกรรมเชื่อถือได้มากกว่าการแก้ข้อผิดพลาดทีละรายการโมเดลนี้จาก Meta มี upstream node หลายตัวที่ gateway สลับได้ใส่ชื่อโมเดลไว้ในคอนฟิก เปลี่ยนต้นทางโดยไม่ต้องแก้โค้ด

เมื่อ llama-3.3-70b-instruct ตอบ 401 ต้องแก้พารามิเตอร์หรือไม่?

ต้องแก้พารามิเตอร์ของคำขอ การลองใหม่อย่างเดียวไม่ช่วยเป็นปัญหาการตั้งค่าฝั่งไคลเอนต์ ฝั่งเซิร์ฟเวอร์ไม่ต้องแก้หน้าต่างบริบท 128K กำหนดอินพุตสูงสุดต่อคำขอ ส่วนที่เกินจะถูกปฏิเสธทันทีสำหรับข้อผิดพลาดด้านพารามิเตอร์ ให้ล้มเหลวทันทีแทนที่จะเสียการลองใหม่ไป

ทำไม llama-3.3-70b-instruct ถึงตอบ 401 แค่บางช่วงเวลา?

เก็บรหัสคำขอและเนื้อหาการตอบกลับดิบไว้ มิฉะนั้นจะตามหาสาเหตุไม่ได้โมเดลนี้ให้บริการโดย Meta สถานะต้นทางจึงเป็นไปตามประกาศของผู้ให้บริการลองทำให้เกิดซ้ำในสภาพแวดล้อมทดสอบด้วยเนื้อหาคำขอเดียวกันก่อน

401 บน llama-3.3-70b-instruct เกี่ยวกับโควต้าบัญชีหรือไม่?

ส่วนใหญ่เป็นเรื่องโควต้า ไม่ใช่โมเดลเสียการเพิ่มเพดานแพ็กเกจหรือลดความถี่ในการเรียกก็ช่วยได้ทั้งคู่การคิดเงินเป็นแบบ p * 0 + c * 0 ไม่มีผลลัพธ์ก็ไม่คิดเงินเมื่อคิดเงินแบบ p * 0 + c * 0 ต้นทุนของ output ยาวมาจาก output token เป็นหลักตรวจสอบยอดคงเหลือและขีดจำกัดอัตราในคอนโซลก่อน แล้วค่อยดูโค้ดเมื่อประเมินต้นทุนจาก p * 0 + c * 0 ให้นับงบการลองใหม่เข้าไปด้วย

ข้อผิดพลาดอื่นของโมเดลนี้

โมเดลอื่นที่เจอข้อผิดพลาดเดียวกัน

กลับไปหน้าโมเดล

อัปเดตข้อมูล: 2026-10-11 22:40

ฝ่ายสนับสนุนด้านเทคนิคบริการลูกค้าออนไลน์
กลับไปด้านบน