ข้อผิดพลาด 504: ทำอย่างไรเมื่อเรียก gemini-3.1-flash-lite-preview ไม่สำเร็จ

504 หมายความว่าเกตเวย์รอคำตอบจากโมเดลต้นทางจนหมดเวลา คำขอถูกส่งแล้ว แต่ต้นทางไม่ตอบภายในเวลาที่เกตเวย์กำหนด

504 Gateway Timeout หมายความว่า gateway รอการตอบกลับจาก upstream จนหมดเวลา คำขอถูกส่งต่อแล้ว แต่ไม่มีผลลัพธ์กลับมาภายในเวลาที่กำหนด การลดความยาว output, เปิดใช้ streaming หรือลด max_tokens มักแก้ได้

gemini-3.1-flash-lite-preview ให้บริการโดย Google ทุกอย่างในหน้านี้ — สาเหตุ วิธีแก้ และข้อมูลที่วัดจริง — รวบรวมจากพฤติกรรมการทำงานจริงของโมเดลนี้บนชั้น gateway

ที่เกตเวย์นี้ สาเหตุที่พบบ่อยที่สุดคือ ต้นทางใช้เวลานานเกินเวลาที่เกตเวย์กำหนด ขั้นตอนแรกที่แนะนำคือ เปลี่ยนไปใช้เอาต์พุตแบบสตรีม

สาเหตุที่พบบ่อย

  • ต้นทางใช้เวลานานเกินเวลาที่เกตเวย์กำหนด
  • บริบทยาวทำให้เวลาอนุมานเพิ่มขึ้น
  • โหนดต้นทางค้าง
  • ใช้คำขอแบบไม่สตรีมและผลลัพธ์ยาวมาก

วิธีแก้ไข

  • เปลี่ยนไปใช้เอาต์พุตแบบสตรีม
  • ย่อบริบทและลด max_tokens
  • ลองใหม่ภายหลังจากสักครู่
  • ใช้โมเดลที่อนุมานเร็วกว่า

ตัวอย่างการลองใหม่แบบ Exponential Backoff

โค้ดด้านล่างจะลองใหม่เมื่อ gemini-3.1-flash-lite-preview ตอบกลับ 504 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 = 'gemini-3.1-flash-lite-preview'


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

TPS437.37
ความหน่วงเฉลี่ย1194 ms
อัตราสำเร็จ100%
ปลายทาง APIhttps://api.airai.cc/v1
เข้ากันได้กับ OpenAIOpenAI-compatible
ผู้ให้บริการGoogle
บริบท1M
ความสามารถReasoning, Tools, Files, Vision, Audio
รูปแบบ APIopenai, openai-response, openai-response-compact, anthropic, gemini, openai-alpha-search
สูตรคิดเงินp * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5

คำถามที่พบบ่อย

504 เกี่ยวกับวิธีคิดเงินของ gemini-3.1-flash-lite-preview หรือไม่?

ไม่คิดเงิน มีเพียงผลลัพธ์ที่สร้างจริงเท่านั้นที่นับเป็นการใช้งานคิดค่าบริการเฉพาะส่วนที่สร้างเสร็จแล้ว ส่วนที่ล้มเหลวไม่คิดเมื่อคิดเงินแบบ p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 ต้นทุนของ output ยาวมาจาก output token เป็นหลักเมื่อประเมินต้นทุนจาก p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 ให้นับงบการลองใหม่เข้าไปด้วย

504 หายเองได้หรือต้องแก้ไขเอง?

ข้อผิดพลาดนี้ไม่เกี่ยวกับความสามารถของโมเดล แต่เป็นปัญหาระดับ gatewayส่วนใหญ่เป็นปัญหาชั่วคราวและกลับมาเองได้ที่อัตราความสำเร็จ 100% การเกิด 504 เป็นครั้งคราวถือเป็นความผันปรกติหากเกิดต่อเนื่องหลายนาที ติดต่อฝ่ายสนับสนุนของแพลตฟอร์มเพื่อยืนยันสถานะต้นทางตัดสินใจก่อนว่าอยู่ระดับบัญชีหรือระดับโมเดล สองแบบนี้ต้องการวิธีแก้ต่างกันโดยสิ้นเชิง

504 บน gemini-3.1-flash-lite-preview เกี่ยวกับขนาด request body หรือไม่?

ต้องแก้พารามิเตอร์ของคำขอ การลองใหม่อย่างเดียวไม่ช่วยเป็นปัญหาการตั้งค่าฝั่งไคลเอนต์ ฝั่งเซิร์ฟเวอร์ไม่ต้องแก้หน้าต่างบริบท 1M กำหนดอินพุตสูงสุดต่อคำขอ ส่วนที่เกินจะถูกปฏิเสธทันทีสำหรับข้อผิดพลาดด้านพารามิเตอร์ ให้ล้มเหลวทันทีแทนที่จะเสียการลองใหม่ไปตัดหรือสรุปอินพุตยาวก่อน จะลดโอกาสเกิด 504 ได้อย่างชัดเจน

ระดับ concurrent แบบใดปลอดภัย?

ตัวแปรที่แท้จริงที่นี่คือการทำงานพร้อมกันและเวลาหมดอายุ ไม่ใช่ตัวโมเดลลดการทำงานพร้อมกันก่อน ปัญหาด้านปริมาณงานส่วนใหญ่จะหายไปโมเดลนี้มี context window 1M และมาจาก Googleปริมาณงานที่วัดได้คือ 437.37 ใช้เป็นเพดานของ concurrent ได้สำหรับผลลัพธ์ยาว ให้เพิ่มเวลาหมดอายุเป็น 60 วินาทีหรือมากกว่าปรับยอดพีคให้เรียบด้วยการประมวลผลเป็นชุดหรือคิว เสถียรกว่าการเพิ่มการทำงานพร้อมกันตามสถานการณ์

ข้อผิดพลาดอื่นของโมเดลนี้

โมเดลอื่นที่เจอข้อผิดพลาดเดียวกัน

กลับไปหน้าโมเดล

อัปเดตข้อมูล: 2026-10-10 15:45

ฝ่ายสนับสนุนด้านเทคนิคบริการลูกค้าออนไลน์
กลับไปด้านบน