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

การหมดเวลาหมายความว่าไคลเอนต์เลิกรอก่อนที่คำตอบจะมา คำขอแบบสตรีมกับ LLM เกิดบ่อยที่สุด เพราะโมเดลต้องคิดก่อนโทเค็นแรก และช่วงคิดนั้นไม่ส่งไบต์ใดเลย

timeout ไม่ใช่ HTTP status code แต่เป็นขีดจำกัดการรอฝั่งไคลเอนต์ โดยปกติคำขอไปถึง gateway และถูกส่งต่อไป upstream แล้ว แต่โมเดลไม่สร้างผลลัพธ์ภายในเวลาที่คุณกำหนด สาเหตุที่พบบ่อยที่สุดสามอย่างคือ context ยาว, output ยาว และการเรียกแบบไม่ใช้ streaming

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

ที่เกตเวย์นี้ สาเหตุที่พบบ่อยที่สุดคือ ตั้งเวลาหมดเวลาฝั่งไคลเอนต์สั้นเกินไป ขั้นตอนแรกที่แนะนำคือ เพิ่มเวลาหมดเวลาฝั่งไคลเอนต์เป็น 300 วินาทีขึ้นไป

สาเหตุที่พบบ่อย

  • ตั้งเวลาหมดเวลาฝั่งไคลเอนต์สั้นเกินไป
  • พรอมป์ต์หรือบริบทยาวทำให้โทเค็นแรกมาช้า
  • โมเดลกำลังทำงานให้เหตุผลยาว
  • เครือข่ายกระตุก

วิธีแก้ไข

  • เพิ่มเวลาหมดเวลาฝั่งไคลเอนต์เป็น 300 วินาทีขึ้นไป
  • เปิดสตรีมเพื่อไม่ต้องรอคำตอบทั้งหมด
  • ย่อบริบทหรือใช้โมเดลที่เร็วกว่า
  • ลด max_tokens

ตัวอย่างการลองใหม่แบบ Exponential Backoff

โค้ดด้านล่างจะลองใหม่เมื่อ gemini-3.1-flash-lite-preview ตอบกลับ timeout 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

SDK ทางการ retry ให้แล้ว ยังต้องเขียน retry เองอีกหรือไม่?

ปกติไม่ต้องแก้โค้ดธุรกิจ แค่ปรับจังหวะการเรียกก็พอการลองใหม่คือก้าวแรกที่ได้ผลที่สุดอัตราความสำเร็จที่วัดได้คือ 100% ดังนั้นการลองใหม่ครั้งแรกให้ผลตอบแทนสูงสุดเมื่อคิดค่าบริการแบบ p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 คำขอที่ล้มเหลวจะไม่ถูกนำไปรวมในปริมาณการใช้งานตั้งขีดจำกัดการลองใหม่ไว้ที่ 3–5 ครั้ง และเพิ่มความสุ่มเล็กน้อย

ต้องอัปเกรดแพ็กเกจเพื่อแก้ timeout บน gemini-3.1-flash-lite-preview หรือไม่?

ส่วนใหญ่เป็นเรื่องโควต้า ไม่ใช่โมเดลเสียการคิดเงินเป็นแบบ p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 ไม่มีผลลัพธ์ก็ไม่คิดเงินราคา input ประมาณ $0.25 ต่อหนึ่งล้านโทเค็นตรวจสอบยอดคงเหลือและขีดจำกัดอัตราในคอนโซลก่อน แล้วค่อยดูโค้ดเมื่อประเมินต้นทุนจาก p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 ให้นับงบการลองใหม่เข้าไปด้วย

ควร monitor timeout ใน production อย่างไร?

เก็บรหัสคำขอและเนื้อหาการตอบกลับดิบไว้ มิฉะนั้นจะตามหาสาเหตุไม่ได้อัตราความสำเร็จที่วัดได้คือ 100% และความล้มเหลวส่วนใหญ่แสดงเป็น timeoutบันทึกรหัสคำขอทุกครั้งที่ล้มเหลว มีประโยชน์กว่ารหัสสถานะลองทำให้เกิดซ้ำในสภาพแวดล้อมทดสอบด้วยเนื้อหาคำขอเดียวกันก่อน

คำขอที่ล้มเหลวถูกนับเข้าโควต้า rate limit หรือไม่?

ไม่คิดเงิน มีเพียงผลลัพธ์ที่สร้างจริงเท่านั้นที่นับเป็นการใช้งานคิดค่าบริการเฉพาะส่วนที่สร้างเสร็จแล้ว ส่วนที่ล้มเหลวไม่คิดราคา input ประมาณ $0.25 ต่อหนึ่งล้านโทเค็นเมื่อคิดเงินแบบ p * 0.25 + cr * 0.025 + ai * 0.5 + c * 1.5 ต้นทุนของ output ยาวมาจาก output token เป็นหลักตรวจสอบยอดคงเหลือและขีดจำกัดอัตราในคอนโซลก่อน แล้วค่อยดูโค้ด

ข้อผิดพลาดอื่นของโมเดลนี้

โมเดลอื่นที่เจอข้อผิดพลาดเดียวกัน

กลับไปหน้าโมเดล

อัปเดตข้อมูล: 2026-10-10 18:30

ฝ่ายสนับสนุนด้านเทคนิคบริการลูกค้าออนไลน์
กลับไปด้านบน