錯誤 429：gemini-3.6-flash 呼叫失敗怎麼辦

回應 429 表示觸發了限流：單位時間內提交的請求數或 token 數超過了目前套餐的額度。

429 Too Many Requests 是限流回應，不是錯誤。它表示請求本身合法，只是超過了目前方案允許的請求速率或並發額度。依照回應標頭給出的時間窗退避重試即可恢復，不需要修改請求內容。

gemini-3.6-flash 由 Google 提供，本頁的觸發分析、處理建議與實測數據均基於該模型在閘道層的真實運行情況整理。

在本閘道，此類報錯最常見的誘因是：並發請求過多。建議優先處理：限制並發並以指數退避重試。

常見原因

  • 並發請求過多
  • 目前方案配額已用完
  • 失敗後立即重試沒有退避

解決辦法

  • 限制並發並以指數退避重試
  • 切換到配額更高的方案
  • 對重複請求做快取

帶指數退避的重試範例

下面這段在呼叫 gemini-3.6-flash 遇到 429 時會自動退避重試，最多 5 次，每次等待時間遞增並疊加隨機抖動，避免大量請求同時重試。base URL 與 API Key 請從環境變數讀取，不要寫死在程式碼裡。

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-3.6-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"}]))

該模型的關鍵資料

API 端點https://api.airai.cc/v1
OpenAI 相容OpenAI-compatible
廠商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
計費方式p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75

常見問題

gemini-3.6-flash 的 429 和帳號額度有關嗎？

主要與配額有關，而不是模型本身故障。按 p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 計費時，長輸出的成本主要來自輸出 token。先在控制台確認餘額與速率限制，再排查程式碼。按 p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 估算成本時，把重試預算也算進去。

呼叫 gemini-3.6-flash 回傳 429，會扣費嗎？

不會計費，只有實際產出內容才會計入用量。已經產出的部分會計費，失敗的部分不會。輸入單價約 $0.75 / 百萬 tokens。按 p * 0.75 + cr * 0.075 + ai * 0.75 + c * 3.75 計費時，長輸出的成本主要來自輸出 token。先在控制台確認餘額與速率限制，再排查程式碼。

改成串流輸出能減少 429 嗎？

需要修改請求參數，單純重試不會有幫助。屬於用戶端設定問題，伺服端不需要調整。上下文 1M 決定了單次請求的最大輸入，超出會被直接拒絕。長輸入先截斷或做摘要，能明顯降低 429 的機率。

前端直連和後端轉發，哪一種更容易出現 429？

建議同時準備一個備用模型。在架構上做備援，比逐個錯誤修補更穩。廠商 Google 的該模型在閘道上有多個上游節點可切換。準備一個更輕量的備用模型，主流程就不會中斷。把模型名稱寫成設定項，切換上游時不用改商業邏輯。

該模型的其他錯誤

遇到同樣錯誤的其他模型

返回模型首頁

資料更新於: 2026-10-11 22:40

技術支持在線客服
返回頂部