錯誤 504：gemini-3.5-flash-lite 呼叫失敗怎麼辦

回應 504 表示閘道等待上游模型回應逾時：請求已送出，但上游在閘道允許的時間內沒有回傳結果。

504 Gateway Timeout 表示閘道等待上游回應逾時。請求已被轉發，但上游在閘道限制的時間內沒有回傳結果。縮短輸出、改用串流、或降低 max_tokens 通常可以解決。

gemini-3.5-flash-lite 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：上游回應時間超過閘道逾時門檻。建議優先處理：改用串流輸出。

常見原因

  • 上游回應時間超過閘道逾時門檻
  • 上下文過長導致推理時間過長
  • 上游節點卡住
  • 使用非串流請求且輸出很長

解決辦法

  • 改用串流輸出
  • 縮短上下文並調小 max_tokens
  • 稍後重試
  • 換用推理更快的模型

帶指數退避的重試範例

下面這段在呼叫 gemini-3.5-flash-lite 遇到 504 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-3.5-flash-lite'


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 * 0.3 + cr * 0.03 + c * 2.5

常見問題

gemini-3.5-flash-lite 的 504 持續多久就該聯絡客服？

把錯誤按時間與節點彙整後再看，規律通常很明顯。該模型由 Google 提供，上游狀態以廠商公告為準。記錄每次錯誤的請求識別碼，排查時比狀態碼更有用。

長上下文會不會更容易觸發 504？

屬於用戶端設定問題，伺服端不需要調整。該模型的能力標籤為 Reasoning, Tools, Files, Vision, Audio，參數上限受能力集約束。上下文 1M 決定了單次請求的最大輸入，超出會被直接拒絕。對參數類錯誤直接快速失敗，不要浪費重試次數。長輸入先截斷或做摘要，能明顯降低 504 的機率。

結果快取能減少 504 嗎？

併發與逾時才是這裡真正的變數，不是模型本身。該模型上下文視窗 1M，廠商為 Google。上下文 1M 意味著長輸入會明顯拉長首字延遲。長輸出場景把逾時單獨放寬到 60 秒以上。結果加一層快取，重複請求不必每次都打到模型。

回應裡的 Retry-After 標頭該怎麼用？

重試是最有效的第一步。按 p * 0.3 + cr * 0.03 + c * 2.5 計費時，失敗的請求不會計入用量。把重試上限設為 3 到 5 次，並加上隨機抖動。可重試的錯誤做指數退避，不可重試的立即回傳錯誤。

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: 2026-10-10 12:10

技術支持在線客服
返回頂部