Clé API GLM : Guide de dépannage
Votre clé API GLM renvoie-t-elle des erreurs ou échoue-t-elle à s'intégrer dans votre éditeur préféré ? Ce guide résout les problèmes de configuration les plus courants, des réponses 'Unauthorized' aux erreurs d'analyse du streaming, garantissant que vos appels LLM non censorés fonctionnent de manière fiable.
Résumé
- Vérifiez que votre URL de base et le corps de la requête correspondent exactement à la configuration du client pour éviter les erreurs 'Unauthorized' ou 'Model Not Found'.
- Diffusez les réponses via SSE nécessitent l'analyse du dernier chunk pour l'utilisation des tokens, car les données d'utilisation ne sont pas incluses dans chaque chunk de message.
- Le modèle crypto prépayé ne facture que la génération réussie des jetons, rendant les erreurs et les refus effectivement gratuits.
- Les fenêtres de contexte combinent le prompt et la complétion, donc une limite de 100k signifie que vous devez tenir compte avec soin des tokens d'entrée et de sortie.
Pourquoi votre clé retourne 'Unauthorized'
L'erreur 'Unauthorized' (Non autorisé) provient généralement d'une incompatibilité entre votre clé API configurée et l'URL de base du point de terminaison. Lors de l'intégration d'un nouveau LLM dans un éditeur comme Zed ou Trae, vous devez vous assurer que l'URL de base pointe directement vers le point de terminaison de complétion de chat du fournisseur plutôt que vers un proxy générique. Si vous utilisez un client compatible OpenAI, l'URL de base pour notre service est HTTPS://api.apiglm.com/v1. La transmission d'une URL incorrecte ou d'une clé expirée déclenchera immédiatement cette réponse 401.
Une autre cause fréquente est l'envoi de la clé dans le mauvais format d'en-tête. Certains clients attendent 'Authorization: Bearer ' tandis que d'autres peuvent mal interpréter le champ de saisie. Vérifiez que votre clé est copiée exactement comme indiqué sur le tableau de bord après la connexion avec Google ou par e-mail. Il n'y a pas d'étape de vérification par numéro de téléphone, donc si la clé est valide, elle fonctionnera avec n'importe quelle implémentation standard du SDK OpenAI.
- Vérifiez que l’URL de base se termine par /v1.
- Assurez-vous qu'il n'y a pas de barres obliques finales dans la chaîne URL.
- Vérifiez que la clé n'a pas été révoquée ou remplacée.
Gestion du problème du 'Thinking Block'
Les utilisateurs de modèles à raisonnement avancé rencontrent souvent des blocs de 'réflexion' vides où le modèle génère une balise mais aucun texte. Il ne s'agit pas toujours d'un bug dans votre code, mais d'un comportement de l'architecture du modèle non filtré sous-jacent. Le modèle peut décider de générer un bloc de raisonnement contenant des espaces ou des caractères nuls, que votre analyseur peut interpréter comme une réponse vide.
Pour gérer cela, configurez votre client pour ignorer les balises de raisonnement vides ou supprimer les espaces blancs avant le traitement. Si vous utilisez un transformateur de raisonnement personnalisé, assurez-vous qu'il gère correctement ces cas limites. Le modèle est réglé pour des réponses directes, donc des blocs de réflexion excessifs peuvent parfois indiquer la nécessité d'ajuster les paramètres 'temperature' ou 'top_p' pour encourager des réponses plus directes.
Le débogage de ceci implique de journaliser les octets de la réponse brute. Si le bloc de réflexion est présent mais vide, il est sûr de le sauter et de passer à la génération de contenu réel. Cela garantit que votre application ne reste pas bloquée en attendant du texte inexistant.
Configuration des URL de base dans les éditeurs
L'intégration d'un LLM non censoré dans des éditeurs locaux comme Zed ou Claude Code nécessite de remplacer les variables d'environnement par défaut. La plupart des éditeurs utilisent par défaut l'URL de base d'OpenAI. Vous devez définir explicitement l'URL de base sur HTTPS://api.apiglm.com/v1 dans vos fichiers de configuration.
Pour les fichiers .env.development ou config.js, assurez-vous que la variable de clé API est correctement mappée. Par exemple, définissez la variable URL de base pour pointer vers notre point de terminaison. Cela garantit que toutes les requêtes, y compris l'appel de fonction et le streaming, sont acheminées via notre infrastructure. Si l'éditeur ne prend pas en charge les URL de base personnalisées, vous devrez peut-être utiliser un proxy ou un script wrapper qui traduit le protocole OpenAI standard vers notre point de terminaison.
Vérifiez l'intégration en envoyant une simple requête 'ping'. Si vous recevez une réponse JSON valide, votre configuration est correcte. Cette étape est cruciale avant de tenter des conversations multi-tours complexes.
Limites de débit et erreurs de concurrence
Notre infrastructure applique des limites de débit strictes pour garantir la stabilité lors d'une utilisation à fort volume. Chaque clé API est limitée à 300 requêtes par minute et peut gérer jusqu'à 8 requêtes simultanées. Si vous dépassez ces limites, vous recevrez une erreur 429 Too Many Requests.
Pour éviter ces erreurs, implémentez une rétroaction exponentielle dans votre code client. Surveillez l'en-tête 'Retry-After' dans la réponse si disponible. De plus, assurez-vous que votre application ne connaît pas de pics de trafic pendant les heures de pointe. Si vous exécutez plusieurs instances, répartissez la charge sur différentes clés ou gérez la concurrence au niveau de l'application.
La taille du corps de la requête est également limitée à 8 Mo. Des invites volumineuses ou de nombreux appels d'outils peuvent dépasser cette limite. Divisez votre entrée ou réduisez le nombre de requêtes simultanées pour rester dans ces limites. Ces limites sont transparentes et conçues pour prévenir l'épuisement des ressources.
Comptage des jetons et fenêtres de contexte
Comprendre l'utilisation des tokens est crucial pour la gestion des coûts. Notre modèle prend en charge une fenêtre de contexte de 100 000 tokens, qui inclut à la fois l'invite et la complétion. Le nombre maximum de tokens de sortie par requête est de 16 000, ou 2 048 si vous ne spécifiez pas 'max_tokens'.
La tarification est basée sur l'utilisation réelle des jetons : 0,15 $ par million de jetons d'entrée et 0,50 $ par million de jetons de sortie. Les erreurs et les refus sont gratuits, vous ne payez que pour la génération de contenu réussie. Ce modèle prépayé signifie que votre crédit n'expire jamais et que vous pouvez recharger avec des cryptomonnaies à tout moment.
Suivez l'utilisation des tokens dans votre application en analysant les métadonnées de la réponse. Le dernier fragment d'une réponse en streaming contient le compte total de tokens. Cela vous permet de surveiller les coûts en temps réel et d'ajuster vos prompts pour rester dans le budget. Une utilisation efficace des tokens est essentielle pour maximiser la valeur de votre crédit prépayé.
Analyse des réponses en streaming
Les réponses en streaming sont livrées via Server-Sent Events (SSE). Chaque fragment contient une partie de la réponse, mais les données d'utilisation des jetons ne sont incluses que dans le dernier fragment. Cela signifie que vous ne pouvez pas calculer l'utilisation totale des jetons tant que le flux n'est pas terminé.
Analysez le flux en écoutant les événements 'data'. Accumulez les chunks de texte pour former la réponse complète. Lorsque vous recevez le dernier chunk, extrayez le champ 'usage' pour mettre à jour votre compteur local de tokens. Cette approche garantit une facturation précise et vous aide à surveiller la consommation des ressources.
Gérez les interruptions réseau avec élégance. Si le flux se coupe, vous devrez peut-être réessayer la requête. Assurez-vous que votre client peut gérer les réponses partielles et les reconstituer correctement. Le streaming est idéal pour les applications en temps réel, mais il nécessite une gestion robuste des erreurs.
Erreurs de paramètres d'appel de fonction
L'appel de fonctions nécessite une configuration précise des paramètres. Assurez-vous que votre tableau 'tools' définit correctement le schéma de la fonction, y compris les paramètres et les descriptions. Le paramètre 'tool_choice' peut être défini sur 'auto', 'required' ou un nom de fonction spécifique.
Les erreurs courantes incluent des champs obligatoires manquants ou des types de données incorrects dans le schéma de l'outil. Vérifiez que votre client envoie 'response_format' comme 'json_object' si vous attendez une sortie structurée. Cela garantit que le modèle renvoie un JSON valide que votre application peut analyser.
Testez d'abord l'appel de fonctions avec des outils simples. Augmentez progressivement la complexité pour identifier tout écart par rapport au schéma. Si le modèle ne parvient pas à appeler un outil, vérifiez le champ 'tool_calls' dans la réponse pour détecter les erreurs. Une configuration appropriée est essentielle pour un appel de fonctions fiable.
Correction des retards de recharge crypto
L'ajout de crédit se fait via la crypto, spécifiquement USDT (TRC20) ou USDC (Base). Les transactions peuvent prendre quelques minutes pour être confirmées sur la blockchain. Si votre crédit n'apparaît pas immédiatement, attendez la confirmation du réseau.
Les crédits bonus sont appliqués automatiquement pour les recharges de 50 $ ou plus : +5 % pour 50 $, +10 % pour 100 $ et +15 % pour 200 $. Assurez-vous d’envoyer le montant exact pour recevoir le bonus correct. Les transactions inférieures à 20 $ ou supérieures à 500 $ peuvent ne pas recevoir de bonus ou être refusées.
Si vous subissez un double débit, contactez le support via la page Support. Les crédits ne sont pas remboursés mais peuvent être ajustés. Conservez une trace de votre ID de transaction pour une résolution plus rapide. Ce modèle prépayé garantit que vous ne perdez jamais de crédit en raison d'une expiration.
Mauvaises configurations de l'ID du modèle
L'utilisation du mauvais ID de modèle est une source fréquente d'erreurs. Pour notre modèle non filtré, l'ID est simplement 'uncensored'. L'envoi d'une requête avec 'gpt-4' ou 'claude-3' entraînera une erreur 'Modèle introuvable'.
Assurez-vous que votre client définit explicitement le champ 'model' sur 'uncensored' dans chaque requête. C'est crucial lors de l'utilisation de SDK compatibles OpenAI qui pourraient par défaut sur d'autres modèles. Vérifiez l'ID du modèle dans vos fichiers de configuration et testez les requêtes.
Notre service ne propose pas de routage de modèles ni de choix multiples. Il s'agit d'un point de terminaison dédié à un seul modèle pour la génération de texte non filtré. Cette simplicité réduit la complexité et garantit des performances cohérentes. Vérifiez toujours l'ID du modèle avant le déploiement en production.
Questions fréquentes
Comment obtenir une clé API GLM ?
Vous pouvez générer une clé API en vous inscrivant sur notre page 'Obtenir une clé API' en utilisant Google ou un e-mail et un mot de passe. La clé est affichée immédiatement après sa création. Aucun numéro de téléphone n'est requis et vous recevez 0,50 $ de crédit d'essai valable 7 jours.
S'agit-il de l'API officielle GLM ?
Non, nous sommes un fournisseur indépendant proposant une API compatible OpenAI non censrée. Nous ne servons pas les modèles GLM officiels de leurs éditeurs respectifs. Notre service est une infrastructure distincte conçue pour la génération de texte à haut volume et à faible latence avec un seul modèle non censré.
Que se passe-t-il si j'obtiens une erreur lors d'une requête ?
Les erreurs sont gratuites. Vous ne payez que pour les jetons générés avec succès et retournés dans la réponse. Si une requête échoue en raison de limites de débit, de problèmes réseau ou d'erreurs de modèle, vous n'êtes pas facturé pour ces jetons.
Puis-je utiliser ma propre URL de base avec le SDK OpenAI ?
Oui, vous pouvez configurer n'importe quel SDK compatible OpenAI en définissant l'URL de base sur HTTPS://api.apiglm.com/v1 et en fournissant votre clé API. Cela vous permet d'utiliser le même code client que vous utiliseriez pour d'autres modèles, garantissant l'absence de verrouillage fournisseur.
Obtenez votre clé instantanément
Inscrivez-vous, copiez la clé, mettez à jour votre URL de base. C'est tout.
