GLM api Key: Руководство по устранению неполадок

Почему ваш ключ возвращает 'Unauthorized'

Ошибка 'Unauthorized' обычно возникает из-за несоответствия между вашим API-ключом и базовым URL-адресом эндпоинта. При интеграции новой LLM в редакторы, такие как Zed или Trae, необходимо убедиться, что базовый URL указывает непосредственно на эндпоинт завершения чата провайдера, а не на общий прокси. Если вы используете клиент, совместимый с OpenAI, базовый URL для нашего сервиса — HTTPS://api.apiglm.com/v1. Передача неверного URL или просроченного ключа немедленно вызовет ответ 401.

Другая распространенная причина — отправка ключа в неверном формате заголовка. Некоторые клиенты ожидают 'Authorization: Bearer ', в то время как другие могут неверно интерпретировать поле ввода. Убедитесь, что ваш ключ скопирован точно так же, как показано на панели управления после входа через Google или электронную почту. Шага проверки по номеру телефона нет, поэтому, если ключ действителен, он должен работать в любой стандартной реализации OpenAI SDK.

• Проверьте, что базовый URL заканчивается на /v1.
• Убедитесь, что в строке URL нет завершающих слэшей.
• Убедитесь, что ключ не был отозван или заменён.

Обработка проблемы с 'Thinking Block'

Пользователи моделей с тяжелым мышлением часто сталкиваются с пустыми блоками 'мышления', где модель выводит тег, но без текста. Это не всегда ошибка в вашем коде, а поведение архитектуры базовой uncensored модели. Модель может решить вывести блок рассуждений, содержащий пробелы или нулевые символы, которые ваш парсер может интерпретировать как пустой ответ.

Чтобы справиться с этим, настройте ваш клиент так, чтобы он игнорировал пустые теги рассуждений или удалял пробелы перед обработкой. Если вы используете пользовательский трансформер рассуждений, убедитесь, что он правильно обрабатывает эти граничные случаи. Модель настроена на прямые ответы, поэтому избыточные блоки размышлений иногда могут указывать на необходимость настройки параметров 'temperature' или 'top_p', чтобы поощрять более прямые ответы.

Отладка включает логирование сырых байтов ответа. Если блок размышлений присутствует, но пуст, его безопасно пропустить и перейти к генерации фактического содержимого. Это гарантирует, что ваше приложение не зависнет в ожидании несуществующего текста.

Настройка базовых URL в редакторах

Подключение нецензурированной LLM к локальным редакторам, таким как Zed или Claude Code, требует переопределения переменных окружения по умолчанию. Большинство редакторов используют базовый URL OpenAI. Вам нужно явно установить базовый URL на HTTPS://api.apiglm.com/v1 в ваших конфигурационных файлах.

Для файлов .env.development или config.js убедитесь, что переменная API key правильно сопоставлена. Например, установите переменную base URL так, чтобы она указывала на наш конечный пункт. Это гарантирует, что все запросы, включая вызов функций и стриминг, маршрутизируются через нашу инфраструктуру. Если редактор не поддерживает пользовательские базовые URL, вам может потребоваться использовать прокси или скрипт-обёртку, который преобразует стандартный протокол OpenAI в наш конечный пункт.

Убедитесь в интеграции, отправив простой запрос 'ping'. Если вы получите действительный JSON-ответ, ваша конфигурация верна. Этот шаг критически важен перед попыткой сложных многооборотных разговоров.

Ошибки лимитов запросов и параллелизма

Наша инфраструктура устанавливает строгие лимиты скорости для обеспечения стабильности при высокой нагрузке. Каждый API-ключ ограничен 300 запросами в минуту и может обрабатывать до 8 одновременных запросов. Если вы превысите эти лимиты, вы получите ошибку 429 Too Many Requests.

Чтобы избежать этих ошибок, реализуйте экспоненциальное замедление с повторными попытками в коде клиента. Отслеживайте заголовок 'Retry-After' в ответе, если он доступен. Кроме того, убедитесь, что ваше приложение не испытывает скачков трафика в часы пик. Если вы запускаете несколько экземпляров, распределяйте нагрузку между разными ключами или управляйте параллелизмом на уровне приложения.

Размер тела запроса также ограничен 8 МБ. Большие промпты или множество вызовов инструментов могут превысить этот лимит. Разбейте ввод на части или уменьшите количество параллельных запросов, чтобы оставаться в этих пределах. Эти лимиты прозрачны и предназначены для предотвращения исчерпания ресурсов.

Подсчет токенов и контекстное окно

Понимание использования токенов критично для управления затратами. Наша модель поддерживает контекстное окно объемом 100,000 токенов, которое включает как промпт, так и завершение. Максимальный объем вывода за один запрос составляет 16,000 токенов или 2,048, если не указано 'max_tokens'.

Тарификация основана на фактическом использовании токенов: $0.15 за миллион входных токенов и $0.50 за миллион выходных токенов. Ошибки и отказы бесплатны, поэтому вы платите только за успешную генерацию контента. Эта предоплаченная модель означает, что ваш кредит не истекает, и вы можете пополнить его криптой в любое время.

Отслеживайте использование токенов в вашем приложении, анализируя метаданные ответа. Последний фрагмент потокового ответа содержит общее количество токенов. Это позволяет контролировать расходы в реальном времени и корректировать промпты, чтобы оставаться в рамках бюджета. Эффективное использование токенов — ключ к максимальной ценности вашего предоплаченного кредита.

Парсинг потоковых ответов

Потоковые ответы доставляются через Server-Sent Events (SSE). Каждый фрагмент содержит часть ответа, но данные об использовании токенов включаются только в последний фрагмент. Это означает, что вы не можете рассчитать общее использование токенов до завершения потока.

Разбирайте поток, прослушивая события 'data'. Накапливайте текстовые чанки, чтобы сформировать полный ответ. Когда вы получите последний чанк, извлеките поле 'usage', чтобы обновить локальный счетчик токенов. Этот подход обеспечивает точный биллинг и помогает отслеживать потребление ресурсов.

Обрабатывайте сетевые прерывания корректно. Если поток прерывается, возможно, потребуется повторить запрос. Убедитесь, что ваш клиент может обрабатывать частичные ответы и правильно их собирать. Потоковая передача идеальна для приложений реального времени, но требует надежной обработки ошибок.

Ошибки параметров при использовании Function Calling

Вызов функций требует точной конфигурации параметров. Убедитесь, что ваш массив 'tools' правильно определяет схему функции, включая параметры и описания. Параметр 'tool_choice' может быть установлен в 'auto', 'required' или имя конкретной функции.

Типичные ошибки включают отсутствие обязательных полей или неверные типы данных в схеме инструмента. Убедитесь, что ваш клиент отправляет 'response_format' как 'json_object', если вы ожидаете структурированный вывод. Это гарантирует, что модель вернет действительный JSON, который ваше приложение сможет распарсить.

Сначала протестируйте вызов функций с простыми инструментами. Постепенно увеличивайте сложность, чтобы выявить любые несоответствия схемам. Если модель не вызывает инструмент, проверьте поле 'tool_calls' в ответе на наличие ошибок. Правильная конфигурация имеет решающее значение для надежного вызова функций.

Исправление задержек при пополнении криптовалютой

Пополнение кредита осуществляется через криптовалюту, конкретно USDT (TRC20) или USDC (Base). Транзакции могут занять несколько минут на подтверждение в блокчейне. Если ваш кредит не появился сразу, подождите подтверждения сети.

Бонусные кредиты автоматически применяются при пополнении от $50: +5% к $50, +10% к $100 и +15% к $200. Убедитесь, что вы отправляете точную сумму, чтобы получить правильный бонус. Транзакции на сумму менее $20 или более $500 могут не получить бонус или быть отклонены.

При двойном списании свяжитесь с поддержкой через страницу поддержки. Кредиты не возвращаются, но могут быть скорректированы. Ведите запись идентификатора транзакции для более быстрого решения. Эта предоплаченная модель гарантирует, что вы никогда не потеряете кредит из-за истечения срока.

Неправильная конфигурация идентификатора модели

Использование неверного идентификатора модели — частый источник ошибок. Для нашей uncensored модели ID — это просто 'uncensored'. Отправка запроса с 'gpt-4' или 'claude-3' приведет к ошибке 'Model Not Found'.

Убедитесь, что ваш клиент явно устанавливает поле 'model' в 'uncensored' в каждом запросе. Это критично при использовании OpenAI-совместимых SDK, которые могут по умолчанию использовать другие модели. Проверьте идентификатор модели в ваших конфигурационных файлах и тестовых запросах.

Наш сервис не предлагает маршрутизацию моделей или несколько вариантов моделей. Это конечная точка с одной моделью, предназначенная для генерации текста без цензуры. Эта простота снижает сложность и обеспечивает стабильную производительность. Всегда дважды проверяйте идентификатор модели перед развертыванием в продакшене.