Časové limity a odolnost v produkci
Na této stránce
Připrav svou aplikaci na reálný svět
V produkčním prostředí mohou požadavky na API Responses trvat dlouho – zejména u modelů s odůvodněním, které před odpovědí intenzivně přemýšlejí. Špatné zpracování časových limitů může vést k tichým selháním nebo zhoršené uživatelské zkušenosti.
Časový limit 3600 sekund
xAI doporučuje pro požadavky na modely s odůvodněním nastavit minimální časový limit 3600 sekund (1 hodina). To je výrazně déle než u běžných API, což má dopad na tvou architekturu.
Proč tak dlouho?
Modely Grok-4.5 s odůvodněním mohou před vygenerováním odpovědi spotřebovat stovky tisíc interních tokenů pro úvahy. U složitých problémů (pokročilá matematika, analýza kódu, vícekrokové odůvodnění) může model přemýšlet několik minut.
Konfigurace na straně klienta
import httpx
from openai import OpenAI
# OpenAI SDK s prodlouženým časovým limitem
client = OpenAI(
api_key="xai-...",
base_url="https://api.x.ai/v1",
timeout=httpx.Timeout(3600.0, connect=10.0)
)
V curl:
curl --max-time 3600 https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{...}'
Zpracování chyb
Běžné chyby
| Kód HTTP | Příčina | Akce |
|---|---|---|
| 401 | Neplatný API klíč | Ověř klíč |
| 429 | Dosažen limit rychlosti | Opakuj s exponenciálním zpětným čekáním |
| 500 | Chyba serveru xAI | Opakuj po několika sekundách |
| 503 | Služba nedostupná | Opakuj po 30 sekundách |
| Časový limit | Požadavek příliš dlouhý | Zvyš časový limit nebo zjednoduš prompt |
Vzorec opakování s exponenciálním zpětným čekáním
import time
def call_with_retry(client, max_retries=3, **kwargs):
for attempt in range(max_retries):
try:
return client.responses.create(**kwargs)
except Exception as e:
if attempt == max_retries - 1:
raise
wait = 2 ** attempt # 1s, 2s, 4s
print(f"Error: {e}. Retrying in {wait}s...")
time.sleep(wait)
Omezování rychlosti (Rate Limiting)
xAI vynucuje limity rychlosti na základě tvého plánu. Implementuj omezovač rychlosti na straně klienta:
import time
from collections import deque
class RateLimiter:
def __init__(self, max_requests_per_minute=60):
self.max_rpm = max_requests_per_minute
self.timestamps = deque()
def wait_if_needed(self):
now = time.time()
# Odstraň časová razítka starší než jedna minuta
while self.timestamps and self.timestamps[0] < now - 60:
self.timestamps.popleft()
if len(self.timestamps) >= self.max_rpm:
sleep_time = 60 - (now - self.timestamps[0])
time.sleep(max(0, sleep_time))
self.timestamps.append(time.time())
Asynchronní architektura
U webových aplikací neblokuj hlavní vlákno na 3600 sekund. Použij asynchronní architekturu:
import asyncio
from openai import AsyncOpenAI
client = AsyncOpenAI(
api_key="xai-...",
base_url="https://api.x.ai/v1"
)
async def process_request(user_input):
response = await client.responses.create(
model="grok-4.20-0309-reasoning",
input=user_input,
stream=True
)
async for event in response:
if event.type == "response.output_text.delta":
yield event.delta
Streamování je nejlepší přístup pro interaktivní aplikace: uživatelé vidí první tokeny během několika sekund, i když úplné generování trvá déle.
Jistič (Circuit Breaker)
Pro ochranu své aplikace před výpadky API xAI:
class CircuitBreaker:
def __init__(self, failure_threshold=5, reset_timeout=60):
self.failures = 0
self.threshold = failure_threshold
self.reset_timeout = reset_timeout
self.last_failure = 0
self.is_open = False
def call(self, func, *args, **kwargs):
if self.is_open:
if time.time() - self.last_failure > self.reset_timeout:
self.is_open = False
self.failures = 0
else:
raise Exception("Circuit open — API unavailable")
try:
result = func(*args, **kwargs)
self.failures = 0
return result
except Exception as e:
self.failures += 1
self.last_failure = time.time()
if self.failures >= self.threshold:
self.is_open = True
raise
Klíčové poznatky
- Nastav minimální časový limit 3600 sekund pro modely s odůvodněním
- Implementuj opakování s exponenciálním zpětným čekáním pro chyby 429 a 500
- Pro interaktivní aplikace používej streamování – uživatelé okamžitě vidí tokeny
- Zpracovávej omezování rychlosti na straně klienta, abys předešel chybám 429
- Zvaž použití jističe (circuit breaker) na ochranu aplikace před výpadky API