Appearance
常见错误以及解决办法
为什么询问ai大模型的名称，它们无法正确回答？
训练数据的时间差
模型训练时使用的数据通常早于模型发布，训练数据中不包含关于"自己"的信息，模型无法"知道"自己最终会被命名为什么
自我认知的缺失
AI模型本质上是在预测下一个词，它们没有真正的"自我意识"，关于自身身份的信息需要被明确编程或注入
如果你需要模型正确回答自己是哪个模型，可以在系统提示词中加入相关信息，例如：
You are GPT-4, a large language model trained by OpenAI.为什么 ChatGPT / Claude 等官方网页版应用能够正确回答自己是哪个模型？
这是因为官方网页版应用是to C 产品，它们在系统提示词中已经加入了相关信息，所以它们能够正确回答自己是哪个模型。
常见错误代码
| 错误代码 | 说明 |
|---|---|
| 400 Bad Request | 请求格式错误或无效。这通常意味着你的请求参数有误，需要你检查并修正请求参数。 |
| 401 Unauthorized | 请求令牌无效。这通常意味着你的请求令牌有误，需要你检查并修正请求参数。 |
| 403 Forbidden | 余额不足 |
| 404 Not Found | 请求地址错误 |
| 413 Request Entity Too Large | 请求体太大。你可能需要减少你的请求数据量。 |
| 429 Too Many Requests | 由于短时间内发送过多的请求，你已经超过了你的速率限制。 |
| 500 Internal Server Error | 服务器内部错误。 |
| 503 Service Unavailable | 服务暂时不可用。这可能是由于 OpenAI 正在进行维护或者服务器过载。 |
后台额度充足，使用 API 提示额度不足？
请确认你后台创建的令牌余额充足
提示当前分组下没有可用渠道？
- 确认模型名称是否正确
- 确认当前渠道类型是否有该模型
为什么GPT-5 等推理模型会返回空响应内容？
请检查是否设置了max_tokens 参数，如果设置了，请尝试移除该参数，或者将其设置为一个较大的值。
这是因为推理tokens 同样会计算在max_tokens中，如果设置的值过小，当推理tokens > max_tokens 时，已经满足了限制条件，会立即停止输出内容，导致返回空响应。
特别是OpenAI的推理模型，由于OpenAI不会返回推理内容，所以会直接返回空响应内容。
chat接口可以通过返回的finish_reason 字段来判断是否是因为max_tokens 导致的响应中断。
| finish_reason 内容 | 说明 |
|---|---|
| stop | 正常结束 |
| length | 达到 max_tokens 限制 |
| content_filter | 内容被过滤 |
response接口通过判断status字段，如果status 字段为completed 则表示正常结束，如果为incomplete 则表示出现异常，然后通过incomplete_details.reason 字段来判断具体原因。
| reason 内容 | 说明 |
|---|---|
| max_output_tokens | 达到 max_tokens 限制 |
为什么o3-deep-research / o4-mini-deep-research 请求报错
OpenAI的deep-research模型必须要使用网络搜索工具或者mcp工具才能运行。
使用web_search_preview工具
bash
curl --location --request POST 'https://api.uniapi.io/v1/responses' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer sk-xxxx' \
--data-raw '{
"model": "o3-deep-research",
"stream" : true,
"input": [
{
"role": "user",
"content": "今天是2025-07-23,有哪些新闻？"
}
],
"tools": [
{
"type": "web_search_preview"
}
]
}'使用mcp工具
json
{
"model": "o3-deep-research",
"stream" : true,
"input": [
{
"role": "user",
"content": "获取网页内容并总结：https://xxxxx"
}
],
"tools": [
{
"type": "mcp",
"server_label": "modelscope",
"server_url": "https://mcp.api-inference.modelscope.net/xxxx/sse"
}
]
}GPT-5 / GPT-5-mini 为什么这么慢？
这是因为GPT-5系列是推理模型，而OpenAI不输出推理内容，所以我们需要等待OpenAI推理完成后，才能返回结果。
如果想要响应速度更快，可以降低推理程度。例如：
json
{
"model": "gpt-5",
"stream": true,
"input": "hi~",
"reasoning": {
"effort": "minimal"
}
}| 努力程度 | 说明 |
|---|---|
| minimal | 最小努力，响应速度最快, 仅支持gpt-5系列模型使用， o系列无法使用 |
| low | 较低努力，响应速度较快 |
| medium | 中等努力，响应速度较慢 |
| high | 最大努力，响应速度最慢 |
Gemini 2.5 Flash为什么这么慢
这是因为Gemini 2.5 Flash 是混合模型，默认开启推理。
如果想要响应速度更快，可以关闭推理。
OpenAI chat API 接口可以直接请求gemini-2.5-flash-nothinking。
如果使用Gemini API 接口，需要设置thinkingConfig 参数：
json
curl --location --request POST 'https://api.uniapi.io/gemini/v1beta/models/gemini-2.5-flash:streamGenerateContent?alt=sse' \
--header 'Content-Type: application/json' \
--header 'x-goog-api-key: sk-xxxxx' \
--data-raw '{
"contents": [
{
"role": "user",
"parts": [
{
"text": "hi~"
}
]
}
],
"generationConfig": {
"thinkingConfig": {
"includeThoughts": false,
"thinkingBudget": 0
}
}
}'为什么推理模型很容易请求失败 / 超时 ？
这是因为推理模型会需要更多的耗时，特别是在遇到复杂的任务时， 耗时可能超过2000s，所以很容易请求失败或者超时。 解决方法：
- 尽量使用
stream模式，避免请求超时。 - 如果想要在
非 stream模式下使用，需要增加请求超时设置。 - 也可以在
令牌管理页面中，打开心跳设置(实验性)的开关。
⚠️ 注意
心跳设置是指当在请求时，如果长时间没有返回数据，您的客户端可能会因为超时机制而断开连接。为了保持TCP连接不会因超时中断，您可以开启心跳设置，当请求超出您设置的开始时间，且无响应时，我们将会每隔5秒发送一次心跳请求(非流式请求返回空行，流式返回::PING)，以保持连接。注意：如果您在使用中转程序时，请不要开启该设置，可能会出现不可预知的问题。