Skip to main content
一句話結論:讓大模型一次產出上萬字(分集大綱、長篇小說、長翻譯、大段程式碼)時,用流式、不要用非流式;客戶端 read timeout 按「兩次資料事件之間的間隔」設(幾十秒即可,建議 90~120 秒),不要按「整段生成的總時長」設;max_tokens 給足;拿到響應後先看 stop_reason 再用正文。做到這四點,長文場景就不會「拿不到結果」。
本頁面向所有大模型通用(OpenAI、Claude、Gemini、Grok 等),程式碼示例以 Claude 原生 /v1/messages 為主,OpenAI 相容格式的差異單獨標註。

三個先知道的事實

  1. 出萬字長文,真實生成 10~20 分鐘是常態。模型要逐 token 產出上萬字,疊加推理/思考階段,端到端耗時本就很長。這不是閘道慢,是生成本身慢。
  2. 非流式要「整段攢齊」才回寫。非流式(stream 不傳或為 false)下,服務端必須等模型把整段生成完,再一次性把響應體回傳給你。這幾分鐘裡你的客戶端 read timeout 一直在和它賽跑,生成越久越容易在拿到結果前先斷開——斷開時異常資訊經常是空的(httpx.ReadErrorstr(e) 為空),看不出病因。
  3. 斷連仍然計費,盲目重試是重複計費。只要服務端已經產出,哪怕最後沒送達你,這次呼叫也照常計費。已經收到部分正文再斷開的情況,重試等於讓模型再跑一遍、再付一次錢。

用流式,不要用非流式

流式(stream: true)下,首位元組幾秒內就到,之後每隔幾十秒必有一個數據事件。你的 read timeout 只需覆蓋「兩次事件之間的間隔」,而不是覆蓋長達十幾分鐘的整段生成——這是流式能穩定拿到長文結果的根本原因。 兩種協議的結束訊號不同,別混用: Claude 原生開啟自適應思考時,會出一個 type: "thinking" 的思考塊(增量是 thinking_delta),再出 text 正文塊。渲染時把 thinking_deltatext_delta 分流即可,思考增量不拼進正文。 Claude 原生 /v1/messages 流式最小可用示例(純 httpx,逐行解析 SSE):
如果你用官方 anthropic SDK,把 base_url 指到 https://api.apiyi.com,再用 client.messages.stream(...).get_final_message() 即可一步到位——SDK 自帶了 SSE 解析、超時處理、stop_reason 判定。上面的 httpx 版本是給不想引 SDK 的場景。

read timeout 按事件間隔設,不是按總時長

很多人把 read timeout 設成一個能兜住整段生成的巨大值(比如 1800 秒),結果照樣超時——因為非流式下這個值要和整段生成競速,稍有波動就斷。正確做法是流式 + 按事件間隔設 read timeout。 實測參考(claude-opus-5 出約 2 萬字分集大綱,輸入約 1.5 萬字符): 所以 read timeout 設 90 ~ 120 秒足以覆蓋最大事件間隔並留餘量,不必設成十幾分鍾。三段式超時把三個階段拆開,各自設值:

max_tokens 給足,並檢查 stop_reason

長輸出容易撞到 max_tokens 上限被截斷。尤其是 Claude 這類開了思考的模型,思考本身也佔 max_tokens 預算,一份長文很容易把預算吃滿。
  • max_tokens 建議 64000 起步(開高 effort / 深度思考時更要給足;claude-opus-5 輸出上限 128K)。
  • 拿到響應先看 stop_reason
    • end_turn——正常結束,正文完整,這才算成功。
    • max_tokens——被截斷,正文可能不完整甚至為空。這是被截斷不是「空結果」,把 max_tokens 調大後重試即可。
    • refusal——被安全策略拒絕,單獨處理。
只用 str(e) 或「正文為空」來判斷成敗會誤導——空正文的真實原因往往是 max_tokens 截斷。

重試策略

長文場景的重試要剋制,別讓「失敗重試」變成「重複計費 + 重複長跑」:
  • 只對「拿到響應頭之前的失敗」和 5xx / 429 重試(退避、最多 2 次)。這類是建連/瞬時問題,重試有意義。
  • 已經收到部分正文再斷流的,不要盲目重試。服務端已經產出並計費,重試是讓它再跑一遍、再付一次錢。
  • 記錄響應頭裡的 request id,方便對賬和排查。

場景速查

全部走流式;節點用 api.apiyi.com(中國大陸推薦)或 vip.apiyi.com(海外推薦),不要用 api-cf.apiyi.com(CDN 節點約 100 秒就 524,扛不住長請求)。

相關連結

如何避免介面超時

分場景的 timeout 推薦值

流式 vs 非流式

兩種模式的差異與選型

Claude 思考與 effort

自適應思考、effort 檔位、max_tokens 與截斷

Claude 響應處理

原生響應結構、SSE 事件、stop_reason