"पर्याप्त टोकन नहीं" त्रुटि: इसका क्या अर्थ है और इसे कैसे ठीक करें

"पर्याप्त टोकन नहीं" एक ही त्रुटि नहीं है। लोग इस वाक्यांश का इस्तेमाल पाँच अलग-अलग समस्याओं के लिए करते हैं: बैलेंस खाली है, अनुरोध बहुत तेज़ी से आ रहे हैं, कुंजी गलत है, प्रॉम्प्ट मॉडल के कॉन्टेक्स्ट विंडो में फ़िट नहीं होता, या उत्तर आउटपुट सीमा पर पहुँचकर वाक्य के बीच में रुक गया। हर एक का अपना समाधान है, और इन्हें अलग पहचानने का सबसे तेज़ तरीका संदेश का शब्दों का चयन नहीं, बल्कि HTTP स्टेटस और एरर बॉडी है।

तालिका में अपना लक्षण खोजें, जाँच चलाएँ, समाधान लागू करें।

"टोकन" के तीन अर्थ हो सकते हैं#

त्रुटि संदेश में यह शब्द तीन अलग-अलग मात्राओं की ओर इशारा करता है।

• बैलेंस। टोकन वह है जिसका आप भुगतान करते हैं, इसलिए "टोकन खत्म" का अर्थ अक्सर "पैसा खत्म" होता है। प्रीपेड सेवा में यह बैलेंस है।
• प्रति मिनट सीमा। सीमाएँ अनुरोधों में या प्रति मिनट टोकन में गिनी जा सकती हैं। एक पर पहुँचें तो समाधान है रुकना और एक बार में कम भेजना।
• विंडो आकार। कॉन्टेक्स्ट विंडो यह है कि मॉडल एक अनुरोध में कितने टोकन पढ़ सकता है, आपका प्रॉम्प्ट और उसका उत्तर मिलाकर।

और एक बात जिसका इसका अर्थ कभी नहीं होता: API कुंजी टोकन का भंडार नहीं है। कुंजी आपके खाते की पहचान है। जो खत्म होता है वह उसके पीछे का बैलेंस है, या उससे जुड़ी कोई सीमा। यदि आप इस इकाई में नए हैं, तो What is a token in AI? से शुरू करें।

1. बैलेंस खाली है#

DeepSeek का API दस्तावेज़ HTTP 402 Insufficient Balance को "You have run out of balance" बताता है। Claude का API बिलिंग और भुगतान समस्याओं के लिए 402 billing_error का उपयोग करता है। अलग नाम, वही स्थिति: पैसा खत्म।

CheapTokens सिद्धांत रूप में उसी तरह काम करता है: प्रीपेड बैलेंस, पे ऐज़ यू गो, सभी मॉडलों के लिए एक बैलेंस। इसलिए जब कुछ टूटे, तो पहले बैलेंस देखें। यह दस सेकंड की जाँच है और सबसे आम कारण को बाहर कर देती है।

2. आप रेट लिमिट पर पहुँच गए#

DeepSeek HTTP 429 Rate Limit Reached को बहुत तेज़ी से आते अनुरोध, या कॉन्करेंसी या QPS सीमा पार होने के रूप में दस्तावेज़ित करता है। समाधान है उन्हें गति देना: कम समानांतर अनुरोध, और एंडपॉइंट पर लगातार प्रहार करने के बजाय बढ़ती देरी (1 s, 2 s, 4 s) के साथ फिर से प्रयास।

एक जाल। Claude का API 429 rate_limit_error तब भी लौटाता है जब आप अपने टियर की मासिक खर्च सीमा पर पहुँचते हैं, और उस प्रतिक्रिया में retry-after हेडर नहीं होता। इसलिए रुकने के बाद भी कभी न ठीक होने वाला 429 पैसे के बारे में हो सकता है, गति के बारे में नहीं। यदि रुकने से मदद नहीं मिलती, तो कारण 1 पर वापस जाएँ।

3. कुंजी गलत है#

HTTP 401 दोनों दस्तावेज़ों में कुंजी की समस्या है: DeepSeek इसे गलत API कुंजी के रूप में सूचीबद्ध करता है, Claude authentication_error के रूप में। सामान्य कारण हैं कुंजी के साथ कॉपी हुआ अतिरिक्त स्पेस या न्यूलाइन, हटाई या फिर से जनरेट की गई कुंजी, और गलत पते पर भेजी गई कुंजी। एक सेवा की कुंजी दूसरी सेवा के URL पर काम नहीं करती। CheapTokens के लिए बेस URL है https://api.cheaptokens.dev/v1।

कनेक्ट करते समय आने वाली अन्य त्रुटियों के लिए, देखें Common connection errors and how to fix them।

4. प्रॉम्प्ट कॉन्टेक्स्ट विंडो में फ़िट नहीं होता#

कॉन्टेक्स्ट विंडो वह सब कुछ गिनती है जो मॉडल एक अनुरोध में पढ़ता है: सिस्टम प्रॉम्प्ट, पूरा बातचीत इतिहास, आपका नया संदेश, और उत्तर के लिए जगह। CheapTokens पर, हमारे कैटलॉग में मॉडलों की विंडो हैं:

चैट की अपनी कोई स्मृति नहीं होती। क्लाइंट हर अनुरोध के साथ पूरा इतिहास फिर से भेजता है, इसलिए हर अनुरोध पिछले से बड़ा होता है। वृद्धि दिखाने के लिए एक काल्पनिक चैट (गोल संख्याएँ, केवल उदाहरण के लिए): 1,000 टोकन का सिस्टम प्रॉम्प्ट, और हर टर्न लगभग 500 टोकन प्रश्न और 1,500 टोकन उत्तर जोड़ता है, कुल 2,000।

1,000 + 30 × 2,000 = 61,000 टोकन

यह 30 टर्न के बाद इतिहास का आकार है। उनमें से हर टोकन अगले अनुरोध पर फिर से इनपुट के रूप में गिना जाता है। 31वाँ अनुरोध वह 61,000-टोकन इतिहास और नया 500-टोकन प्रश्न ले जाता है, इसलिए उसका इनपुट 61,500 टोकन है। MiniMax-M2.7 पर 1,500-टोकन उत्तर के साथ इसकी लागत $0.0033 है। यहाँ उसी अनुरोध के लिए तीनों मॉडल हैं, तुलना के लिए OpenRouter मूल्य के साथ:

वही चैट सबसे छोटी विंडो को लगभग सौ टर्न में भर देती है:

(200,000 − 1,000) / 2,000 = 99.5

जब यह ओवरफ़्लो होता है, तो प्रदाता अनुरोध अस्वीकार कर देता है। स्टेटस कोड प्रदाता के अनुसार बदलता है, इसलिए एरर बॉडी पढ़ें। उदाहरण के लिए, Claude का 413 request_too_large बाइट्स में अनुरोध आकार के बारे में है (Messages के लिए 32 MB), जो टोकन विंडो से अलग सीमा है।

क्या करें:

• सबसे पुराने टर्न हटा दें, या उन्हें छोटे सारांश से बदल दें।
• जब कार्य को एक अध्याय चाहिए तो पूरा दस्तावेज़ पेस्ट न करें।
• यदि आपको वास्तव में पूरा टेक्स्ट चाहिए तो बड़ी विंडो वाले मॉडल पर जाएँ।

5. उत्तर कट गया#

यहाँ कोई त्रुटि नहीं है, और यही इसे भ्रमित करने वाला बनाता है। मॉडल बस रुक गया क्योंकि वह max_tokens या मॉडल की अपनी आउटपुट सीमा पर पहुँच गया। Chat Completions प्रारूप में संकेत चॉइस पर finish_reason: "length" है।

CheapTokens पर, DeepSeek-V4-Flash प्रति उत्तर 32,768 टोकन तक लौटा सकता है; GLM-5.3-Flash और MiniMax-M2.7 8,192 तक। यदि आपका max_tokens उससे कम है, तो उसे बढ़ाएँ। यदि आप पहले से सीमा पर हैं, तो काम विभाजित करें ("write part 1 of 3") या मॉडल से अंतिम वाक्य से जारी रखने को कहें।

MiniMax-M2.7 आउटपुट का मूल्य $0.15 प्रति 1M टोकन है, और यह आउटपुट पर OpenRouter से सस्ता है।

अलग-अलग नामों के तहत वही समस्या#

प्रदाता एक ही कारणों को अलग-अलग लेबल करते हैं। 20 अक्टूबर 2026 तक उनके दस्तावेज़ यह कहते हैं:

स्रोत: DeepSeek error codes, Claude API errors। किसी भी पृष्ठ पर प्रकाशन तिथि नहीं दिखती, इसलिए जाँच की तिथि हमारी है।

मुख्य बात: शब्दों से अनुमान न लगाएँ। त्रुटियाँ JSON के रूप में लौटती हैं जिसमें एक error ऑब्जेक्ट होता है जिसमें type और message होते हैं। स्टेटस और प्रकार पर मिलान करें, क्योंकि संदेश का टेक्स्ट बदलता है।

देखें कि वास्तव में क्या लौटता है#

यह स्निपेट विफल अनुरोध का स्टेटस और बॉडी और सफल अनुरोध का finish_reason प्रिंट करता है। यह एक नैदानिक रेखाचित्र है, परीक्षण लॉग नहीं: इसे अपनी कुंजी के साथ चलाएँ और जो मिले उसे पढ़ें।

# Placeholders: YOUR_API_KEY, MODEL_ID (a model id you have access to)
from openai import OpenAI, APIStatusError

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.cheaptokens.dev/v1")

try:
    r = client.chat.completions.create(
        model="MODEL_ID",
        messages=[{"role": "user", "content": "Write a long checklist."}],
        max_tokens=1000,
    )
except APIStatusError as e:
    # Read the status and the body, not the wording of the message
    print("status:", e.status_code)
    print("body:", e.body)
else:
    print("finish_reason:", r.choices[0].finish_reason)  # "length" = cut off
    print("usage:", r.usage)  # prompt_tokens and completion_tokens

यदि जाँच बैलेंस की ओर इशारा करती है#

बैलेंस टॉप अप करें और अनुरोध फिर से भेजें। CheapTokens पर मूल्य प्रति मॉडल निश्चित हैं, कोई पीक आवर्स नहीं हैं, और एक बैलेंस हर मॉडल को कवर करता है, इसलिए आपको हर एक के लिए अलग टॉप-अप की ज़रूरत नहीं है। वर्तमान दरें यहाँ हैं:

टॉप अप करने से पहले अपनी मात्रा को लागत तालिका में डालें। जब संख्याएँ सही लगें तो Top up your balance करें, और यदि आप पहले बड़े वर्कलोड का अनुमान लगाना चाहते हैं, तो देखें How to estimate the cost of an AI agent।