“Not enough tokens”错误：它意味着什么以及如何修复

“Not enough tokens”并不是一个错误。人们用这个说法指代五种不同的问题：余额为空、请求发送过快、密钥错误、提示词放不进模型的上下文窗口，或者回答触达输出上限并在句子中途停止。每种问题都有自己的修复方法，而区分它们最快的方式是看 HTTP 状态码和错误响应体，而不是消息的措辞。

在表格中找到你的症状，运行检查，应用修复。

“tokens”可能指的三件事#

错误消息中的这个词指向三种不同的量。

• 余额。 Token 是你付费购买的东西，所以“out of tokens”通常意味着“out of money”。在预付费服务中，这就是余额。
• 每分钟限制。 限制可以按请求数或每分钟 token 数计算。触达其中一种，修复方法就是等待并减少一次发送的量。
• 窗口大小。 上下文窗口是模型在一次请求中能读取的 token 数，包括你的提示词和它的回答。

还有一件它从不指代的事：API 密钥不是 token 的库存。密钥标识你的账户。耗尽的是它背后的余额，或附加在它上面的限制。如果你对这个单位本身还不熟悉，请先阅读 What is a token in AI?。

1. 余额为空#

DeepSeek 的 API 文档将 HTTP 402 Insufficient Balance 描述为“You have run out of balance”。Claude 的 API 使用 402 billing_error 表示计费和支付问题。名称不同，情况相同：钱没了。

CheapTokens 在原理上也是如此：预付费余额，按量付费，一个余额适用于所有模型。所以当出问题时，先看余额。这是一个十秒钟的检查，能排除最常见的原因。

2. 你触达了速率限制#

DeepSeek 将 HTTP 429 Rate Limit Reached 记录为请求发送过快，或超出了并发或 QPS 限制。修复方法是控制节奏：减少并行请求，并使用递增的重试延迟（1 秒、2 秒、4 秒），而不是猛打端点。

一个陷阱。Claude 的 API 在你达到所在层级的月度支出上限时也会返回 429 rate_limit_error，而且该响应没有 retry-after 头。因此，等待后始终不消失的 429 可能关乎钱，而不是速度。如果等待没有帮助，请回到原因 1。

3. 密钥错误#

HTTP 401 在两份文档中都是密钥问题：DeepSeek 将其列为 API 密钥错误，Claude 列为 authentication_error。常见原因包括复制密钥时带入了多余的空格或换行、密钥被删除或重新生成，以及密钥被发送到了错误的地址。来自一个服务的密钥在另一个服务的 URL 上无法使用。对于 CheapTokens，基础 URL 是 https://api.cheaptokens.dev/v1。

关于连接时可能遇到的其他错误，请参阅 Common connection errors and how to fix them。

4. 提示词放不进上下文窗口#

上下文窗口计算模型在一次请求中读取的所有内容：系统提示词、整个对话历史、你的新消息，以及为回答预留的空间。在 CheapTokens 上，我们目录中模型的窗口为：

聊天本身没有记忆。客户端在每次请求时都会重新发送整个历史记录，所以每个请求都比上一个更大。下面是一个虚构的聊天，用来展示增长（整数，仅作说明）：系统提示词为 1,000 tokens，每一轮增加约 500 tokens 的问题和 1,500 tokens 的回答，共 2,000。

1,000 + 30 × 2,000 = 61,000 tokens

这是 30 轮之后历史记录的大小。这些 token 中的每一个在下一次请求时都会再次计为输入。第 31 次请求携带这 61,000 tokens 的历史记录加上新的 500 tokens 问题，因此其输入为 61,500 tokens。在 MiniMax-M2.7 上，加上 1,500 tokens 的回答，费用为 $0.0033。以下是同一请求在三个模型上的情况，并附上 OpenRouter 的价格作为对比：

同一个聊天大约在一百轮后填满最小的窗口：

(200,000 − 1,000) / 2,000 = 99.5

当它溢出时，提供商会拒绝请求。状态码因提供商而异，所以要阅读错误响应体。例如，Claude 的 413 request_too_large 关乎请求的字节大小（Messages 为 32 MB），这是与 token 窗口不同的限制。

该怎么办：

• 丢弃最旧的轮次，或用简短摘要替换它们。
• 当任务只需要一章时，不要粘贴整个文档。
• 如果你确实需要全文，请换用窗口更大的模型。

5. 回答被截断#

这里没有错误，这正是它令人困惑的原因。模型只是停止了，因为它达到了 max_tokens 或模型自身的输出上限。在 Chat Completions 格式中，标志是 choice 上的 finish_reason: "length"。

在 CheapTokens 上，DeepSeek-V4-Flash 每次回答最多可返回 32,768 tokens；GLM-5.3-Flash 和 MiniMax-M2.7 最多 8,192。如果你的 max_tokens 低于该值，请提高它。如果你已经达到上限，请拆分任务（“写第 1 部分，共 3 部分”）或要求模型从最后一句继续。

MiniMax-M2.7 的输出价格为每 1M tokens $0.15，在输出方面比 OpenRouter 更便宜。

同一问题，不同名称#

提供商对相同原因使用不同标签。以下是截至 2026 年 10 月 20 日其文档所述：

来源：DeepSeek error codes、Claude API errors。两个页面都没有显示发布日期，所以检查日期是我们的。

要点：不要根据措辞猜测。错误以 JSON 返回，包含一个 error 对象，其中有 type 和 message。根据状态码和类型进行匹配，因为消息文本会变化。

看看实际返回什么#

这个片段会打印失败请求的状态码和响应体，以及成功请求的 finish_reason。这是一个诊断草图，不是测试日志：用你自己的密钥运行它，并阅读你得到的结果。

# 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

如果检查指向余额#

充值余额并再次发送请求。CheapTokens 上的价格按模型固定，没有高峰时段，一个余额覆盖所有模型，因此你不需要为每个模型单独充值。当前费率在这里：

在充值之前，将你自己的用量代入成本表。Top up your balance 当数字看起来合适时，如果你想先估算更大的工作量，请参阅 How to estimate the cost of an AI agent。