# HTTP 200, empty answer

> Проход размышлений съел весь бюджет генерации до первого токена ответа, и сервер отрапортовал успех, не отдав ничего; поднимите бюджет или выключите reasoning и считайте токены ответа, а не коды статуса.

- Platform: Любой локальный стек
- Runtime: llama.cpp server (Vulkan)
- Published: 2026-09-02
- Sources: https://agmind.ai/ru/reports/answerless-http-200/, https://agmind.ai/ru/glossary/#answerless-request
- Canonical: https://agmind.ai/ru/symptoms/llama-server-http-200-empty-content/

## Что видно

Запрос завершается. Сервер стримит токены и возвращает успешный статус.
Клиент не получает ни символа ответа. Отчёт выносит симптом в заголовок:

```text
HTTP 200, empty answer
```

В поштучных записях качества каждый такой запрос выглядит одинаково:

```text
nonzero reasoning characters and zero answer characters
```

Все привычные метрики сервинга в этот момент выглядят здоровыми. Статус
200. Время до первого токена отличное, потому что первый токен —
рассуждение. Сгенерированных токенов много, потому что модель и правда
работала. Ловит это единственный счётчик — токены ответа, те, что идут после
закрытия reasoning-блока, и почти никто его не собирает. Поле `usage`, где
оба счётчика сложены в одно число, прячет отказ.

## Где мы это поймали

Strix Halo, llama.cpp Vulkan, запиненный digest'ом, один поток запросов,
замороженные корпуса. Симптом воспроизвёлся на двух семействах моделей:
Qwen3.6-35B-A3B с включённым reasoning при бюджете генерации 1024 токена и
Gemma-4-26B в дефолтном режиме, на chat template, где переключателя
reasoning вообще не предусмотрено. Отчёт опубликован 2026-08-14.
Точная сборка рантайма и digest модели — на страницах клеймов по ссылкам
ниже.

## Причина

Проход размышлений и бюджет токенов делят одно окно генерации. Когда модель
выдаёт reasoning-блок, она пишет его раньше ответа. Если бюджет кончается до
того, как блок закрылся, генерация останавливается, и ни один токен ответа
так и не появляется. Транспорт отработал, поэтому сервер рапортует успех.
Отчёт называет долю отказов кривой бюджетного голодания, а не дефектом
модели: доля — свойство ячейки модель × бюджет × корпус.

## Лечение

Отчёт даёт две настройки и одну проверку; готовой командной строки тут нет:

- **Закладывайте бюджет на рассуждения, а не только на ответ.** «Окно в
  1024 токена, вмещающее любой ответ нашего корпуса, почти не вмещает пару
  „рассуждения + ответ“». Выставляйте бюджет генерации под пару целиком.
- **Или выключайте reasoning для повседневного трафика.** На коробке со
  Strix Halo отключение reasoning-блока срезало ожидание первого ответа с
  десятков секунд до значения на
  [странице клейма](https://agmind.ai/ru/claims/strix.qwen36.interactive2.c1.ttfa-nothink/),
  а доля успешных задач на этих ворклоадах не изменилась. Парные ячейки — в
  [сравнении цены reasoning](https://agmind.ai/ru/compare/thinking-vs-no-thinking-qwen36/).
- **Мониторьте токены ответа.** Считайте токены после закрытия
  reasoning-блока, а пустой ответ засчитывайте как отказ, даже когда
  транспорт отработал успешно. Поэтому наш харнесс считает
  [TTFA](https://agmind.ai/ru/glossary/#ttfa) отдельно от TTFT и оставляет answerless-запросы
  в знаменателе.

## Открыто ли апстрим?

Мы не отслеживаем. Ни один из источников не называет upstream-issue; отчёт
относит долю отказов к бюджетному голоданию, а не к дефекту рантайма или
модели.

## Доказательства

- Отчёт: [HTTP 200 и пустой ответ: режим отказа, которого не видит ваш мониторинг](https://agmind.ai/ru/reports/answerless-http-200/)
- Глоссарий: [запрос без ответа (answerless)](https://agmind.ai/ru/glossary/#answerless-request)
- Страницы клеймов: [доля answerless у Qwen3.6 на протестированном бюджете](https://agmind.ai/ru/claims/strix.qwen36.interactive2.c1.answerless-1k/), [доля answerless у Gemma-4 в дефолтном режиме](https://agmind.ai/ru/claims/strix.gemma4.interactive2.c1.answerless-default/)
- Поштучные записи качества: [botAGI/agmind-lab](https://github.com/botAGI/agmind-lab)
- Связанная конфигурация: [Strix Halo × llama.cpp Vulkan × Qwen3.6-35B-A3B](https://agmind.ai/ru/tested-configurations/strix-halo-qwen36-llamacpp-vulkan-interactive/)
- Связанный симптом: [поток размышлений стартует сразу, ответ приходит поздно или никогда](https://agmind.ai/ru/symptoms/thinking-model-first-token-instant-answer-late/)

---

Machine-readable claim registry: https://agmind.ai/claims.json · llms.txt: https://agmind.ai/llms.txt