"Selected model is at capacity" biasanya berarti model yang dipilih sedang penuh, jalur routing bermasalah, atau akun Anda terkena batas kuota/rate limit. Dari sumber publik, pesan ini tidak selalu berarti satu model rusak. Di beberapa kejadian, error muncul lintas model dan berbarengan dengan incident di OpenAI Status.

Workspace AI dengan peringatan kapasitas model dan dashboard beban layanan
Saat error muncul, cek apakah gangguan hanya di satu model atau ikut muncul di layanan lain.

Apa yang terlihat di sumber publik

SumberTanggalSinyal yang terlihat
GitHub openai/codex #2850716 Juni 2026Pengguna Pro 5x melaporkan error berulang dalam satu jam.
GitHub openai/codex #3000825 Juni 2026Pengguna Pro 20 melihat kuota mingguan cepat terpakai dan error kapasitas terus muncul.
GitHub openai/codex #433757 September 2026Error muncul di beberapa GPT-5 dan GPT-6 model sekaligus.
OpenAI Status3–4 September 2026OpenAI mencatat elevated errors di ChatGPT dan Codex, lalu incident APAC yang ikut memengaruhi Codex Cloud.
Diagram sebab dan tindakan untuk error kapasitas model di layanan AI
Pola paling sering adalah beban model, batas kuota, incident regional, atau routing yang gagal pindah ke backend lain.

Kenapa pesan yang sama muncul lagi

  • Kapasitas backend penuh. Beberapa model sedang menerima permintaan lebih besar dari kapasitas yang tersedia.
  • Routing tidak berpindah mulus. Saat backend tertentu padat, UI tetap menampilkan pesan kapasitas, bukan penjelasan teknis yang panjang.
  • Kuota atau rate limit ikut kena batas. Di issue publik, beberapa pengguna menyebut konsumsi kuota yang terasa cepat.
  • Incident regional atau feature-specific. Status OpenAI menunjukkan gangguan dapat berbeda antar tier, model, dan fitur.

OpenAI Status juga menulis bahwa availability metrics dihitung secara agregat, lalu hasil tiap customer dapat berbeda menurut tier, model, dan fitur yang dipakai. Itu sebabnya dua orang bisa melihat pengalaman yang berbeda pada jam yang sama.

Apa yang sebaiknya dilakukan saat error muncul

  1. Coba model lain yang masih tersedia.
  2. Catat waktu, region, device, plan, dan model yang gagal.
  3. Periksa OpenAI Status sebelum retry berulang.
  4. Kalau error muncul di beberapa model sekaligus, anggap ini kemungkinan masalah layanan.
  5. Jika kerja Anda sensitif waktu, siapkan fallback model dan fallback workflow.

Kapan ini perlu dianggap masalah layanan, bukan masalah user

Perlakukan sebagai isu layanan jika error muncul di lebih dari satu model, lintas perangkat, atau barengan dengan incident status page. GitHub issue #43375 juga menunjukkan bahwa pindah model tidak selalu menyelesaikan error.

Untuk tim, data yang paling berguna saat eskalasi adalah plan, model, UTC time, region, device, screenshot, dan apakah error tetap muncul setelah ganti network.

Kalau ini mengganggu kerja tim

Kami bisa bantu baca workflow AI Anda, cari titik gagal, dan bikin fallback supaya tim tidak berhenti saat satu model penuh.

Ringkasannya untuk tim non-teknis

Pesan ini paling sering berarti kapasitas, routing, atau batas layanan. Bukan selalu akun Anda bermasalah. Bukan juga selalu satu model saja. Karena itu, respons yang benar adalah cek status, ganti model, kumpulkan bukti, lalu eskalasi bila pola berulang.

Sumber