Descripción general

Controlar la longitud de la respuesta de un modelo es útil por varias razones: ayuda a gestionar el costo (ya que pagas por token), mejora la latencia/el rendimiento (las respuestas más cortas se devuelven más rápido) y garantiza la relevancia al evitar salidas demasiado largas o verbosas.

Puedes lograrlo usando topes de tokens, configuraciones de razonamiento y verbosidad, instrucciones claras, ejemplos y secuencias de detención. Para obtener los detalles más actuales y completos, consulta siempre la referencia oficial de la API en platform.openai.com.

Establecer una longitud máxima de salida

Responses API

Se usa para modelos GPT-5 y la mayoría de los modelos de la serie o: usa max_output_tokens para limitar la cantidad de tokens que el modelo generará. Admite stop, pero no admite múltiples completaciones (n).

Chat Completions API

Se usa para los modelos heredados GPT-3.5, GPT-4o y, a veces, para los de la serie o.

• Para modelos de razonamiento como o3 y o4-mini, usa max_completion_tokens (alias de max_tokens)

• Para modelos anteriores o sin razonamiento, max_tokens sigue funcionando

• Admite stop y n (múltiples completaciones).

Límites de tokens por grupo de modelos

Para conocer los límites de tokens, tamaños de contexto y topes de salida actualizados, consulta la documentación específica del modelo.

Ejemplos rápidos

Responses API

{ "model": "gpt-5", "input": "Resume los hallazgos en ~80 palabras.", "max_output_tokens": 120 }

Chat Completions (modelo de razonamiento)

{ "model": "o3-mini", "messages": [{"role": "user", "content": "Escribe cinco opciones de una sola línea."}], "max_completion_tokens": 100 }

Controles específicos de modelos GPT-5: verbosity y reasoning.effort

Estos controles están disponibles solo en los modelos GPT-5 (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro, etc.). La serie o y los modelos heredados no los admiten.

verbosity acepta "low", "medium" (predeterminado) o "high". Influye en el nivel de detalle, pero no en límites estrictos.

{ "model": "gpt-5", "input": "Explica PageRank a un nivel general.", "text": { "verbosity": "low" }, "max_output_tokens": 200 }

reasoning.effort controla cuántos tokens de razonamiento se generan antes de producir una respuesta. GPT-5.2 admite none,low, medium, high,and xhigh. gpt-5.2-pro solo admite medium, high,and xhigh. Los modelos de razonamiento anteriores solo admiten low, medium y high.

{ "model": "gpt-5", "input": "¿Cuánto oro haría falta para recubrir la Estatua de la Libertad con una capa de 1 mm?", "reasoning": { "effort": "minimal" } }

Puedes configurar reasoning.effort en none para que el modelo se comporte como uno sin razonamiento en casos de uso sensibles a la latencia.

Proporciona instrucciones específicas

Pide la longitud o el formato exactos que quieres. Ejemplos:

• “Enumera exactamente cinco opciones”.

• “Escribe un resumen de 50 palabras”.

• “No más de 100 tokens. Si necesitas más, di ‘Necesito más espacio’”.

Usa ejemplos con longitud consistente

Los ejemplos few-shot que coinciden con la longitud deseada ayudan al modelo a continuar el patrón.

Aplica secuencias de detención estratégicas

Usa stop para detener la generación cuando el modelo llegue a un delimitador o al límite de una lista numerada.

{ "stop": ["\n###", "6."] }

Varios candidatos

• Chat Completions: n devuelve múltiples completaciones en una sola llamada.

• Responses API: n no es compatible; realiza varias llamadas si necesitas más de una salida.