Descripción general
Controlar la longitud de la respuesta de un modelo es útil por varios motivos: ayuda a administrar costos (porque pagas por token), mejora la latencia y el rendimiento (las respuestas más cortas se devuelven más rápido) y asegura la relevancia al evitar salidas demasiado largas o verbosas.
Puedes lograrlo con topes de tokens, configuraciones de razonamiento y verbosidad, instrucciones claras, ejemplos y secuencias de parada. Para ver los detalles más actuales y completos, consulta siempre la referencia oficial de la API en platform.openai.com.
Establecer una longitud máxima de salida
API de Responses
Se usa con los modelos GPT-5 y la mayoría de los modelos de la serie o: usa max_output_tokens para limitar la cantidad de tokens que generará el modelo. En las solicitudes de compaction_trigger, omite max_output_tokens o configúralo en al menos 20 000; se rechazan los valores menores. La API de Responses no admite varias finalizaciones (n).
API para completar chats
Se usa con los modelos heredados GPT-3.5 y GPT-4o, y a veces con los de la serie o.
Para modelos de razonamiento como o3 y o4-mini, usa max_completion_tokens (alias de max_tokens)
Para los modelos anteriores o sin razonamiento, max_tokens sigue funcionando
Admite stop y n (varias finalizaciones).
Nota: no existe una configuración de “tokens mínimos”. Si necesitas una longitud mínima, especifícala en tu prompt.
Límites de tokens por grupo de modelos
Para consultar límites de tokens, tamaños de contexto y topes de salida actualizados, revisa la documentación del modelo específico.
Ejemplos rápidos
API de Responses
{ "model": "gpt-5", "input": "Resume los hallazgos en ~80 palabras.", "max_output_tokens": 120 }Completado de chats (modelo de razonamiento)
{ "model": "o3-mini", "messages": [{"role": "user", "content": "Escribe cinco opciones de una sola línea."}], "max_completion_tokens": 100 }Controles específicos de los modelos GPT-5: verbosity y reasoning.effort
Estos controles solo están disponibles en los modelos GPT-5 (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro, etc.). Los modelos de la serie o y los modelos heredados no los admiten.
verbosity acepta “low”, “medium” (valor predeterminado) o “high”. Influye en el nivel de detalle, pero no en los límites estrictos.
{ "model": "gpt-5", "input": "Explica PageRank a grandes rasgos.", "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 y xhigh. gpt-5.2-pro solo admite medium, high y xhigh. Los modelos de razonamiento anteriores solo admiten low, medium y high.
{ "model": "gpt-5", "input": "¿Cuánto oro haría falta para cubrir la Estatua de la Libertad con una capa de 1 mm?", "reasoning": { "effort": "minimal" } }Puedes establecer reasoning.effort en none para que el modelo se comporte como uno sin razonamiento en casos de uso sensibles a la latencia.
Dar instrucciones específicas
Pide la longitud o estructura exacta que quieres. Ejemplos:
“Enumera exactamente cinco opciones”.
“Escribe un resumen de 50 palabras”.
“No más de 100 tokens. Si necesitas más espacio, di “Necesito más espacio”.”
Usar ejemplos de longitud uniforme
Dar pocos ejemplos que coincidan con la longitud deseada ayuda al modelo a continuar el patrón.
Aplicar 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
API para completar chats: n devuelve varias finalizaciones en una sola llamada.
API de Responses: n no es compatible; haz varias llamadas si necesitas más de una salida.