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 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. Para solicitudes de compaction_trigger, omite max_output_tokens o establécelo en al menos 20000; los valores menores se rechazan. La API de Responses no admite varias completaciones (n).

API para completar chats

Se usa con GPT-3.5 y GPT-4o heredados, y a veces con modelos 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 aún funciona

• Admite stop y n (varias completaciones).

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

Completado de chats (modelo de razonamiento)

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 heredados no los admiten.

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

`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.

Puedes establecer `reasoning.effort` en none para hacer que el modelo se comporte como un modelo 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 parada estratégicas

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

Varios candidatos

• Completado de chats: n devuelve varias completaciones en una sola llamada.

• API de Responses: n no se admite; haz varias llamadas si necesitas más de una salida.