Resumen
Controlar la longitud de la respuesta de un modelo es útil por varios motivos: ayuda a gestionar el coste (ya que pagas por token), mejora la latencia y el rendimiento (las respuestas más cortas se devuelven antes) y garantiza la relevancia al evitar salidas demasiado largas o verbosas.
Puedes lograrlo usando límites de tokens, ajustes de razonamiento y verbosidad, instrucciones claras, ejemplos y secuencias de parada. 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
API de respuestas
Se usa con los modelos GPT-5 y la mayoría de los modelos de la serie o: utiliza max_output_tokens para limitar el número de tokens que generará el modelo. En las solicitudes de compaction_trigger, omite max_output_tokens o establece un valor mínimo de 20 000; los valores inferiores se rechazan. La API de respuestas no admite varias finalizaciones (n).
API para completar chats
Se usa con los modelos anteriores 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 modelos anteriores o sin razonamiento, max_tokens sigue funcionando
Admite stop y n (varias finalizaciones).
Nota: No existe un ajuste de «tokens mínimos». Si necesitas una longitud mínima, indícalo en tu prompt.
Límites de tokens por grupo de modelos
Para consultar límites de tokens, tamaños de contexto y límites de salida actualizados, consulta la documentación específica del modelo.
Ejemplos rápidos
API de Responses
{ "model": "gpt-5", "input": "Resume los hallazgos en ~80 palabras.", "max_output_tokens": 120 }Completado de chat (modelo de razonamiento)
{ "model": "o3-mini", "messages": [{"role": "user", "content": "Write five one-line options."}], "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 anteriores no los admiten.
verbosity admite "low", "medium" (valor predeterminado) o "high". Influye en el nivel de detalle, pero no establece límites estrictos.
{ "model": "gpt-5", "input": "Explica PageRank a alto nivel.", "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 recubrir 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 la forma exactas que quieras. Ejemplos:
«Enumera exactamente cinco opciones».
«Escribe un resumen de 50 palabras».
«No más de 100 tokens. Si necesitas más, di ‹Necesito más espacio›».
Usar ejemplos con una longitud uniforme
Los ejemplos con pocos ejemplos que coinciden con la longitud deseada ayudan al modelo a continuar el patrón.
Aplicar secuencias de detención estratégicas
Usa stop para detener la generación cuando el modelo alcance un delimitador o el límite de una lista numerada.
{ "stop": ["
###", "6."] }Varios candidatos
Completar chats: n devuelve varias finalizaciones en una sola llamada.
API de respuestas: n no es compatible; realiza varias llamadas si necesitas más de una salida.