Panoramica
Controllare la lunghezza della risposta di un modello è utile per vari motivi: aiuta a gestire i costi (dato che paghi per token), migliora latenza/prestazioni (le risposte più brevi arrivano più rapidamente) e garantisce la pertinenza evitando output troppo lunghi o prolissi.
Puoi farlo usando limiti di token, impostazioni di ragionamento e verbosity, istruzioni chiare, esempi e sequenze di stop. Per i dettagli più aggiornati e completi, consulta sempre il riferimento API ufficiale su platform.openai.com.
Imposta una lunghezza massima dell'output
API Responses
Utilizzata per i modelli GPT-5 e per la maggior parte dei modelli della serie o: usa max_output_tokens per limitare il numero di token generati dal modello. Per le richieste compaction_trigger, ometti max_output_tokens oppure impostalo su almeno 20000; i valori inferiori vengono rifiutati. L'API Responses non supporta completamenti multipli (n).
API per il completamento delle chat
Utilizzata per i modelli legacy GPT-3.5 e GPT-4o e, talvolta, per quelli della serie o.
Per i modelli di ragionamento come o3 e o4-mini, usa max_completion_tokens (alias di max_tokens)
Per i modelli precedenti o senza ragionamento, max_tokens continua a funzionare
Supporta stop e n (completamenti multipli).
Nota: non esiste un'impostazione “token minimi”. Se ti serve una lunghezza minima, specificala nel prompt.
Limiti di token per gruppo di modelli
Per limiti di token, dimensioni del contesto e limiti di output aggiornati, consulta la documentazione del modello specifico.
Esempi rapidi
Responses API
{ "model": "gpt-5", "input": "Riassumi i risultati in circa 80 parole.", "max_output_tokens": 120 }Chat Completions (modello di ragionamento)
{ "model": "o3-mini", "messages": [{"role": "user", "content": "Scrivi cinque opzioni su una sola riga."}], "max_completion_tokens": 100 }Controlli specifici dei modelli GPT-5: verbosity e reasoning.effort
Questi controlli sono disponibili solo nei modelli GPT-5 (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro e così via). I modelli della serie o e quelli legacy non li supportano.
verbosity accetta "low", "medium" (valore predefinito) o "high". Influisce sul livello di dettaglio, ma non sui limiti rigidi.
{ "model": "gpt-5", "input": "Spiega PageRank a grandi linee.", "text": { "verbosity": "low" }, "max_output_tokens": 200 }reasoning.effort controlla quanti token di ragionamento vengono generati prima di produrre una risposta. GPT-5.2 supporta none, low, medium, high e xhigh. gpt-5.2-pro supporta solo medium, high e xhigh. I modelli di ragionamento precedenti supportano solo low, medium e high.
{ "model": "gpt-5", "input": "Quanto oro servirebbe per rivestire la Statua della Libertà con uno strato di 1 mm?", "reasoning": { "effort": "minimal" } }Puoi impostare reasoning.effort su none affinché il modello si comporti come un modello senza ragionamento nei casi d'uso sensibili alla latenza.
Fornisci istruzioni specifiche
Richiedi la lunghezza o la forma esatta che desideri. Esempi:
«Elenca esattamente cinque opzioni».
«Scrivi un riepilogo di 50 parole».
«Non più di 100 token. Se ti serve più spazio, scrivi “Mi serve più spazio”»
Usa esempi di lunghezza coerente
Esempi few-shot che corrispondono alla lunghezza desiderata aiutano il modello a continuare lo schema.
Applicare strategicamente le sequenze di arresto
Usa stop per interrompere la generazione quando il modello raggiunge un delimitatore o il limite di un elenco numerato.
{ "stop": ["\n###", "6."] }Più candidati
Completamenti chat: n restituisce più completamenti in una sola chiamata.
API Responses: n non è supportato; effettua più chiamate se ti serve più di un output.