Oversikt
Å kontrollere lengden på en modells svar er nyttig av flere grunner: Det bidrar til å styre kostnader (siden du betaler per token), forbedrer ventetid/ytelse (kortere svar returneres raskere) og sikrer relevans ved å unngå altfor lange eller ordrike utdata.
Du kan oppnå dette ved hjelp av tokengrenser, innstillinger for resonnering og detaljnivå, tydelige instruksjoner, eksempler og stoppsekvenser. Du finner alltid de nyeste og mest komplette detaljene i den offisielle API-referansen på platform.openai.com.
Angi en maksimal utdatalengde
Responses API
For GPT-5-modeller og de fleste modellene i o-serien bruker du max_output_tokens til å begrense antallet tokener modellen genererer. Ved forespørsler med compaction_trigger må du enten utelate max_output_tokens eller sette den til minst 20000. Lavere verdier avvises. Responses API støtter ikke flere fullføringer (n).
Chat Completions API (API for samtalesvar)
Brukes med eldre GPT-3.5- og GPT-4o-modeller og noen ganger med o-serien.
For resonneringsmodeller som o3 og o4-mini bruker du max_completion_tokens (alias for max_tokens)
For eldre modeller og modeller uten resonnering fungerer max_tokens fortsatt
Støtter stop og n (flere fullføringer).
Merk: Det finnes ingen innstilling for «minimum tokens». Hvis du trenger en minimumslengde, spesifiser den i prompten.
Tokengrenser etter modellgruppe
Se dokumentasjonen for den aktuelle modellen for oppdaterte tokengrenser, kontekststørrelser og grenseverdier for utdata.
Korte eksempler
Responses API
{ "model": "gpt-5", "input": "Oppsummer funnene på ~80 ord.", "max_output_tokens": 120 }Chat Completions (resonneringsmodell)
{ "model": "o3-mini", "messages": [{"role": "user", "content": "Write five one-line options."}], "max_completion_tokens": 100 }Kontroller spesifikke for GPT-5-modeller: verbosity og reasoning.effort
Disse kontrollene er bare tilgjengelige på GPT-5-modeller (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro osv.). Modeller i o-serien og eldre modeller støtter dem ikke.
verbosity godtar "low", "medium" (standard) eller "high". Den påvirker detaljnivået, men ikke absolutte grenser.
{ "model": "gpt-5", "input": "Forklar PageRank på et overordnet nivå.", "text": { "verbosity": "low" }, "max_output_tokens": 200 }reasoning.effort styrer hvor mange resonneringstokener som genereres før et svar produseres. GPT-5.2 støtter none, low, medium, high og xhigh. gpt-5.2-pro støtter bare medium, high og xhigh. Eldre resonneringsmodeller støtter bare low, medium og high.
{ "model": "gpt-5", "input": "Hvor mye gull ville det kreve å dekke Frihetsgudinnen med et lag på 1 mm?", "reasoning": { "effort": "minimal" } }Du kan sette reasoning.effort til none for å få modellen til å oppføre seg som en modell uten resonnering når kort responstid er viktig.
Gi konkrete instruksjoner
Be om nøyaktig lengde eller format. Eksempler:
«List opp nøyaktig fem alternativer.»
«Skriv et sammendrag på 50 ord.»
«Maks 100 tokener. Hvis du trenger mer plass, skriv ‘Trenger mer plass.’»
Bruk eksempler med konsekvent lengde
Eksempler med få eksempler som samsvarer med ønsket lengde, hjelper modellen med å fortsette mønsteret.
Bruk strategiske stoppsekvenser
Bruk stop for å stanse genereringen når modellen når et skilletegn eller slutten på en nummerert liste.
{ "stop": ["
###", "6."] }Flere kandidater
Chat Completions: n returnerer flere fullføringer i ett kall.
Responses API: n støttes ikke. Foreta flere kall hvis du trenger mer enn ett resultat.