Visão geral

Controlar o comprimento da resposta de um modelo é útil por vários motivos: ajuda a gerenciar custos (já que você paga por token), melhora a latência/desempenho (respostas mais curtas retornam mais rápido) e garante relevância ao evitar saídas longas demais ou verbosas.

Você pode fazer isso usando limites de tokens, configurações de raciocínio e verbosidade, instruções claras, exemplos e sequências de parada. Para obter os detalhes mais atuais e completos, consulte sempre a referência oficial da API em platform.openai.com.

Defina um comprimento máximo de saída

API Responses

Usada para modelos GPT-5 e a maioria dos modelos da série o: use max_output_tokens para limitar o número de tokens que o modelo vai gerar. Compatível com stop, mas não oferece suporte a múltiplas conclusões (n).

API Chat Completions

Usada para GPT-3.5 legado, GPT-4o e, às vezes, modelos da série o.

• Para modelos de raciocínio como o3 e o4-mini, use max_completion_tokens (apelido de max_tokens)

• Para modelos anteriores/sem raciocínio, max_tokens ainda funciona

• Compatível com stop e n (múltiplas conclusões).

Limites de tokens por grupo de modelos

Para limites de tokens, tamanhos de contexto e limites de saída atualizados, consulte a documentação específica do modelo.

Exemplos rápidos

API Responses

{ "model": "gpt-5", "input": "Resuma as conclusões em ~80 palavras.", "max_output_tokens": 120 }

Chat Completions (modelo de raciocínio)

{ "model": "o3-mini", "messages": [{"role": "user", "content": "Escreva cinco opções de uma linha."}], "max_completion_tokens": 100 }

Controles específicos dos modelos GPT-5: verbosity e reasoning.effort

Esses controles estão disponíveis apenas nos modelos GPT-5 (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro etc.). Modelos da série o e modelos legados não oferecem suporte a eles.

verbosity aceita "low", "medium" (padrão) ou "high". Ela influencia o nível de detalhes, mas não limites rígidos.

{ "model": "gpt-5", "input": "Explique o PageRank em alto nível.", "text": { "verbosity": "low" }, "max_output_tokens": 200 }

reasoning.effort controla quantos tokens de raciocínio são gerados antes de produzir uma resposta. O GPT-5.2 aceita none,low, medium, high,and xhigh. O gpt-5.2-pro aceita apenas medium, high,and xhigh. Modelos de raciocínio anteriores aceitam apenas low, medium e high.

{ "model": "gpt-5", "input": "Quanto ouro seria necessário para revestir a Estátua da Liberdade com uma camada de 1 mm?", "reasoning": { "effort": "minimal" } }

Você pode definir reasoning.effort como none para fazer o modelo se comportar como um modelo sem raciocínio em casos de uso sensíveis à latência.

Forneça instruções específicas

Peça o tamanho ou o formato exato que você quer. Exemplos:

• “Liste exatamente cinco opções.”

• “Escreva um resumo de 50 palavras.”

• “No máximo 100 tokens. Se precisar de mais, diga ‘Preciso de mais espaço’.”

Use exemplos com comprimento consistente

Exemplos few-shot que correspondem ao comprimento desejado ajudam o modelo a continuar o padrão.

Aplique sequências de parada estratégicas

Use stop para interromper a geração quando o modelo alcançar um delimitador ou o limite de uma lista numerada.

{ "stop": ["\n###", "6."] }

Múltiplos candidatos

• Chat Completions: n retorna múltiplas conclusões em uma única chamada.

• API Responses: n não é compatível; faça várias chamadas se precisar de mais de uma saída.