Descrição geral

Controlar a extensão da resposta de um modelo é útil por vários motivos: ajuda a gerir custos (uma vez que paga por token), melhora a latência/desempenho (as respostas mais curtas são devolvidas mais depressa) e garante relevância, evitando saídas demasiado longas ou prolixas.

Pode conseguir isto usando limites de tokens, definições de raciocínio e verbosidade, instruções claras, exemplos e sequências de paragem. Para obter os detalhes mais atuais e completos, consulte sempre a referência oficial da API em platform.openai.com.

Defina uma extensão máxima de saída

API Responses

Utilizada para modelos GPT-5 e para a maioria dos modelos da série o: use max_output_tokens para limitar o número de tokens que o modelo irá gerar. Para pedidos compaction_trigger, omita max_output_tokens ou defina-o como, pelo menos, 20000; valores inferiores são rejeitados. A API Responses não suporta várias conclusões (n).

API chat completions

Utilizada para GPT-3.5 legado, GPT-4o e, por vezes, modelos da série o.

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

• Para modelos anteriores/sem raciocínio, max_tokens ainda funciona

• Suporta stop e n (várias conclusões).

Limites de tokens por grupo de modelos

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

Exemplos rápidos

API Responses

Chat Completions (modelo de raciocínio)

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

Estes controlos estão disponíveis apenas em modelos GPT-5 (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro, etc.). Os modelos da série O e os modelos legados não os suportam.

`verbosity` aceita "low", "medium" (predefinição) ou "high". Influencia o nível de detalhe, mas não os limites rígidos.

`reasoning.effort` controla quantos tokens de raciocínio são gerados antes de produzir uma resposta. GPT-5.2 suporta none,low, medium, high,and xhigh. gpt-5.2-pro suporta apenas medium, high,and xhigh. Os modelos de raciocínio anteriores suportam apenas low, medium e high.

Pode definir `reasoning.effort` como none para fazer com que o modelo se comporte como um modelo sem raciocínio em casos de utilização sensíveis à latência. 

Forneça instruções específicas

Peça a extensão ou o formato exato que pretende. 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 extensão consistente

Exemplos few-shot que correspondam à extensão pretendida ajudam o modelo a manter o padrão.

Aplique sequências de paragem estratégicas

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

Vários candidatos

• Chat Completions: n devolve várias conclusões numa única chamada.

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