மேலோட்டம்
மாடலின் பதில் நீளத்தைக் கட்டுப்படுத்துவது பல காரணங்களுக்காக பயனுள்ளதாகும்: செலவை நிர்வகிக்க உதவுகிறது (ஏனெனில் நீங்கள் டோக்கன் ஒன்றுக்கு கட்டணம் செலுத்துகிறீர்கள்), தாமதம்/செயல்திறனை மேம்படுத்துகிறது (குறுகிய பதில்கள் வேகமாக திரும்பும்), மேலும் அளவுக்கு அதிகமான நீண்ட அல்லது விவரமான வெளியீடுகளைத் தவிர்த்து தொடர்புடையதன்மையை உறுதி செய்கிறது.
டோக்கன் உச்ச வரம்புகள், ரீஸனிங் மற்றும் verbosity அமைப்புகள், தெளிவான வழிமுறைகள், உதாரணங்கள், stop தொடர்கள் ஆகியவற்றைப் பயன்படுத்தி இதைச் செய்யலாம். மிகச் சமீபத்திய மற்றும் முழுமையான விவரங்களுக்கு, எப்போதும் platform.openai.com-இல் உள்ள அதிகாரப்பூர்வ API குறிப்பைப் பார்க்கவும்.
அதிகபட்ச வெளியீட்டு நீளத்தை அமைக்கவும்
ரெஸ்பான்சஸ் API
GPT-5 மாடல்களுக்கும் பெரும்பாலான o-தொடர் மாடல்களுக்கும் பயன்படுத்தப்படுகிறது: மாடல் உருவாக்கும் டோக்கன்களின் எண்ணிக்கைக்கு உச்சவரம்பு அமைக்க max_output_tokens என்பதைப் பயன்படுத்துங்கள். compaction_trigger கோரிக்கைகளில், max_output_tokens என்பதைத் தவிர்க்கவும் அல்லது குறைந்தது 20000 என அமைக்கவும்; இதைவிடக் குறைந்த மதிப்புகள் நிராகரிக்கப்படும். ரெஸ்பான்சஸ் API பல நிறைவுகளை (n) ஆதரிக்காது.
சாட் கம்ப்ளீஷன்ஸ் API
பழைய GPT-3.5, GPT-4o மற்றும் சில நேரங்களில் o-தொடர் மாடல்களுக்குப் பயன்படுத்தப்படுகிறது.
o3 மற்றும் o4-mini போன்ற ரீஸனிங் மாடல்களுக்கு, max_completion_tokens என்பதைப் பயன்படுத்துங்கள் (max_tokens என்பதன் மாற்றுப்பெயர்).
முந்தைய அல்லது ரீஸனிங் செய்யாத மாடல்களில், max_tokens இன்னும் செயல்படும்.
stop மற்றும் n (பல நிறைவுகள்) ஆகியவற்றை ஆதரிக்கிறது.
குறிப்பு: “குறைந்தபட்ச டோக்கன்கள்” என்ற அமைப்பு இல்லை. உங்களுக்கு குறைந்தபட்ச நீளம் தேவைப்பட்டால், அதை உங்கள் ப்ராம்ப்டில் குறிப்பிடுங்கள்.
மாடல் குழுவின்படி டோக்கன் வரம்புகள்
சமீபத்திய டோக்கன் வரம்புகள், சூழல் அளவுகள், வெளியீட்டு உச்ச வரம்புகள் ஆகியவற்றுக்கு, குறிப்பிட்ட மாடல் ஆவணங்களைப் பார்க்கவும்.
விரைவு உதாரணங்கள்
Responses API
{ "model": "gpt-5", "input": "கண்டறிதல்களை சுமார் 80 சொற்களில் சுருக்கவும்.", "max_output_tokens": 120 }சாட் கம்ப்ளீஷன்ஸ் (ரீஸனிங் மாடல்)
{ "model": "o3-mini", "messages": [{"role": "user", "content": "Write five one-line options."}], "max_completion_tokens": 100 }GPT-5 மாடல்களுக்கான பிரத்யேகக் கட்டுப்பாடுகள்: verbosity மற்றும் reasoning.effort
இந்தக் கட்டுப்பாடுகள் GPT-5 மாடல்களில் மட்டுமே கிடைக்கும் (gpt-5.2, gpt-5.2-chat-latest, gpt-5.2 pro போன்றவை). o-தொடர் மற்றும் பழைய மாடல்கள் இவற்றை ஆதரிக்காது.
verbosity ஆனது "low", "medium" (இயல்புநிலை) அல்லது "high" ஆகியவற்றை ஏற்கும். இது விவரங்களின் அளவைப் பாதிக்கும்; ஆனால் நிர்ணயிக்கப்பட்ட வரம்புகளைப் பாதிக்காது.
{ "model": "gpt-5", "input": "PageRank-ஐ உயர்நிலை பார்வையில் விளக்குங்கள்.", "text": { "verbosity": "low" }, "max_output_tokens": 200 }பதிலை உருவாக்குவதற்கு முன் எத்தனை ரீஸனிங் டோக்கன்கள் உருவாக்கப்பட வேண்டும் என்பதை reasoning.effort கட்டுப்படுத்துகிறது. GPT-5.2 ஆனது none, low, medium, high மற்றும் xhigh ஆகியவற்றை ஆதரிக்கிறது. gpt-5.2-pro ஆனது medium, high மற்றும் xhigh ஆகியவற்றை மட்டுமே ஆதரிக்கிறது. முந்தைய ரீஸனிங் மாடல்கள் low, medium மற்றும் high ஆகியவற்றை மட்டுமே ஆதரிக்கின்றன.
{ "model": "gpt-5", "input": "சுதந்திரச் சிலையை 1 மிமீ அடுக்கில் பூச எவ்வளவு தங்கம் தேவைப்படும்?", "reasoning": { "effort": "minimal" } }தாமத நேரம் முக்கியமான பயன்பாடுகளில் மாடல் ஒரு ரீஸனிங் செய்யாத மாடலைப் போலச் செயல்பட, reasoning.effort என்பதை none என அமைக்கலாம்.
குறிப்பிட்ட வழிமுறைகளை வழங்கவும்
உங்களுக்கு வேண்டிய துல்லியமான நீளம் அல்லது வடிவத்தைக் கேட்கவும். உதாரணங்கள்:
“சரியாக ஐந்து விருப்பங்களைப் பட்டியலிடு.”
“50 சொற்கள் கொண்ட சுருக்கத்தை எழுது.”
“100 டோக்கன்களுக்கு மேல் வேண்டாம். மேலும் தேவைப்பட்டால், ‘இன்னும் இடம் தேவை.’ என்று சொல்லவும்.”
ஒரே மாதிரியான நீளம் கொண்ட உதாரணங்களைப் பயன்படுத்தவும்
நீங்கள் விரும்பும் நீளத்துக்கு பொருந்தும் ஃப்யூ-ஷாட் உதாரணங்கள், அந்த வடிவத்தை மாடல் தொடர்ந்து பின்பற்ற உதவுகின்றன.
உத்திசார்ந்த நிறுத்த வரிசைகளைப் பயன்படுத்துங்கள்
மாடல் ஒரு பிரிப்புக்குறியை அல்லது எண்ணிடப்பட்ட பட்டியலின் எல்லையை அடையும்போது உருவாக்கத்தை நிறுத்த, stop என்பதைப் பயன்படுத்துங்கள்.
{ "stop": ["
###", "6."] }பல மாற்று முடிவுகள்
சாட் கம்ப்ளீஷன்ஸ்: ஒரே அழைப்பில் n பல நிறைவுகளை வழங்கும்.
ரெஸ்பான்சஸ் API: n ஆதரிக்கப்படாது; ஒன்றுக்கு மேற்பட்ட வெளியீடுகள் தேவைப்பட்டால் பல அழைப்புகளை மேற்கொள்ளுங்கள்.