概览
控制模型响应长度有多方面好处：有助于管理成本（因为按 Token 计费）、降低延迟并提升性能（响应越短返回越快），还可避免输出过长或啰嗦，从而确保内容相关。
你可以通过 Token 上限、推理和 verbosity 设置、清晰说明、示例以及停止序列来实现这一点。如需最新、最完整的详细信息，请始终参阅 platform.openai.com 上的官方 API 参考。
设置最大输出长度
Responses API
适用于 GPT-5 模型和大多数 O 系列模型：使用 max_output_tokens 限制模型生成的 Token 数量。对于 compaction_trigger 请求，请省略 max_output_tokens，或将其设为至少 20000；更小的值会被拒绝。Responses API 不支持一次生成多个补全结果（n）。
Chat Completions API
适用于旧版 GPT-3.5、GPT-4o，有时也用于 O 系列模型。
对于 o3 和 o4-mini 等推理模型，请使用 max_completion_tokens（max_tokens 的别名）
对于较早的模型或非推理模型，max_tokens 仍然有效
支持 stop 和 n（多个补全结果）。
注意：不存在“最少 Token 数”设置。如果需要最小长度，请在提示中说明。
按模型组划分的 Token 限制
有关最新的 Token 限制、上下文大小和输出上限，请参阅具体模型文档。
快速示例
Responses API
{ "model": "gpt-5", "input": "用约 80 个词总结这些发现。", "max_output_tokens": 120 }Chat Completions（推理模型）
{ "model": "o3-mini", "messages": [{"role": "user", "content": "写出五个单行选项。"}], "max_completion_tokens": 100 }GPT-5 模型专用控制项：verbosity 和 reasoning.effort
这些控制项仅适用于 GPT-5 模型（gpt-5.2、gpt-5.2-chat-latest、gpt-5.2 pro 等）。O 系列和旧版模型不支持这些控制项。
verbosity 可设为 "low"、"medium"（默认）或 "high"。它会影响回答的详细程度，但不会改变硬性限制。
{ "model": "gpt-5", "input": "概括性解释 PageRank。", "text": { "verbosity": "low" }, "max_output_tokens": 200 }reasoning.effort 控制模型在生成答案前产生的推理 Token 数量。GPT-5.2 支持 none、low、medium、high 和 xhigh。gpt-5.2-pro 仅支持 medium、high 和 xhigh。较早的推理模型仅支持 low、medium 和 high。
{ "model": "gpt-5", "input": "给自由女神像镀上一层 1 毫米厚的金，需要多少黄金？", "reasoning": { "effort": "minimal" } }对于延迟敏感型用例，可以将 reasoning.effort 设为 none，使模型像非推理模型一样运行。
提供具体说明
明确要求你想要的长度或形式。示例：
“列出正好五个选项。”
“写一段50 个词的摘要。”
“不超过 100 个 Token。如果还需要空间，请说‘需要更多空间。’”
使用长度一致的示例
与期望长度相匹配的少样本示例有助于模型延续这种模式。
策略性地应用停止序列
使用 stop，可在模型遇到分隔符或编号列表边界时停止生成。
{ "stop": ["\n###", "6."] }多个候选结果
Chat Completions：n 可在一次调用中返回多个补全结果。
Responses API：不支持 n；如果需要多个输出，请进行多次调用。