概览

控制模型回复的长度有几个好处：有助于管理成本（因为按 token 计费），提升延迟/性能（更短的回复返回更快），并通过避免过长或过于啰嗦的输出来确保相关性。

你可以通过 token 上限、推理与详细度设置、清晰的指令、示例以及停止序列来实现。要获取最新且完整的细节，请始终参考 platform.openai.com 上的官方 API 参考。

设置最大输出长度

Responses API

用于 GPT-5 模型以及大多数 o 系列模型：使用 max_output_tokens 来限制模型将生成的 token 数。支持 stop，但不支持多候选（n）。

Chat Completions API

用于旧版 GPT-3.5、GPT-4o，以及有时用于 o 系列。

• 对于 o3、o4-mini 等推理模型，使用 max_completion_tokens（max_tokens 的别名）

• 对于更早/非推理模型，max_tokens 仍然有效

• 支持 stop 和 n（多候选）。

按模型组划分的 token 限制

关于最新的 token 限制、上下文长度和输出上限，请参考具体模型文档。

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 模型的专属控制项：verbosity 和 reasoning.effort

这些控制项仅在 GPT-5 模型上可用（gpt-5.2、gpt-5.2-chat-latest、gpt-5.2 pro 等）。o 系列与旧版模型不支持它们。

verbosity 可取 "low"、"medium"（默认）或 "high"。它会影响细节程度，但不是硬性上限。

{ "model": "gpt-5", "input": "用较高层面解释一下 PageRank。", "text": { "verbosity": "low" }, "max_output_tokens": 200 }

reasoning.effort 控制在给出答案前会生成多少推理 token。GPT-5.2 支持 none,low、medium、high,and xhigh。gpt-5.2-pro 仅支持 medium、high,and xhigh。更早的推理模型仅支持 low、medium 和 high。

{ "model": "gpt-5", "input": "用 1mm 厚的一层把自由女神像整体镀上一层金，大概需要多少黄金？", "reasoning": { "effort": "minimal" } }

你可以将 reasoning.effort 设为 none，让模型在对延迟敏感的场景下表现得像非推理模型。

提供具体指令

明确提出你想要的准确长度或格式。例如：

• “列出恰好五个选项。”

• “写一段50 字的摘要。”

• “不超过 100 tokens。如果需要更多，就说‘Need more room.’”

使用长度一致的示例

与目标长度一致的 few-shot 示例，能帮助模型延续该模式。

应用策略性的停止序列

使用 stop 在模型到达某个分隔符或编号列表边界时停止生成。

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

多个候选

• 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，请发起多次调用。