---
title: "LLM API में max_tokens क्या है? आउटपुट सीमा समझें | BroadRouter"
description: "max_tokens तय करता है कि मॉडल एक जवाब में अधिकतम कितने टोकन बनाए। कॉन्टेक्स्ट विंडो से फ़र्क़, इसके नए नाम, और रीज़निंग मॉडल को ज़्यादा जगह क्यों चाहिए।"
url: https://broadrouter.com/hi/glossary/max-tokens/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/max-tokens/) (2026-11-14 को अपडेट किया गया).

# max\_tokens (आउटपुट टोकन सीमा)

अपडेट किया गया 2026-11-14

max\_tokens एक LLM API पैरामीटर है जो तय करता है कि मॉडल एक जवाब में ज़्यादा से ज़्यादा कितने टोकन जनरेट कर सकता है। सीमा पर पहुँचते ही जनरेशन रुक जाता है और जवाब को कटा हुआ चिह्नित किया जाता है, जैसे finish\_reason को "length" पर सेट करके।

अन्य नाम: आउटपुट टोकन सीमा, अधिकतम आउटपुट टोकन, max tokens kya hai, max\_tokens kya hota hai, max\_tokens, max\_completion\_tokens, max\_output\_tokens, output token limit, maximum output length

`max_tokens` एक जवाब का आउटपुट बजट है। यह बेक़ाबू लंबे जवाबों से बचाता है, लेकिन बहुत कम रखा जाए तो जवाब कट जाते हैं या कुछ भी नहीं लौटता।

## यह कैसे काम करता है

मॉडल एक बार में एक [टोकन](https://broadrouter.com/hi/glossary/token/) बनाता है। गिनती `max_tokens` तक पहुँचते ही जनरेशन रुक जाता है, चाहे वाक्य अधूरा हो। फिर जवाब बताता है कि वह क्यों ख़त्म हुआ:

| `finish_reason` | मतलब |
| --- | --- |
| `stop` | मॉडल ने अपने-आप जवाब पूरा किया |
| `length` | `max_tokens` की सीमा पूरी हो गई |
| `tool_calls` | मॉडल कोई टूल कॉल करना चाहता है |

इस पैरामीटर के कई नाम हैं। OpenAI का Chat Completions API अब `max_tokens` को deprecated बताता है और उसकी जगह `max_completion_tokens` देता है, एक ऊपरी सीमा जिसमें दिखने वाला आउटपुट और रीज़निंग टोकन दोनों शामिल हैं। OpenAI का Responses API `max_output_tokens` इस्तेमाल करता है। Anthropic का Messages API `max_tokens` इस्तेमाल करता है। कई OpenAI-कम्पैटिबल प्रोवाइडर `max_tokens` स्वीकार करते हैं।

प्रॉम्प्ट और आउटपुट एक ही [कॉन्टेक्स्ट विंडो](https://broadrouter.com/hi/glossary/context-window/) शेयर करते हैं। अगर विंडो 32,768 टोकन की है और प्रॉम्प्ट 30,000 का, तो ज़्यादा से ज़्यादा 2,768 टोकन लौट सकते हैं, `max_tokens` चाहे जो कहे।

## यह क्यों मायने रखता है

-   **लागत पर नियंत्रण.** प्रति-टोकन वाली key पर `max_tokens` बताता है कि एक जवाब का आउटपुट ज़्यादा से ज़्यादा कितने का होगा।
-   **ख़ाली जवाब.** रीज़निंग मॉडल पर सोचने का हिस्सा भी इसी बजट से जाता है। 100 की सीमा पूरी की पूरी [रीज़निंग टोकन](https://broadrouter.com/hi/glossary/reasoning-tokens/) में ख़र्च हो सकती है, तब दिखने वाला जवाब ख़ाली रहता है और `finish_reason` होता है `length`।
-   **टूटा हुआ JSON.** कटा हुआ जवाब [स्ट्रक्चर्ड आउटपुट](https://broadrouter.com/hi/glossary/structured-output/) को अधूरा और पार्स न होने लायक छोड़ देता है। पार्स करने से पहले `finish_reason` देखें।

## BroadNet Inference पर

DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B जवाब देने से पहले रीज़निंग करते हैं, और BroadNet के डॉक्स कहते हैं कि रीज़निंग `max_tokens` में गिनी जाती है। 1,000 या ज़्यादा टोकन की गुंजाइश दें, इसे सेट न करें, या `reasoning_effort` घटाएँ। नीचे का कोड `finish_reason` के `length` होने पर बताता है कि जवाब कट गया:

```python
response = client.chat.completions.create(
    model="broadnet/glm-5.3",
    max_tokens=2000,
    messages=[{"role": "user", "content": "Summarize this contract clause."}],
)
if response.choices[0].finish_reason == "length":
    print("Cut off: raise max_tokens or lower reasoning_effort")
```

कॉन्टेक्स्ट साइज़ मॉडल के हिसाब से अलग हैं: DeepSeek V4.1 Flash और GLM 5.3 के लिए 1,048,576 टोकन, Qwen3.8 27B के लिए 262,144 और BroadNet Gemma 4 VL 26B के लिए 32,768। [मॉडल पेज](https://broadrouter.com/hi/models/) और [रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाते हैं](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/) देखें।

## आम ग़लतियाँ

-   माइग्रेशन के दौरान किसी नॉन-रीज़निंग मॉडल की छोटी सीमा कॉपी कर लेना। [माइग्रेशन चेकलिस्ट](https://broadrouter.com/hi/blog/openai-compatible-api-migration-checklist/) देखें।
-   `length` को सफलता मान लेना। इसे लॉग करें और ज़्यादा गुंजाइश के साथ रीट्राई करें।

## अक्सर पूछे जाने वाले सवाल

### क्या max\_tokens और कॉन्टेक्स्ट विंडो एक ही चीज़ हैं?

नहीं। कॉन्टेक्स्ट विंडो वह कुल मात्रा है जो मॉडल सँभाल सकता है, प्रॉम्प्ट और आउटपुट मिलाकर। max\_tokens सिर्फ़ आउटपुट को सीमित करता है, और प्रॉम्प्ट व max\_tokens मिलकर भी विंडो में समाने चाहिए।

### क्या मुझे हमेशा max\_tokens सेट करना चाहिए?

तब सेट करें जब लागत या लंबाई पर पक्की सीमा चाहिए। रीज़निंग मॉडल पर भरपूर जगह छोड़ें, या अगर प्रोवाइडर का डिफ़ॉल्ट काफ़ी बड़ा है तो इसे सेट ही न करें।

### max\_tokens और max\_completion\_tokens में क्या फ़र्क़ है?

OpenAI ने Chat Completions पर max\_tokens को deprecated करके max\_completion\_tokens अपनाया, जिसमें रीज़निंग टोकन साफ़ तौर पर शामिल हैं। कई OpenAI-कम्पैटिबल प्रोवाइडर अब भी max\_tokens स्वीकार करते हैं।

## यह भी देखें

-   [रीज़निंग टोकन (reasoning tokens)](https://broadrouter.com/hi/glossary/reasoning-tokens/) (शब्द)
-   [कॉन्टेक्स्ट विंडो (context window)](https://broadrouter.com/hi/glossary/context-window/) (शब्द)
-   [इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/) (शब्द)
-   [स्ट्रक्चर्ड आउटपुट (structured output)](https://broadrouter.com/hi/glossary/structured-output/) (शब्द)
-   [JSON मोड (JSON mode)](https://broadrouter.com/hi/glossary/json-mode/) (शब्द)
-   [चेन-ऑफ़-थॉट (chain-of-thought, CoT)](https://broadrouter.com/hi/glossary/chain-of-thought/) (शब्द)
-   [finish\_reason (जवाब रुकने की वजह)](https://broadrouter.com/hi/glossary/finish-reason/) (शब्द)
-   [स्टॉप सीक्वेंस (stop sequences)](https://broadrouter.com/hi/glossary/stop-sequences/) (शब्द)
-   [रीज़निंग मॉडल ख़ाली जवाब क्यों लौटाता है](https://broadrouter.com/hi/guides/reasoning-tokens-empty-response/) (गाइड)
-   [BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/) (गाइड)
-   [OpenAI-कम्पैटिबल API पर माइग्रेट करना: पूरी चेकलिस्ट](https://broadrouter.com/hi/blog/openai-compatible-api-migration-checklist/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-max-tokens&utm_content=page-cta) ·

**स्रोत**

-   [OpenAI API रेफ़रंस, chat completion बनाना (max\_tokens और max\_completion\_tokens)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI, रीज़निंग मॉडल (max\_output\_tokens और अधूरे जवाब)](https://developers.openai.com/api/docs/guides/reasoning)
-   [BroadNet Inference API रेफ़रंस, रीज़निंग मॉडल (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-max-tokens&utm_content=sources#models)
