---
title: "Cos’è finish_reason? Perché una risposta LLM si è fermata"
description: "finish_reason dice perché il modello ha smesso di scrivere: fine naturale, max_tokens, chiamata a un tool o filtro dei contenuti. Come leggerlo prima di fidarti."
url: https://broadrouter.com/it/glossary/finish-reason/
lang: it
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/finish-reason/) (aggiornato il 2026-11-15).

# finish\_reason

Aggiornato 2026-11-15

finish\_reason è un campo di ogni choice nella risposta di una chat completion che dice perché il modello ha smesso di generare. Nel formato OpenAI i valori sono stop, length, tool\_calls, content\_filter e il deprecato function\_call. La Messages API di Anthropic riporta la stessa informazione come stop\_reason.

Detto anche: motivo di fine, motivo di arresto, finish reason, stop reason, stop\_reason

Una risposta che sembra completa potrebbe non esserlo. finish\_reason è l’unico campo che ti dice se il modello ha chiuso di sua iniziativa.

## Come funziona

Ogni elemento di `choices` ha un `finish_reason`. Il riferimento di OpenAI elenca questi valori:

| Valore | Significato (OpenAI) |
| --- | --- |
| `stop` | Punto di arresto naturale, oppure è stata raggiunta una [sequenza di stop](https://broadrouter.com/it/glossary/stop-sequences/) fornita |
| `length` | “The maximum number of tokens specified in the request was reached” (è stato raggiunto il numero massimo di token indicato nella richiesta) |
| `tool_calls` | Il modello ha chiamato un tool |
| `content_filter` | “Content was omitted due to a flag from our content filters” (contenuto omesso per una segnalazione dei filtri dei contenuti) |
| `function_call` | Forma più vecchia e deprecata di chiamata a funzione |

La Messages API di Anthropic usa `stop_reason` con valori propri, tra cui `end_turn`, `max_tokens`, `stop_sequence`, `tool_use`, `pause_turn`, `refusal` e `model_context_window_exceeded`. Quando scatta una sequenza di stop, Anthropic restituisce anche quale in `stop_sequence`.

```python
choice = r.choices[0]
if choice.finish_reason == "length":
    raise RuntimeError("cut off: raise max_tokens and resend")
if choice.finish_reason == "tool_calls":
    run_tools(choice.message.tool_calls)
```

## Perché è importante

-   **JSON troncato.** Una risposta `length` è incompleta. Chiudere le parentesi la rende analizzabile ma perde dati. L’[articolo sul JSON non valido](https://broadrouter.com/it/blog/fix-invalid-json-from-llm/) tratta questo caso.
-   **Loop degli agenti.** `tool_calls` significa “esegui i tool e richiamami”, non “ho finito”.
-   **Cache.** Metti in cache solo le risposte terminate con `stop`. Una risposta troncata tenuta in cache per una settimana sembra un bug del modello.

## Su BroadNet Inference

Il [riferimento API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-finish-reason&utm_content=body) di BroadNet non documenta i valori di finish\_reason, quindi registra ciò che ricevi prima di farci affidamento. Documenta però la causa principale delle sorprese con `length`: DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B ragionano prima di rispondere, e i [token di ragionamento](https://broadrouter.com/it/glossary/reasoning-tokens/) contano in [max\_tokens](https://broadrouter.com/it/glossary/max-tokens/). BroadNet dice che con un limite basso “the reasoning can use the whole budget and the answer comes back empty” (traduzione: il ragionamento può consumare tutto il budget e la risposta torna vuota). Lascia almeno 1.000 token, oppure imposta `reasoning_effort` su `low`. La [guida alla risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/) spiega passo passo la soluzione.

## Errori comuni

-   Leggere `message.content` senza prima controllare finish\_reason.
-   Considerare una risposta vuota un guasto del modello quando il ragionamento ha consumato tutto il budget.

## Domande frequenti

### Cosa significa finish\_reason "length"?

La risposta ha raggiunto il limite di token che hai impostato ed è stata troncata. OpenAI lo descrive come "the maximum number of tokens specified in the request was reached" (è stato raggiunto il numero massimo di token indicato nella richiesta). Alza max\_tokens o chiedi meno; non riparare il testo troncato.

### Perché finish\_reason è "stop" quando imposto una sequenza di stop?

Nel formato OpenAI, stop copre sia una fine naturale sia una sequenza di stop trovata. Anthropic le separa in end\_turn e stop\_sequence.

### BroadNet documenta i valori di finish\_reason?

No. Il riferimento API di BroadNet non elenca i valori di finish\_reason. Registra il campo nelle tue richieste e fai delle prove prima di basarci la logica.

## Vedi anche

-   [max\_tokens](https://broadrouter.com/it/glossary/max-tokens/) (termine)
-   [Token di ragionamento (reasoning tokens)](https://broadrouter.com/it/glossary/reasoning-tokens/) (termine)
-   [Sequenze di stop (stop sequences)](https://broadrouter.com/it/glossary/stop-sequences/) (termine)
-   [Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/) (termine)
-   [Chat Completions API](https://broadrouter.com/it/glossary/chat-completions-api/) (termine)
-   [Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/) (guida)
-   [Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/) (guida)
-   [JSON non valido da un LLM: cause, riparazione e retry](https://broadrouter.com/it/blog/fix-invalid-json-from-llm/) (articolo)
-   [Impostare max\_tokens per i modelli di ragionamento: un metodo](https://broadrouter.com/it/blog/reasoning-model-max-tokens-budget/) (articolo)
-   [Cache delle risposte delle API LLM: una cache esatta in Python](https://broadrouter.com/it/blog/cache-llm-responses-cut-cost/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-finish-reason&utm_content=page-cta) ·

**Fonti**

-   [Riferimento API di OpenAI, oggetto chat completion (finish\_reason) (verificato il 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Documentazione di Anthropic, gestire le stop reason (verificato il 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons)
-   [Riferimento API di BroadNet Inference, ragionamento e max\_tokens (verificato il 2026-11-15) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-finish-reason&utm_content=sources)
