---
title: "Output strutturato nelle API LLM: JSON Schema o JSON mode"
description: "L’output strutturato vincola la risposta di un LLM a un formato tuo, di solito un JSON Schema. Differenze dalla JSON mode, come richiederlo e cosa può andare storto."
url: https://broadrouter.com/it/glossary/structured-output/
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/structured-output/) (aggiornato il 2026-11-15).

# Output strutturato (structured output)

Aggiornato 2026-11-15

L’output strutturato è una funzionalità delle API LLM che vincola la risposta di un modello a un formato indicato dallo sviluppatore, di solito un JSON Schema, così il codice può interpretarla in modo affidabile. È più rigoroso della JSON mode, che garantisce un JSON valido ma non una struttura precisa.

Detto anche: output strutturato, output JSON, output con JSON Schema, structured output, structured outputs, JSON schema output, response\_format

Il codice ha bisogno di input prevedibili. L’output strutturato trasforma il testo libero di un modello in dati di cui il tuo programma può fidarsi.

## Come funziona

Ci sono tre livelli di controllo:

| Metodo | Cosa ottieni |
| --- | --- |
| Chiederlo nel prompt | Di solito JSON, a volte con testo in più o campi mancanti |
| JSON mode | JSON valido, di qualsiasi forma |
| Output strutturato con uno schema | JSON conforme al tuo schema |

Nel formato OpenAI, la JSON mode è `response_format: {"type": "json_object"}`. L’output strutturato passa uno schema:

```json
"response_format": {
  "type": "json_schema",
  "json_schema": {
    "name": "invoice",
    "strict": true,
    "schema": {
      "type": "object",
      "properties": {
        "vendor": { "type": "string" },
        "total": { "type": "number" }
      },
      "required": ["vendor", "total"],
      "additionalProperties": false
    }
  }
}
```

Il riferimento di OpenAI dice che il tipo `json_schema` “ensures the model will match your supplied JSON schema” (traduzione: garantisce che il modello rispetti il JSON Schema fornito). Molti provider ci riescono con il decoding vincolato: limitano i token che il modello può produrre a ogni passo, così un output che viola lo schema non può essere generato.

## Perché è importante

-   **Meno errori di parsing.** Pipeline di estrazione, classificatori e agenti possono leggere direttamente i campi.
-   **Prompt più semplici.** Lo schema sostituisce lunghe istruzioni sul formato.
-   **Non è una garanzia totale.** La guida di OpenAI dice che l’app deve comunque gestire rifiuti, risposte incomplete ed errori. Una risposta troncata da [`max_tokens`](https://broadrouter.com/it/glossary/max-tokens/) è JSON non valido, qualunque cosa dica lo schema.

Il supporto varia tra le [API compatibili con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/). Alcune accettano solo `json_schema`, altre solo `json_object`, e altre ignorano il campo. Verifica prima di farci affidamento.

## Su BroadNet Inference

La documentazione di BroadNet indica l’output strutturato per [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) e [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/). La documentazione non nomina il parametro della richiesta, quindi prova `response_format` sul tuo modello, e in ogni caso tieni un parser JSON con gestione degli errori. Il [validatore di output JSON per LLM](https://broadrouter.com/tools/llm-json-output-validator/) mostra dove si rompe una risposta e la verifica rispetto al tuo schema. Entrambi i modelli ragionano prima di rispondere, quindi lascia in `max_tokens` spazio per il ragionamento più il JSON.

L’output strutturato si abbina bene ai [modelli vision](https://broadrouter.com/it/glossary/vision-language-model/). La [guida alle fatture in arabo](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/) invia un’immagine e chiede i campi in JSON. Per le azioni invece che per le risposte, usa il [tool calling](https://broadrouter.com/it/glossary/tool-calling/).

## Errori comuni

-   Dimenticare `additionalProperties: false`, o non elencare tutti i campi in `required`, quando usi la modalità strict.
-   Non controllare `finish_reason` prima del parsing.

## Domande frequenti

### Che differenza c’è tra JSON mode e output strutturato?

La JSON mode promette solo che la risposta sia un JSON interpretabile. L’output strutturato con uno schema promette anche i campi, i tipi e le chiavi obbligatorie che hai definito. La guida di OpenAI dice che solo gli Structured Outputs garantiscono l’aderenza allo schema.

### Devo comunque validare l’output?

Sì. Una risposta può comunque essere un rifiuto o essere troncata da max\_tokens, e uno schema non può esprimere ogni regola di business, come un totale che deve essere uguale alla somma delle righe.

### Meglio l’output strutturato o il tool calling?

Usa l’output strutturato quando vuoi la risposta finale in una forma fissa. Usa il tool calling quando il modello deve chiedere al tuo codice di fare qualcosa e poi proseguire.

## Vedi anche

-   [Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/) (termine)
-   [max\_tokens](https://broadrouter.com/it/glossary/max-tokens/) (termine)
-   [Modello vision-language (VLM)](https://broadrouter.com/it/glossary/vision-language-model/) (termine)
-   [API compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) (termine)
-   [JSON mode (modalità JSON)](https://broadrouter.com/it/glossary/json-mode/) (termine)
-   [Guardrail (controlli di sicurezza per LLM)](https://broadrouter.com/it/glossary/guardrails/) (termine)
-   [JSON Schema](https://broadrouter.com/it/glossary/json-schema/) (termine)
-   [Leggere fatture e scontrini in arabo con un modello vision](https://broadrouter.com/it/guides/read-arabic-invoices-with-vision/) (guida)
-   [Usare l’SDK Python di OpenAI con BroadNet Inference](https://broadrouter.com/it/guides/openai-python-sdk/) (guida)
-   [Scegliere un’API LLM per l’arabo: cosa testare](https://broadrouter.com/it/blog/choosing-an-llm-for-arabic/) (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-structured-output&utm_content=page-cta) ·

**Fonti**

-   [OpenAI, guida agli Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs)
-   [Riferimento API di OpenAI, creare una chat completion (response\_format)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Riferimento API di BroadNet Inference, modelli (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-structured-output&utm_content=sources#models)
