---
title: "O que é max_tokens em uma API de LLM? Limites de saída"
description: "max_tokens limita quantos tokens um modelo pode gerar em uma resposta. A diferença para a janela de contexto, os nomes novos e por que o raciocínio pede folga."
url: https://broadrouter.com/pt/glossary/max-tokens/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/max-tokens/) (atualizado em 2026-11-14).

# max\_tokens

Atualizado em 2026-11-14

max\_tokens é um parâmetro de APIs de LLM que define o máximo de tokens que um modelo pode gerar em uma resposta. Quando a geração atinge o limite, ela para e a resposta é marcada como cortada, por exemplo com finish\_reason igual a "length".

Também chamado de: limite de tokens de saída, tamanho máximo da saída, máximo de tokens, max\_completion\_tokens, max\_output\_tokens, output token limit, maximum output length

`max_tokens` é o orçamento de saída de uma resposta. Ele protege você de respostas que não acabam nunca, mas, se ficar baixo demais, corta as respostas ou não devolve nada.

## Como funciona

O modelo gera um [token](https://broadrouter.com/pt/glossary/token/) de cada vez. Quando a contagem chega a `max_tokens`, a geração para, mesmo no meio de uma frase. A resposta então informa por que terminou:

| `finish_reason` | Significado |
| --- | --- |
| `stop` | O modelo terminou sozinho |
| `length` | O limite de `max_tokens` foi atingido |
| `tool_calls` | O modelo está pedindo para chamar uma ferramenta |

O parâmetro tem vários nomes. A API Chat Completions da OpenAI agora marca `max_tokens` como obsoleto em favor de `max_completion_tokens`, um limite superior que inclui tanto a saída visível quanto os tokens de raciocínio. A Responses API da OpenAI usa `max_output_tokens`. A Messages API da Anthropic usa `max_tokens`. Muitos provedores compatíveis com a OpenAI aceitam `max_tokens`.

O prompt e a saída dividem a mesma [janela de contexto](https://broadrouter.com/pt/glossary/context-window/). Se a janela tem 32.768 tokens e o prompt tem 30.000, no máximo 2.768 tokens podem voltar, não importa o que diga `max_tokens`.

## Por que isso importa

-   **Controle de custo.** Em uma chave cobrada por token, `max_tokens` é o máximo que uma única resposta pode custar em saída.
-   **Respostas vazias.** Em modelos de raciocínio, o pensamento sai do mesmo orçamento. Um limite de 100 pode ser gasto inteiro em [tokens de raciocínio](https://broadrouter.com/pt/glossary/reasoning-tokens/), e aí a resposta visível vem vazia e `finish_reason` é `length`.
-   **JSON quebrado.** Uma resposta cortada deixa a [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/) incompleta e impossível de interpretar. Confira `finish_reason` antes de fazer o parse.

## Na BroadNet Inference

DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B raciocinam antes de responder, e a documentação da BroadNet diz que o raciocínio conta para `max_tokens`. Reserve 1.000 tokens ou mais, deixe o parâmetro sem definir ou reduza `reasoning_effort`:

```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")
```

O tamanho do contexto muda conforme o modelo: 1.048.576 tokens para DeepSeek V4.1 Flash e GLM 5.3, 262.144 para Qwen3.8 27B e 32.768 para BroadNet Gemma 4 VL 26B. Veja as [páginas dos modelos](https://broadrouter.com/pt/models/) e [por que modelos de raciocínio devolvem respostas vazias](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/).

## Erros comuns

-   Copiar, numa migração, um limite pequeno usado com um modelo sem raciocínio. Veja o [checklist de migração](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/).
-   Tratar `length` como sucesso. Registre esse caso no log e tente de novo com mais folga.

## Perguntas frequentes

### max\_tokens é a mesma coisa que a janela de contexto?

Não. A janela de contexto é o total que o modelo consegue processar, prompt mais saída. max\_tokens limita só a saída, e prompt mais max\_tokens ainda precisam caber na janela.

### Devo sempre definir max\_tokens?

Defina quando precisar de um teto rígido de custo ou de tamanho. Em modelos de raciocínio, deixe bastante folga, ou não defina se o padrão do provedor já for grande o suficiente.

### Qual a diferença entre max\_tokens e max\_completion\_tokens?

A OpenAI tornou max\_tokens obsoleto no Chat Completions em favor de max\_completion\_tokens, que inclui explicitamente os tokens de raciocínio. Muitos provedores compatíveis com a OpenAI ainda aceitam max\_tokens.

## Veja também

-   [Tokens de raciocínio (reasoning tokens)](https://broadrouter.com/pt/glossary/reasoning-tokens/) (termo)
-   [Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/) (termo)
-   [Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/) (termo)
-   [Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/) (termo)
-   [JSON mode (modo JSON)](https://broadrouter.com/pt/glossary/json-mode/) (termo)
-   [Chain-of-thought (CoT, cadeia de pensamento)](https://broadrouter.com/pt/glossary/chain-of-thought/) (termo)
-   [finish\_reason](https://broadrouter.com/pt/glossary/finish-reason/) (termo)
-   [Sequências de parada (stop sequences)](https://broadrouter.com/pt/glossary/stop-sequences/) (termo)
-   [Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/) (guia)
-   [Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/) (guia)
-   [Migrar para uma API compatível com a OpenAI: checklist de migração](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Referência da API da OpenAI, criar chat completion (max\_tokens e max\_completion\_tokens)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI, modelos de raciocínio (max\_output\_tokens e respostas incompletas)](https://developers.openai.com/api/docs/guides/reasoning)
-   [Referência da API da BroadNet Inference, modelos de raciocínio (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-max-tokens&utm_content=sources#models)
