max_tokens
大语言模型 API 中的参数，指定生成响应时使用的最大 token 数量，包括思维和输出 token
核心事实
时间轴 (近 90 天)
上下文截断是长输入实验中最常见的混淆源，当拼接后的提示超过模型上下文窗口或服务端的max_tokens限制时，系统通常从尾部或头部静默丢弃内容。
不同供应商的模型列表接口在参数命名上存在差异，例如有的用 max_tokens，有的用 max_completion_tokens。
6KB 以上空输出率不是随文件大小线性上升，而是呈现悬崖式跳变：消耗一旦接近 max_tokens 上限，是否空输出取决于当次思考链长度的随机波动（方差）。
在支持推理的模型中，max_tokens 限制的是可见回答与不可见思考过程（chain-of-thought）的 token 总和；当思考链占满预算时，模型没有余量输出最终答案，API 返回空内容或截断。
通过直连每条路线并以 max_tokens=1 发起请求，可以最低成本获取 HTTP 状态码和错误体，用于探活检测
设置 max_tokens 上限是必要的工程纪律，Agent 循环加上失控的输出长度是成本事故最常见的来源之一。
OpenAI Chat Completions API 中，max_tokens 是早期字段，用于限制生成内容总 token 数；OpenAI 在 o1 系列及之后的推理模型中引入 max_completion_tokens，用于约束整次补全的 token 上限，并逐步建议新模型改用后者。
Azure OpenAI 的参数支持节奏与 OpenAI 主站并不同步，部分旧部署（如 gpt-35-turbo）仍只接受 max_tokens；兼容层必须按模型族分流，否则请求可能被网关以 400 拒绝。
Cline SDK v0.0.95 对 OpenAI 兼容请求的参数处理逻辑进行了修改：对于 gpt-6-sol、gpt-6.1-sol、gpt-6-1-sol 以及 gpt-5 到 gpt-9 的模型 ID，SDK 现在发送 max_completion_tokens 而不是 max_tokens，目的是让 OpenAI 和 Azure 不再拒绝这些请求。
在 Anthropic 的 Claude 3.7 及之后系列中，模型的内部推理（thinking）与最终回复共享同一个 max_tokens 预算，max_tokens 是'思考 + 输出'的总量上限。
还有 15 条时间轴事件
全部知识事实 (20)
finish_reason 为 length 或 MAX_TOKENS 类的值意味着模型被强制打断，而非主动收尾
65%已验证推理模型的思考 token 通常会计入费用，设置 token 预算上限可避免单次请求成本失控
65%待验证上下文截断是长输入实验中最常见的混淆源，当拼接后的提示超过模型上下文窗口或服务端的max_tokens限制时，系统通常从尾部或头部静默丢弃内容。
50%待验证不同供应商的模型列表接口在参数命名上存在差异，例如有的用 max_tokens，有的用 max_completion_tokens。
50%待验证6KB 以上空输出率不是随文件大小线性上升，而是呈现悬崖式跳变：消耗一旦接近 max_tokens 上限，是否空输出取决于当次思考链长度的随机波动（方差）。
50%待验证在支持推理的模型中，max_tokens 限制的是可见回答与不可见思考过程（chain-of-thought）的 token 总和；当思考链占满预算时，模型没有余量输出最终答案，API 返回空内容或截断。
50%待验证通过直连每条路线并以 max_tokens=1 发起请求，可以最低成本获取 HTTP 状态码和错误体，用于探活检测
50%待验证设置 max_tokens 上限是必要的工程纪律，Agent 循环加上失控的输出长度是成本事故最常见的来源之一。
50%待验证Azure OpenAI 的参数支持节奏与 OpenAI 主站并不同步，部分旧部署（如 gpt-35-turbo）仍只接受 max_tokens；兼容层必须按模型族分流，否则请求可能被网关以 400 拒绝。
50%待验证Cline SDK v0.0.95 对 OpenAI 兼容请求的参数处理逻辑进行了修改：对于 gpt-6-sol、gpt-6.1-sol、gpt-6-1-sol 以及 gpt-5 到 gpt-9 的模型 ID，SDK 现在发送 max_completion_tokens 而不是 max_tokens，目的是让 OpenAI 和 Azure 不再拒绝这些请求。
50%待验证OpenAI Chat Completions API 中，max_tokens 是早期字段，用于限制生成内容总 token 数；OpenAI 在 o1 系列及之后的推理模型中引入 max_completion_tokens，用于约束整次补全的 token 上限，并逐步建议新模型改用后者。
50%待验证在 Anthropic 的 Claude 3.7 及之后系列中，模型的内部推理（thinking）与最终回复共享同一个 max_tokens 预算，max_tokens 是'思考 + 输出'的总量上限。
50%待验证最大输出token（max_tokens）是API调用时用于限制单次响应长度的参数，与上下文窗口是两个独立维度。
50%待验证为每个任务类型显式设置max_tokens并使用JSON模式或结构化输出约束，在旗舰模型上200 token和2000 token的输出成本差约10倍，仅此一项每月可省20到30美元。
50%待验证OpenAI API按模型系列衡量RPM和合并TPM，并在请求时检查估算的提示Token加上请求的max_tokens是否在剩余TPM池内
50%待验证推理模型产生的 reasoning tokens 与最终输出共享同一个 max_tokens 预算，即便可见回复为空字符串也会照常计费。
50%待验证max_tokens 是模型单次回复可生成的最大 token 数量，同时影响延迟与费用
50%待验证Claude Code 对 max_tokens 错误的恢复上限为三次尝试，常量名为 MAX_OUTPUT_TOKENS_RECOVERY_LIMIT = 3。
50%待验证temperature、top_p、max_tokens 在多数模型上通用，但某些推理模型不接受 temperature，或对 max_tokens 有特殊语义。
50%待验证按 token 计费的模型存在一个格式错误的 prompt 意外生成大量 token 的风险，工程防护可通过 max_tokens 硬上限、客户端 prompt 长度校验、API 调用超时守卫三层措施实现。
50%