---
title: "Was ist finish_reason? Warum eine LLM-Antwort endet | BroadRouter"
description: "finish_reason verrät, warum ein Modell aufgehört hat: natürliches Ende, max_tokens, Tool Call oder Content-Filter. So lesen Sie das Feld vor dem Weiterverarbeiten."
url: https://broadrouter.com/de/glossary/finish-reason/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/finish-reason/) (aktualisiert am 2026-11-15).

# finish\_reason

Aktualisiert 2026-11-15

finish\_reason ist ein Feld an jeder Choice einer Chat-Completion-Antwort, das angibt, warum das Modell die Generierung beendet hat. Im OpenAI-Format lauten die Werte stop, length, tool\_calls, content\_filter und das veraltete function\_call. Die Messages API von Anthropic meldet dasselbe als stop\_reason.

Auch genannt: Finish Reason, Abbruchgrund, Stoppgrund, Stop Reason, finish reason, stop reason, stop\_reason

Eine Antwort, die vollständig aussieht, muss es nicht sein. finish\_reason ist das eine Feld, das Ihnen sagt, ob das Modell von sich aus aufgehört hat.

## So funktioniert es

Jedes Element in `choices` trägt einen `finish_reason`. Die Referenz von OpenAI nennt diese Werte:

| Wert | Bedeutung (OpenAI) |
| --- | --- |
| `stop` | Natürlicher Endpunkt, oder eine übergebene [Stop Sequence](https://broadrouter.com/de/glossary/stop-sequences/) wurde erreicht |
| `length` | „The maximum number of tokens specified in the request was reached“ (Übersetzung: „Die in der Anfrage angegebene Höchstzahl an Tokens wurde erreicht“) |
| `tool_calls` | Das Modell hat ein Tool aufgerufen |
| `content_filter` | „Content was omitted due to a flag from our content filters“ (Übersetzung: „Inhalte wurden wegen einer Markierung durch unsere Content-Filter ausgelassen“) |
| `function_call` | Ältere, veraltete Form eines Funktionsaufrufs |

Die Messages API von Anthropic verwendet `stop_reason` mit eigenen Werten, darunter `end_turn`, `max_tokens`, `stop_sequence`, `tool_use`, `pause_turn`, `refusal` und `model_context_window_exceeded`. Greift eine Stop Sequence, meldet Anthropic zusätzlich in `stop_sequence`, welche es war.

```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)
```

## Warum es wichtig ist

-   **Abgeschnittenes JSON.** Eine Antwort mit `length` ist unvollständig. Wer die Klammern schließt, bringt sie zum Parsen, verliert aber Daten. Der [Beitrag zu ungültigem JSON](https://broadrouter.com/de/blog/fix-invalid-json-from-llm/) behandelt das.
-   **Agenten-Schleifen.** `tool_calls` heißt „führe die Tools aus und ruf mich erneut auf“, nicht „fertig“.
-   **Caching.** Cachen Sie nur Antworten, die mit `stop` geendet haben. Eine abgeschnittene Antwort, die eine Woche im Cache liegt, sieht aus wie ein Fehler des Modells.

## Bei BroadNet Inference

Die [API-Referenz](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-finish-reason&utm_content=body) von BroadNet dokumentiert die Werte von finish\_reason nicht. Loggen Sie also, was Sie erhalten, bevor Sie sich darauf verlassen. Dokumentiert ist dagegen die Hauptursache für Überraschungen mit `length`: DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B denken nach, bevor sie antworten, und die [Reasoning-Tokens](https://broadrouter.com/de/glossary/reasoning-tokens/) zählen zu [max\_tokens](https://broadrouter.com/de/glossary/max-tokens/). BroadNet schreibt, dass bei einem kleinen Limit „the reasoning can use the whole budget and the answer comes back empty“ (Übersetzung: „das Reasoning das ganze Budget verbrauchen kann und die Antwort leer zurückkommt“). Lassen Sie 1.000 Tokens oder mehr Spielraum, oder setzen Sie `reasoning_effort` auf `low`. Die [Anleitung zu leeren Antworten](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/) zeigt die Lösung Schritt für Schritt.

## Häufige Fehler

-   `message.content` lesen, ohne vorher finish\_reason zu prüfen.
-   Eine leere Antwort für einen Fehler des Modells halten, obwohl das Reasoning das ganze Budget verbraucht hat.

## Häufige Fragen

### Was bedeutet finish\_reason „length“?

Die Antwort hat das von Ihnen gesetzte Token-Limit erreicht und wurde abgeschnitten. OpenAI beschreibt das als „the maximum number of tokens specified in the request was reached“ (Übersetzung: „die in der Anfrage angegebene Höchstzahl an Tokens wurde erreicht“). Erhöhen Sie max\_tokens oder fordern Sie weniger an; reparieren Sie den abgeschnittenen Text nicht.

### Warum ist finish\_reason „stop“, wenn ich eine Stop Sequence gesetzt habe?

Im OpenAI-Format deckt stop sowohl ein natürliches Ende als auch eine gefundene Stop Sequence ab. Anthropic trennt beides in end\_turn und stop\_sequence.

### Dokumentiert BroadNet die Werte von finish\_reason?

Nein. Die API-Referenz von BroadNet listet keine Werte für finish\_reason auf. Loggen Sie das Feld bei Ihren eigenen Anfragen und testen Sie, bevor Sie Ihren Code danach verzweigen.

## Siehe auch

-   [max\_tokens](https://broadrouter.com/de/glossary/max-tokens/) (Begriff)
-   [Reasoning-Tokens](https://broadrouter.com/de/glossary/reasoning-tokens/) (Begriff)
-   [Stoppsequenzen (Stop Sequences)](https://broadrouter.com/de/glossary/stop-sequences/) (Begriff)
-   [Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/) (Begriff)
-   [Chat Completions API](https://broadrouter.com/de/glossary/chat-completions-api/) (Begriff)
-   [Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/) (Anleitung)
-   [Chat Completions streamen und abgebrochene Verbindungen behandeln](https://broadrouter.com/de/guides/streaming-chat-completions/) (Anleitung)
-   [Ungültiges JSON vom LLM reparieren: Ursachen, Reparatur, Retry](https://broadrouter.com/de/blog/fix-invalid-json-from-llm/) (Artikel)
-   [max\_tokens für Reasoning-Modelle festlegen: eine Budgetmethode](https://broadrouter.com/de/blog/reasoning-model-max-tokens-budget/) (Artikel)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

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

**Quellen**

-   [OpenAI-API-Referenz, Chat-Completion-Objekt (finish\_reason) (geprüft am 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Anthropic-Dokumentation, Umgang mit Stop Reasons (geprüft am 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons)
-   [API-Referenz von BroadNet Inference, Reasoning und max\_tokens (geprüft am 2026-11-15) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-finish-reason&utm_content=sources)
