BroadRouter

finish_reason (motivo de finalización)

Actualizado

finish_reason es un campo de cada opción en la respuesta de un chat completion que indica por qué el modelo dejó de generar. En el formato de OpenAI los valores son stop, length, tool_calls, content_filter y el obsoleto function_call. La API Messages de Anthropic expresa la misma idea con stop_reason.

También llamado: motivo de finalización, razón de parada, motivo de parada, finish_reason, finish reason, stop reason, stop_reason

Una respuesta que parece completa puede no serlo. finish_reason es el único campo que le dice si el modelo terminó por decisión propia.

Cómo funciona

Cada elemento de choices lleva un finish_reason. La referencia de OpenAI enumera estos valores:

Valor Significado (OpenAI)
stop Punto de parada natural, o se alcanzó una secuencia de parada proporcionada
length “The maximum number of tokens specified in the request was reached” (traducción: se alcanzó el número máximo de tokens indicado en la solicitud)
tool_calls El modelo llamó a una herramienta
content_filter “Content was omitted due to a flag from our content filters” (traducción: se omitió contenido por una alerta de nuestros filtros de contenido)
function_call Forma anterior y obsoleta de una llamada a función

La API Messages de Anthropic usa stop_reason con sus propios valores, entre ellos end_turn, max_tokens, stop_sequence, tool_use, pause_turn, refusal y model_context_window_exceeded. Cuando se activa una secuencia de parada, Anthropic también devuelve cuál fue en stop_sequence.

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)

Por qué importa

  • JSON truncado. Una respuesta con length está incompleta. Cerrar las llaves hace que se pueda procesar, pero pierde datos. El artículo sobre JSON inválido trata este caso.
  • Bucles de agentes. tool_calls significa “ejecuta las herramientas y vuelve a llamarme”, no “terminé”.
  • Caché. Guarde en caché solo las respuestas que terminaron con stop. Una respuesta cortada guardada en caché durante una semana parece un error del modelo.

En BroadNet Inference

La referencia de la API de BroadNet no documenta los valores de finish_reason, así que registre lo que reciba antes de depender de ellos. Sí documenta la causa principal de las sorpresas con length: DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B razonan antes de responder, y los tokens de razonamiento cuentan para max_tokens. BroadNet indica que, con un límite pequeño, “the reasoning can use the whole budget and the answer comes back empty.” (traducción: el razonamiento puede consumir todo el presupuesto y la respuesta vuelve vacía.) Deje 1,000 tokens o más, o configure reasoning_effort en low. La guía de respuesta vacía explica la solución paso a paso.

Errores comunes

  • Leer message.content sin revisar antes finish_reason.
  • Tratar una respuesta vacía como un fallo del modelo cuando el razonamiento consumió todo el presupuesto.

Preguntas frecuentes

¿Qué significa finish_reason "length"?

La respuesta alcanzó el límite de tokens que usted definió y se cortó. OpenAI lo describe así: "the maximum number of tokens specified in the request was reached" (traducción: se alcanzó el número máximo de tokens indicado en la solicitud). Suba max_tokens o pida menos; no intente reparar el texto cortado.

¿Por qué finish_reason es "stop" cuando defino una secuencia de parada?

En el formato de OpenAI, stop abarca tanto un final natural como una secuencia de parada coincidente. Anthropic los separa en end_turn y stop_sequence.

¿BroadNet documenta los valores de finish_reason?

No. La referencia de la API de BroadNet no enumera los valores de finish_reason. Registre el campo en sus propias solicitudes y pruebe antes de basar su lógica en él.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity