---
title: "finish_reason이란? LLM 응답이 멈춘 이유 확인하기 | BroadRouter"
description: "finish_reason은 모델이 왜 생성을 멈췄는지 알려 줍니다. 자연스러운 종료, max_tokens 한도, 도구 호출, 콘텐츠 필터 중 무엇인지 응답을 믿기 전에 확인하는 방법입니다."
url: https://broadrouter.com/ko/glossary/finish-reason/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/finish-reason/) (2026-11-15 업데이트).

# finish\_reason(종료 이유)

업데이트 2026-11-15

finish\_reason은 chat completion 응답의 각 choice에 붙는 필드로, 모델이 생성을 멈춘 이유를 알려 줍니다. OpenAI 형식의 값은 stop, length, tool\_calls, content\_filter, 그리고 deprecated된 function\_call입니다. Anthropic Messages API는 같은 개념을 stop\_reason으로 보고합니다.

다른 이름: 종료 이유, 중지 이유, finish reason 뜻, finish\_reason length, finish reason, stop reason, stop\_reason

완성된 것처럼 보이는 응답이 실제로는 아닐 수 있습니다. 모델이 스스로 끝냈는지 알려 주는 필드는 finish\_reason 하나뿐입니다.

## 작동 방식

`choices`의 각 항목에는 `finish_reason`이 있습니다. OpenAI 레퍼런스에 나온 값은 다음과 같습니다.

| 값 | 의미(OpenAI) |
| --- | --- |
| `stop` | 자연스러운 종료 지점이거나, 지정한 [중지 시퀀스](https://broadrouter.com/ko/glossary/stop-sequences/)에 도달함 |
| `length` | “The maximum number of tokens specified in the request was reached”(번역: 요청에 지정된 최대 토큰 수에 도달함) |
| `tool_calls` | 모델이 도구를 호출함 |
| `content_filter` | “Content was omitted due to a flag from our content filters”(번역: 콘텐츠 필터의 플래그로 내용이 생략됨) |
| `function_call` | 예전 방식이며 deprecated된 함수 호출 형태 |

Anthropic Messages API는 `stop_reason`을 쓰며 자체 값이 있습니다. `end_turn`, `max_tokens`, `stop_sequence`, `tool_use`, `pause_turn`, `refusal`, `model_context_window_exceeded` 등입니다. 중지 시퀀스가 작동하면 Anthropic은 어떤 시퀀스였는지도 `stop_sequence`로 반환합니다.

```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)
```

## 왜 중요한가

-   **잘린 JSON.** `length` 응답은 불완전합니다. 괄호를 닫아 주면 파싱은 되지만 데이터는 사라집니다. [잘못된 JSON 글](https://broadrouter.com/ko/blog/fix-invalid-json-from-llm/)에서 이 문제를 다룹니다.
-   **에이전트 루프.** `tool_calls`는 “끝났다”가 아니라 “도구를 실행하고 다시 호출해 달라”는 뜻입니다.
-   **캐싱.** `stop`으로 끝난 응답만 캐시하세요. 잘린 답변이 일주일 동안 캐시되면 모델 버그처럼 보입니다.

## BroadNet Inference에서는

BroadNet의 [API 레퍼런스](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-finish-reason&utm_content=body)는 finish\_reason 값을 문서화하지 않으므로, 의존하기 전에 실제로 받는 값을 로그로 남기세요. 다만 예상치 못한 `length`의 주된 원인은 문서화되어 있습니다. DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B는 답하기 전에 추론하며, [추론 토큰](https://broadrouter.com/ko/glossary/reasoning-tokens/)은 [max\_tokens](https://broadrouter.com/ko/glossary/max-tokens/)에 포함됩니다. BroadNet은 한도가 작으면 “the reasoning can use the whole budget and the answer comes back empty.”(번역: 추론이 예산을 모두 써서 답변이 비어서 돌아올 수 있다)라고 설명합니다. 1,000토큰 이상을 남기거나 `reasoning_effort`를 `low`로 설정하세요. 해결 방법은 [빈 응답 가이드](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/)에 단계별로 나와 있습니다.

## 흔한 실수

-   finish\_reason을 먼저 확인하지 않고 `message.content`를 읽는 것.
-   추론이 예산을 모두 써서 답변이 비었는데 이를 모델 오류로 취급하는 것.

## 자주 묻는 질문

### finish\_reason이 "length"면 무슨 뜻인가요?

응답이 설정한 토큰 한도에 도달해 잘렸다는 뜻입니다. OpenAI는 이를 "the maximum number of tokens specified in the request was reached."(번역: 요청에 지정된 최대 토큰 수에 도달했다)라고 설명합니다. max\_tokens를 늘리거나 요청량을 줄이세요. 잘린 텍스트를 고쳐 쓰지는 마세요.

### 중지 시퀀스를 설정했는데 finish\_reason이 "stop"인 이유는 무엇인가요?

OpenAI 형식에서 stop은 자연스러운 종료와 중지 시퀀스 일치를 모두 포함합니다. Anthropic은 이를 end\_turn과 stop\_sequence로 구분합니다.

### BroadNet은 finish\_reason 값을 문서화하나요?

아니요. BroadNet API 레퍼런스에는 finish\_reason 값 목록이 없습니다. 실제 요청에서 이 필드를 로그로 남기고, 이 값에 따라 분기하기 전에 테스트하세요.

## 함께 보기

-   [max\_tokens(최대 출력 토큰)](https://broadrouter.com/ko/glossary/max-tokens/) (용어)
-   [추론 토큰(reasoning tokens)](https://broadrouter.com/ko/glossary/reasoning-tokens/) (용어)
-   [중지 시퀀스(stop sequences)](https://broadrouter.com/ko/glossary/stop-sequences/) (용어)
-   [도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/) (용어)
-   [Chat Completions API](https://broadrouter.com/ko/glossary/chat-completions-api/) (용어)
-   [추론 모델이 빈 답변을 반환하는 이유](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/) (가이드)
-   [채팅 완성 스트리밍과 끊긴 연결 처리하기](https://broadrouter.com/ko/guides/streaming-chat-completions/) (가이드)
-   [LLM이 잘못된 JSON을 반환할 때 해결법: 원인, 복구, 재시도](https://broadrouter.com/ko/blog/fix-invalid-json-from-llm/) (글)
-   [추론 모델의 max\_tokens 설정: 토큰 예산을 정하는 방법](https://broadrouter.com/ko/blog/reasoning-model-max-tokens-budget/) (글)
-   [LLM API 응답 캐싱으로 비용 줄이기: Python 정확 일치 캐시](https://broadrouter.com/ko/blog/cache-llm-responses-cut-cost/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [OpenAI API 레퍼런스, chat completion 객체(finish\_reason)(2026-11-15 확인)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Anthropic 문서, 중지 이유 처리(2026-11-15 확인)](https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons)
-   [BroadNet Inference API 레퍼런스, 추론과 max\_tokens(2026-11-15 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-finish-reason&utm_content=sources)
