---
title: "Apakah itu finish_reason? Sebab respons LLM berhenti"
description: "finish_reason menyatakan sebab model berhenti: penamat semula jadi, max_tokens, panggilan alat atau penapis kandungan. Cara membacanya sebelum mempercayai respons."
url: https://broadrouter.com/ms/glossary/finish-reason/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/glossary/finish-reason/) (dikemas kini 2026-11-15).

# finish\_reason

Dikemas kini 2026-11-15

finish\_reason ialah medan pada setiap choice dalam respons chat completion yang menyatakan sebab model berhenti menjana. Dalam format OpenAI, nilainya ialah stop, length, tool\_calls, content\_filter dan function\_call yang sudah lapuk. Messages API Anthropic melaporkan idea yang sama sebagai stop\_reason.

Juga dikenali sebagai: sebab tamat, sebab jawapan terpotong, finish reason, stop reason, stop\_reason

Jawapan yang kelihatan lengkap mungkin tidak lengkap. finish\_reason ialah satu-satunya medan yang memberitahu anda sama ada model berhenti atas kehendaknya sendiri.

## Cara ia berfungsi

Setiap item dalam `choices` membawa `finish_reason`. Rujukan OpenAI menyenaraikan nilai berikut:

| Nilai | Maksud (OpenAI) |
| --- | --- |
| `stop` | Titik henti semula jadi, atau [jujukan henti](https://broadrouter.com/ms/glossary/stop-sequences/) yang diberikan telah dicapai |
| `length` | “The maximum number of tokens specified in the request was reached” (bilangan maksimum token yang ditetapkan dalam permintaan telah dicapai) |
| `tool_calls` | Model memanggil alat |
| `content_filter` | “Content was omitted due to a flag from our content filters” (kandungan ditinggalkan kerana dibenderakan oleh penapis kandungan kami) |
| `function_call` | Bentuk panggilan fungsi yang lebih lama dan sudah lapuk |

Messages API Anthropic menggunakan `stop_reason` dengan nilainya sendiri, termasuk `end_turn`, `max_tokens`, `stop_sequence`, `tool_use`, `pause_turn`, `refusal` dan `model_context_window_exceeded`. Apabila jujukan henti tercetus, Anthropic juga memulangkan jujukan yang mana dalam `stop_sequence`.

```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)
```

## Mengapa ia penting

-   **JSON yang terpotong.** Jawapan `length` tidak lengkap. Menutup kurungan membuatkannya boleh dihurai tetapi data hilang. [Artikel JSON tidak sah](https://broadrouter.com/ms/blog/fix-invalid-json-from-llm/) membincangkan perkara ini.
-   **Gelung ejen.** `tool_calls` bermaksud “jalankan alat dan panggil saya semula”, bukan “selesai”.
-   **Caching.** Hanya cache jawapan yang tamat dengan `stop`. Jawapan terpotong yang di-cache selama seminggu kelihatan seperti pepijat model.

## Di BroadNet Inference

[Rujukan API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-glossary-finish-reason&utm_content=body) BroadNet tidak mendokumenkan nilai finish\_reason, jadi log apa yang anda terima sebelum bergantung padanya. Namun ia mendokumenkan punca utama `length` yang mengejutkan: DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B membuat penaakulan sebelum menjawab, dan [token penaakulan](https://broadrouter.com/ms/glossary/reasoning-tokens/) dikira dalam [max\_tokens](https://broadrouter.com/ms/glossary/max-tokens/). BroadNet menyatakan bahawa dengan had yang kecil, “the reasoning can use the whole budget and the answer comes back empty.” (Terjemahan BroadRouter: “penaakulan boleh menggunakan seluruh bajet dan jawapan dipulangkan kosong.”) Tinggalkan 1,000 token atau lebih, atau tetapkan `reasoning_effort` kepada `low`. [Panduan respons kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/) menunjukkan cara membetulkannya.

## Kesilapan biasa

-   Membaca `message.content` tanpa menyemak finish\_reason terlebih dahulu.
-   Menganggap jawapan kosong sebagai kegagalan model sedangkan penaakulan telah menggunakan seluruh bajet.

## Soalan lazim

### Apakah maksud finish\_reason "length"?

Jawapan mencapai had token yang anda tetapkan dan terpotong. OpenAI menerangkannya sebagai "the maximum number of tokens specified in the request was reached" (bilangan maksimum token yang ditetapkan dalam permintaan telah dicapai). Naikkan max\_tokens atau minta kurang; jangan baiki teks yang terpotong.

### Mengapa finish\_reason ialah "stop" apabila saya menetapkan jujukan henti?

Dalam format OpenAI, stop merangkumi penamat semula jadi dan jujukan henti yang sepadan. Anthropic memisahkannya kepada end\_turn dan stop\_sequence.

### Adakah BroadNet mendokumenkan nilai finish\_reason?

Tidak. Rujukan API BroadNet tidak menyenaraikan nilai finish\_reason. Log medan itu pada permintaan anda sendiri dan uji sebelum membuat cabang logik berdasarkannya.

## Lihat juga

-   [max\_tokens](https://broadrouter.com/ms/glossary/max-tokens/) (istilah)
-   [Token penaakulan (reasoning tokens)](https://broadrouter.com/ms/glossary/reasoning-tokens/) (istilah)
-   [Jujukan henti (stop sequences)](https://broadrouter.com/ms/glossary/stop-sequences/) (istilah)
-   [Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/) (istilah)
-   [Chat Completions API](https://broadrouter.com/ms/glossary/chat-completions-api/) (istilah)
-   [Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/) (panduan)
-   [Strim chat completions dan kendalikan sambungan yang terputus](https://broadrouter.com/ms/guides/streaming-chat-completions/) (panduan)
-   [Cara membaiki JSON tidak sah daripada LLM: punca, baiki, cuba semula](https://broadrouter.com/ms/blog/fix-invalid-json-from-llm/) (artikel)
-   [Menetapkan max\_tokens untuk model penaakulan: kaedah bajet](https://broadrouter.com/ms/blog/reasoning-model-max-tokens-budget/) (artikel)
-   [Cache respons API LLM untuk jimat kos: cache padanan tepat Python](https://broadrouter.com/ms/blog/cache-llm-responses-cut-cost/) (artikel)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [Rujukan API OpenAI, chat completion object (finish\_reason) (disemak 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Dokumentasi Anthropic, handling stop reasons (disemak 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons)
-   [Rujukan API BroadNet Inference, penaakulan dan max\_tokens (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-glossary-finish-reason&utm_content=sources)
