BroadRouter

finish_reason

Atualizado em

finish_reason é um campo de cada choice na resposta de uma chat completion que informa por que o modelo parou de gerar. No formato da OpenAI, os valores são stop, length, tool_calls, content_filter e o obsoleto function_call. A Messages API da Anthropic informa a mesma coisa como stop_reason.

Também chamado de: motivo de parada, motivo de término, finish reason, stop reason, stop_reason

Uma resposta que parece completa pode não estar. O finish_reason é o único campo que diz se o modelo terminou por conta própria.

Como funciona

Cada item de choices traz um finish_reason. A referência da OpenAI lista estes valores:

Valor Significado (OpenAI)
stop Ponto de parada natural, ou uma sequência de parada fornecida foi encontrada
length “The maximum number of tokens specified in the request was reached” (o número máximo de tokens especificado na requisição foi atingido)
tool_calls O modelo chamou uma tool
content_filter “Content was omitted due to a flag from our content filters” (conteúdo omitido por um alerta dos filtros de conteúdo)
function_call Forma antiga e obsoleta de chamada de função

A Messages API da Anthropic usa stop_reason com valores próprios, entre eles end_turn, max_tokens, stop_sequence, tool_use, pause_turn, refusal e model_context_window_exceeded. Quando uma sequência de parada é acionada, a Anthropic também informa qual foi em 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 que isso importa

  • JSON truncado. Uma resposta length está incompleta. Fechar as chaves faz o parsing funcionar, mas perde dados. O post sobre JSON inválido trata disso.
  • Loops de agentes. tool_calls significa “execute as tools e me chame de novo”, não “terminei”.
  • Cache. Só guarde em cache respostas que terminaram com stop. Uma resposta cortada guardada em cache por uma semana parece um bug do modelo.

Na BroadNet Inference

A referência da API da BroadNet não documenta os valores de finish_reason, então registre o que você recebe antes de depender deles. Ela documenta, porém, a principal causa das surpresas com length: DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B raciocinam antes de responder, e os tokens de raciocínio contam para max_tokens. A BroadNet diz que, com um limite pequeno, “the reasoning can use the whole budget and the answer comes back empty” (tradução: o raciocínio pode usar todo o orçamento e a resposta volta vazia). Deixe 1.000 tokens ou mais, ou defina reasoning_effort como low. O guia de resposta vazia mostra a correção passo a passo.

Erros comuns

  • Ler message.content sem conferir o finish_reason antes.
  • Tratar uma resposta vazia como falha do modelo quando o raciocínio usou todo o orçamento.

Perguntas frequentes

O que significa finish_reason "length"?

A resposta atingiu o limite de tokens que você definiu e foi cortada. A OpenAI descreve isso como "the maximum number of tokens specified in the request was reached" (o número máximo de tokens especificado na requisição foi atingido). Aumente max_tokens ou peça menos; não tente consertar o texto cortado.

Por que o finish_reason é "stop" quando defino uma sequência de parada?

No formato da OpenAI, stop cobre tanto um fim natural quanto uma sequência de parada encontrada. A Anthropic separa os dois em end_turn e stop_sequence.

A BroadNet documenta os valores de finish_reason?

Não. A referência da API da BroadNet não lista os valores de finish_reason. Registre o campo nas suas próprias requisições e teste antes de criar lógica com base nele.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity