---
title: "O que é finish_reason? Por que a resposta do LLM parou"
description: "finish_reason diz por que o modelo parou: fim natural, limite de max_tokens, chamada de tool ou filtro de conteúdo. Como ler o campo antes de confiar na resposta."
url: https://broadrouter.com/pt/glossary/finish-reason/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/finish-reason/) (atualizado em 2026-11-15).

# finish\_reason

Atualizado em 2026-11-15

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](https://broadrouter.com/pt/glossary/stop-sequences/) 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`.

```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)
```

## 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](https://broadrouter.com/pt/blog/fix-invalid-json-from-llm/) 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](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-finish-reason&utm_content=body) 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](https://broadrouter.com/pt/glossary/reasoning-tokens/) contam para [max\_tokens](https://broadrouter.com/pt/glossary/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](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/) 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.

## Veja também

-   [max\_tokens](https://broadrouter.com/pt/glossary/max-tokens/) (termo)
-   [Tokens de raciocínio (reasoning tokens)](https://broadrouter.com/pt/glossary/reasoning-tokens/) (termo)
-   [Sequências de parada (stop sequences)](https://broadrouter.com/pt/glossary/stop-sequences/) (termo)
-   [Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/) (termo)
-   [Chat Completions API](https://broadrouter.com/pt/glossary/chat-completions-api/) (termo)
-   [Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/) (guia)
-   [Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/) (guia)
-   [Como corrigir JSON inválido de um LLM: causas, reparo e retry](https://broadrouter.com/pt/blog/fix-invalid-json-from-llm/) (artigo)
-   [Como definir max\_tokens em modelos de raciocínio: um método](https://broadrouter.com/pt/blog/reasoning-model-max-tokens-budget/) (artigo)
-   [Cache de respostas de LLM para cortar custo: um cache exato em Python](https://broadrouter.com/pt/blog/cache-llm-responses-cut-cost/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [Referência da API da OpenAI, objeto chat completion (finish\_reason) (conferido em 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Documentação da Anthropic, como tratar stop reasons (conferido em 2026-11-15)](https://platform.claude.com/docs/en/build-with-claude/handling-stop-reasons)
-   [Referência da API da BroadNet Inference, raciocínio e max\_tokens (conferido em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-finish-reason&utm_content=sources)
