Tokens de saída
Tokens de saída (output tokens) são os tokens que um modelo de linguagem gera na resposta. Eles são contados e cobrados separadamente dos tokens de entrada, e uma configuração max_tokens limita quantos uma resposta pode conter.
Também chamado: max output tokens, max_tokens, completion tokens
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Toda chamada a um modelo de linguagem tem duas contagens de tokens. Os tokens de entrada cobrem tudo o que você envia: o system prompt, o histórico, os documentos e as definições de ferramentas. Os tokens de saída são o que o modelo escreve de volta. As respostas da API geralmente informam os dois, e os provedores os cobram separadamente; veja preço por token e a pesquisa do site sobre preços de modelos de IA.
max_tokens
A maioria das APIs aceita um parâmetro, muitas vezes chamado max_tokens, que define um limite superior para o tamanho da saída. A Messages API da Anthropic o descreve como o número máximo de tokens a gerar antes de parar, e observa que um modelo pode parar antes. Se uma resposta atinge o limite, ela é cortada, e a resposta informa por que parou. Cada modelo também tem seu próprio teto para esse valor, separado da sua janela de contexto.
Por que importa
- Custo: respostas longas custam mais, e em muitas tabelas de preço os tokens de saída custam mais que os de entrada. - Velocidade: a saída é gerada um token por vez, então o tamanho define o tempo total de resposta. Veja tokens por segundo. - Truncamento: um limite baixo demais quebra JSON e código no meio.
Tokens de raciocínio
Modelos de raciocínio e prompts de chain-of-thought produzem saída extra para as etapas de pensamento. Dependendo do provedor, esses tokens podem contar para o limite e para a conta mesmo quando não são mostrados ao usuário.
Dicas práticas
Peça respostas concisas quando você não precisar de respostas longas, defina o max_tokens com folga para a resposta válida mais longa e verifique o motivo de parada no código, para que respostas truncadas sejam repetidas ou sinalizadas em vez de usadas em silêncio.
Termos relacionados
- Token (LLM)
- Um token (LLM) é a unidade básica de texto que um modelo de linguagem lê e escreve, muitas vezes uma palavra, parte de uma palavra, um sinal de pontuação ou um byte. Preços, velocidade e limites de contexto são todos contados em tokens.
- Preço por token
- O preço por token (token pricing) é a forma como a maioria das APIs de modelos de IA cobra: um preço fixo por milhão de tokens de entrada que você envia e um preço separado, geralmente mais alto, por milhão de tokens de saída que o modelo gera, com descontos para entrada em cache e jobs em lote.
- Janela de contexto
- Uma janela de contexto (context window) é a quantidade máxima de texto, contada em tokens, que um modelo de linguagem consegue considerar de uma vez, incluindo o prompt de sistema, a conversa, os documentos, os resultados de ferramentas e a resposta que ele escreve.
- Tokens por segundo
- Tokens por segundo (tokens per second, tok/s) medem a rapidez com que um modelo de linguagem produz saída. O número é informado por usuário, a velocidade com que uma resposta chega em streaming, ou por sistema, a saída total de todas as requisições simultâneas.
- Modelo de raciocínio
- Um modelo de raciocínio (reasoning model) é um modelo de linguagem treinado para trabalhar um problema em um fluxo de tokens de pensamento intermediários antes de dar a resposta final, o que tende a ajudar em matemática, código e tarefas com várias etapas.