跳轉到主要內容

​
簡短回答

這不是介面故障，是思考預算把輸出額度用光了。 推理模型（如 gpt-6.1-sol）會先生成一段思考過程（reasoning tokens）再寫正文，這兩部分共用 max_tokens 額度。當思考還沒結束額度就用完，正文還沒來得及寫就被截斷，於是你收到的是一個空結果。 把 max_tokens 調大（建議 1000 以上），或降低推理強度，問題就會消失。

​
問題現象

通常有兩種表現： 一種是直接收到錯誤，HTTP 狀態碼 429 或 500：
另一種是 HTTP 200 但內容為空：
注意 completion_tokens 是 300、reasoning_tokens 也是 300、text_tokens 是 0——模型跑了 300 個 token，全部花在思考上，一個字正文都沒寫。
後臺日誌會顯示這次呼叫”成功”並已扣費，這和你看到的報錯並不矛盾：模型確實生成了內容（思考過程），只是沒有輸出你可見的正文。

​
為什麼會這樣

推理模型的輸出分兩段： max_tokens（或 max_completion_tokens、max_output_tokens）限制的是兩段之和，不是正文長度。 所以當 max_tokens 設成 200~500 這種偏小的值，而任務又需要較多推理時，額度會在思考階段就耗盡，finish_reason 變成 length，正文為空。

​
三步確認

1

第一步：看 finish_reason

如果是 length，說明輸出被截斷了，不是模型拒絕回答。如果是 stop 卻仍然為空，再看第二步和第三步。
2

第二步：看 usage 裡的 reasoning_tokens

找到 usage.completion_tokens_details.reasoning_tokens，和 completion_tokens 比較。兩者接近或相等，說明額度基本都被思考吃掉了。
3

第三步：看請求裡的 max_tokens

如果你顯式設定了 max_tokens 且數值較小（例如 300），基本可以確定原因。沒有設定時，檢查是否被客戶端 SDK 或框架預設填了一個小值。
下面這段指令碼可以直接打印出判斷依據：

​
解決方法

調大 max_tokens

最直接。普通對話 1000~2000，複雜推理或長文 4000 以上。推理模型的思考開銷可能比你預期的大得多。

降低推理強度

如果模型支援 reasoning_effort，從 high 降到 medium 或 low，思考消耗會明顯減少。

改用流式輸出

把 stream 設為 true。思考過程會以獨立事件即時返回，你能直接看到模型在做什麼，也不會出現「整段正文憑空消失」。

​
不同模型的引數對照

部分推理模型不接受 max_tokens，必須用 max_completion_tokens。如果引數名寫錯，可能直接報引數錯誤，也可能被忽略後走預設值，導致行為和預期不一致。

​
常見問題

日誌記錄的是”上游完成了生成並結算”，它不判斷正文是否為空。這兩件事是分開的：生成成功不代表正文有內容。
基本沒用。同樣的提示詞、同樣的 max_tokens，模型大機率仍然把額度花在思考上。調整引數比重試有效。
會。思考 token 也是真實消耗，通常按輸出 token 計費。可以用 呼叫日誌 核對具體扣費金額。
不是。只有支援思考過程的推理模型才有這個問題。普通的非推理模型（如 gpt-4o、deepseek-chat）把 max_tokens 全部用於正文，不會出現空內容。
不會。max_tokens 是上限，不是實際消耗。模型寫完了就停，按實際生成的 token 計費。

​
相關文件

max_tokens 是什麼？不設定會怎樣？

引數含義、命名演變和各模型的預設值

流式與非流式怎麼選？

長響應和推理模型優先用流式

模型呼叫報錯怎麼排查？

400、401、429、503 等錯誤的通用排查路徑

怎麼看懂日誌裡的計費金額？

確認請求是否計費、扣了多少