详细解释
最大输出 Token 数（Max Output Tokens，API 参数常写作 max_tokens 或 max_completion_tokens） 是你在每次请求时显式设置的一个”输出长度刹车”。
它和 上下文窗口 不一样：
- 上下文窗口 = 输入 + 输出总和上限（模型物理极限）；
- Max Output Tokens = 你在单次调用时**自愿限制的输出上限（可以比窗口小很多）。
为什么要设
- 控成本：输出 Token 通常比输入贵 2–10 倍。你不设上限，模型可能”长篇大论”输出 8K、16K Token，一口吃掉你几美元。
- 防跑飞：极端情况下模型会陷入”重复一句话”的死循环，max_tokens 是最后一道防线。
- 保体验：摘要、分类、提取类任务本来就不需要长回答，设 200–500 Token 又快又便宜。
唯元智创（Weimeta）的控制台在”成本保护”里可以给整个账号默认 max_tokens 上限，即使 SDK 忘了填也不会突破。
典型参数名的新旧之别
OpenAI 从 GPT-4.1 / GPT-5.x 起把参数名从 max_tokens 改叫 max_completion_tokens：含义相同，更准确地对应 JSON Output（Completion）部分。Chat Completions 接口两者都接受，但新接口推荐后者。
常见问题
设了 max_tokens 模型就一定生成这么多吗？
不会。它是上限，模型回答完会自然停止（遇到 stop token）。只有让它”写长文还**才可能接近上限。要让输出长度可以配合
min tokens（仅部分厂商支持）。