# मैं LLM के जवाब की लंबाई कैसे सीमित करूँ?

> डेवलपर LLM के आउटपुट पर सीमा कैसे लगाएँ: max tokens तय करें, फ़ॉर्मेट और लंबाई बताएँ, stop sequences और structured output इस्तेमाल करें, और कटे जवाब संभालें।

Source: https://greenai.guide/hi/कैसे/मैं-llm-के-जवाब-की-लंबाई-कैसे-सीमित-करूँ/  
Updated: 2026-11-19

## संक्षेप में

API कॉल में आउटपुट की अधिकतम लंबाई तय करें, प्रॉम्प्ट में मॉडल को बताएँ कि आपको कौन-सा फ़ॉर्मेट और कितनी लंबाई चाहिए, और stop sequences या structured output इस्तेमाल करें ताकि काम पूरा होते ही वह रुक जाए। मॉडल जितने ज़्यादा टोकन बनाता है, ऊर्जा उतनी बढ़ती है, इसलिए आउटपुट पर सीमा लगाना किसी भी ऐप्लिकेशन में बचत के सबसे आसान तरीकों में से एक है।

## Steps

1. हर फ़ीचर के लिए तय करें कि सबसे लंबा उपयोगी जवाब कितना होगा, और API के maximum output tokens उसी के अनुसार रखें।
2. प्रॉम्प्ट में फ़ॉर्मेट और लंबाई बताएँ, जैसे "तीन बुलेट पॉइंट"।
3. जब आपके कोड को सिर्फ़ फ़ील्ड चाहिए हों, तो structured output इस्तेमाल करें, जैसे JSON schema।
4. जहाँ जवाब का कोई स्वाभाविक अंत-चिह्न हो, वहाँ stop sequences जोड़ें।
5. सीमा के कारण कटे जवाबों को पहचानें और उन्हें संभालें, चुपचाप दोबारा कोशिश न करें।

**मॉडल को भी और API को भी बताएँ कि आपको कितना चाहिए।** मॉडल एक बार में एक [टोकन](/hi/शब्दावली/#token) बनाते हैं, और हर
टोकन में कंप्यूटिंग खर्च होती है।

## यह क्यों मायने रखता है? {#why-does-it-matter}

Delavande, Pierrard और Luccioni ने पाया कि ऊर्जा जवाब की लंबाई के साथ सीधे अनुपात (linearly) में बढ़ती है, और बड़े
मॉडल न सिर्फ़ प्रति टोकन ज़्यादा ऊर्जा लेते हैं बल्कि लंबे जवाब भी लिखते हैं। UNESCO और University College London ने
पाया कि छोटे प्रॉम्प्ट और जवाब ऊर्जा की खपत आधे से भी ज़्यादा घटा सकते हैं।

## मुझे कौन-से कंट्रोल इस्तेमाल करने चाहिए? {#which-controls-should-i-use}

- **Maximum output tokens.** हर बड़े API में इसके लिए एक पैरामीटर होता है। इसे हर फ़ीचर के लिए अलग तय करें, पूरे
  सिस्टम के लिए एक उदार मान नहीं।
- **निर्देश।** "एक वाक्य में जवाब दें" या "सिर्फ़ श्रेणी का नाम लौटाएँ" अकेली सख़्त सीमा से बेहतर काम करते हैं, क्योंकि
  तब मॉडल बीच में कटने के बजाय पहले से छोटा जवाब सोचता है।
- **Structured output.** अगर आपका कोड फ़ील्ड पार्स करता है, तो schema के अनुसार JSON माँगें और गद्य (prose) छोड़ दें।
- **Stop sequences.** किसी चिह्न पर, जैसे closing tag, जवाब बनाना रोक दें।
- **Reasoning effort.** जहाँ मॉडल में thinking या reasoning की सेटिंग हो, वहाँ सबसे निचला स्तर इस्तेमाल करें जो आपके
  टेस्ट पास कर ले: देखें [reasoning मोड कब इस्तेमाल करें](/hi/कैसे/मुझे-कैसे-पता-चले-कि-ai-का-थिंकिंग-या-रीज़निंग-मोड-कब-इस्तेमाल-करना-है/)।

## आम गलतियाँ {#common-mistakes}

- **इतनी सख़्त सीमा कि जवाब कट जाएँ**, और फिर ऊँची सीमा के साथ अपने-आप दोबारा कोशिश। यह सही लंबाई तय करने से ज़्यादा
  महँगा पड़ता है।
- **ऐसी व्याख्याएँ माँगना जिन्हें कोई नहीं पढ़ता**, जैसे वर्गीकरण पाइपलाइन में "अपना तर्क समझाएँ"।
- **हर फ़ीचर के आउटपुट टोकन लॉग न करना**, जिससे सबसे ज़्यादा शब्द खर्च करने वाले फ़ीचर छिपे रहते हैं।

उपयोगकर्ताओं की आदतों के लिए पढ़ें [AI का कुशलता से इस्तेमाल करें](/hi/अच्छी-प्रथाएँ/ai-का-कुशल-उपयोग-रोज़-की-आदतें/)।

## स्रोत

- [Small talk, big impact: the energy cost of thanking AI](https://arxiv.org/abs/2601.22357), Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [What are tokens and how to count them?](https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them), OpenAI Help Center (2025)
