# Como limito o quanto um LLM escreve?

> Como limitar a saída de um LLM: definir o máximo de tokens, pedir um formato e um tamanho, usar sequências de parada e saída estruturada e tratar respostas cortadas.

Source: https://greenai.guide/pt/como/como-limito-o-quanto-um-llm-escreve/  
Updated: 2026-11-19

## Em resumo

Defina um tamanho máximo de saída na chamada à API, diga ao modelo no prompt o formato e o tamanho que você quer e use sequências de parada ou saída estruturada para que ele termine quando o trabalho estiver feito. A energia cresce com o número de tokens que um modelo gera, então limitar a saída é uma das economias mais simples em qualquer aplicação.

## Steps

1. Decida qual é a resposta útil mais longa para cada funcionalidade e defina o máximo de tokens de saída da API de acordo.
2. Informe o formato e o tamanho no prompt, por exemplo "três tópicos".
3. Use saída estruturada, como um JSON schema, quando o seu código só precisar de campos.
4. Acrescente sequências de parada quando a resposta tiver um marcador natural de fim.
5. Detecte as respostas cortadas pelo limite e trate-as, em vez de tentar de novo sem avisar.

**Diga ao modelo, e à API, quanto você quer.** Os modelos geram um [token](/pt/glossario/#token) de cada vez, e cada um
custa computação.

## Por que isso importa? {#why-does-it-matter}

Delavande, Pierrard e Luccioni concluíram que a energia cresce de forma linear com o tamanho do texto gerado e que os
modelos maiores não só usam mais energia por token como também tendem a escrever respostas mais longas. A UNESCO e a
University College London concluíram que prompts e respostas mais curtos podem reduzir o uso de energia em mais da
metade.

## Que controles devo usar? {#which-controls-should-i-use}

- **Máximo de tokens de saída.** Todas as principais APIs têm um parâmetro para isso. Defina-o por funcionalidade, e
  não um único valor global generoso.
- **Instruções.** "Responda numa frase" ou "devolva só o nome da categoria" funcionam melhor do que apenas um limite
  rígido, porque o modelo planeja uma resposta curta em vez de ser cortado.
- **Saída estruturada.** Se o seu código lê campos, peça JSON de acordo com um schema e dispense o texto corrido.
- **Sequências de parada.** Encerre a geração num marcador, como uma tag de fechamento.
- **Esforço de raciocínio.** Quando um modelo oferece uma configuração de pensamento ou raciocínio, use o nível mais
  baixo que passe nos seus testes: veja [quando usar modos de raciocínio](/pt/como/como-sei-quando-usar-um-modo-de-pensamento-ou-de-raciocinio-da-ia/).

## Erros comuns {#common-mistakes}

- **Limites tão apertados que as respostas são cortadas**, seguidos de uma nova tentativa automática com um limite
  maior. Isso custa mais do que acertar o tamanho.
- **Pedir explicações que ninguém lê**, como "explique o seu raciocínio" num pipeline de classificação.
- **Não registrar os tokens de saída por funcionalidade**, o que deixa escondidas as funcionalidades mais prolixas.

Para hábitos voltados aos usuários, leia [como usar a IA de forma eficiente](/pt/boas-praticas/use-a-ia-com-eficiencia-habitos-do-dia-a-dia/).

## Fontes

- [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)
