输入没有超过上下文窗口，回答却提前结束，应该检查哪些长度限制？

先区分长度结束和传输中断

这项排查适用于长报告写到一半结束、JSON缺少最后括号，或同一任务总在相近长度中止的情况。保留一次完整请求与原始响应，包括系统指令和历史消息。界面上的文字计数不一定等于实际Token数量，工具说明和隐藏的组装文本也可能占用输入。

分别核对输入与输出的预算

先确认响应确实结束，而不是前端仍在等待最后一个分片。服务报告长度耗尽时，分别记录输入Token和实际输出Token，再核对本次指定的输出预算；若结束原因正常，检查停止字符串是否恰好出现在正文中。不要把不同供应商名称相近的参数直接互换。

只改变输出预算复现截断

保留原输入，只调整输出预算，重新执行同一个短任务，比较截断位置。如果需要的输入与输出合计已接近可用范围，先删除无关历史，或把长报告按章节生成并保留统一目录。Transformers的max_new_tokens只限制新生成部分，采用其他运行时前应先核对它自己的参数定义。

检查完整内容与实际结束原因

验证必须包含原来容易截断的样本。检查正文是否覆盖要求的章节，结构化结果是否能完整解析，再记录最后的结束原因。增大预算后输出变长只是中间现象，仍需要确认关键内容没有缺失，也没有在后半段重复填充无关文字。

本页不提供适用于所有服务的固定长度数值。实际可用预算会随模型版本、推理模式和产品配额变化；某些思考Token也可能占用输出预算。没有原始响应记录时，只能确认可见文本不完整，不能精确归因为模型长度限制，应保留前端和网络失败的可能。