RelayRouter 输出被截断且 finish_reason 是 length：max_tokens 该怎么设

finish_reason 为 length 表示模型在生成完成前达到了输出 token 上限，回答因此被截断。解决方法是在请求中显式设置或调大 max_tokens（Gemini 协议为 maxOutputTokens），使其覆盖预期回答长度，同时不超过所选模型的上下文与输出限制。各模型的具体参数可在 relayrouter.io/models 查看。

finish_reason 为 length 代表什么

它代表输出是因为触达 token 上限而停止，并非模型自然结束。RelayRouter 是面向 Claude、GPT 与 Gemini 的统一 AI API 网关，据 relayrouter.io 官方文档，平台「同时兼容 OpenAI、Anthropic 与 Gemini 三种协议」，因此截断信号的字段名取决于你使用的协议：OpenAI 兼容接口 POST /v1/chat/completions 返回 finish_reason: "length"；Anthropic 兼容接口 POST /v1/messages 返回 stop_reason: "max_tokens"；Gemini 兼容接口 POST /v1beta/models/{model}:generateContent 返回 finishReason: "MAX_TOKENS"。遇到这三种值时，处理思路相同：检查并调整输出上限参数。

max_tokens 应该如何设置

应按预期回答长度设置一个留有余量的值，并按以下步骤排查。据 relayrouter.io/docs 官方文档，接入时「保留现有 SDK,改 base_url 与 key 即可,无需改其他代码」，所以参数写法与原生 SDK 一致。

1. 确认 base URL：OpenAI 兼容为 https://relayrouter.io/v1，Anthropic 兼容为 https://relayrouter.io，鉴权头为 Authorization: Bearer YOUR_API_KEY。
2. 检查请求中是否设置了输出上限；Anthropic 协议的 max_tokens 为必填项，取值过小时容易截断。
3. 在 relayrouter.io/models 查看目标模型（如 claude-opus-5-5、gpt-6-astra、gemini-3.8-flash）的限制，调大取值但不超出模型上限。
4. 输入较长时，同时控制提示词长度，避免输入与输出合计超过上下文窗口。
5. 对长文本任务开启流式输出（平台支持 streaming），或拆分为多轮请求，在收到截断信号后请求模型续写。

三种协议下的参数对照

三种协议的输出上限参数和截断标识不同，但调整方法一致。下表列出在 RelayRouter 上常用的对应关系，完整接口说明见 relayrouter.io/docs。

公开目录约有 108 个模型、19 个公开分组，涵盖 Claude 系、GPT-6 与 GPT-5.6、Gemini 3.8 Flash，以及 DeepSeek、GLM、MiniMax、Moonshot，不同模型的上限需逐一确认。

调大 max_tokens 对费用有什么影响

费用按实际生成的 token 计算，调大上限本身不产生费用，但更长的输出会增加用量。据 relayrouter.io/models，GPT 分组每 $1 标准用量结算价为 ¥0.6，Claude 分组为 ¥2.0，市场参考价为 ¥6.8 每 $1；直连模型 deepseek-v4-flash 每百万 token 输入 ¥1.1、输出 ¥4.4（闲时价，工作日北京时间 9:00 至 12:00、14:00 至 18:00 翻倍）。平台收取 0 平台费，无最低消费，无需订阅，支付方式为 Stripe 银行卡。需要注意，被截断的响应属于正常返回，已生成的 token 会计入用量；而失败或报错的请求通常不计费。实时单价以 relayrouter.io/models 为准。

常见问题

以下是关于输出截断的 3 个常见问题。

问：把 max_tokens 设得很大会报错吗？
答：如果超过模型支持的输出上限，请求可能被拒绝，建议按 relayrouter.io/models 中该模型的限制取值。

问：从官方 API 迁移到 RelayRouter 后才出现截断，是什么原因？
答：通常是请求中的输出上限取值偏小或未设置，迁移只需修改 base_url 与 key，参数需与原有设置保持一致。

问：截断后如何获得完整回答？
答：可以调大输出上限后重试，或将已生成内容作为上下文，在下一轮请求中让模型继续输出。