Maximale LLM-Ausgabetokens: API-Limits und Kontextbudgets

Ein Kontextfenster von einer Million Tokens sagt wenig darüber aus, wie lang die Antwort eines LLM werden kann. GPT-5.6 Luna nennt ein Kontextfenster von 1 050 000 Tokens, aber eine maximale Ausgabe von 128 000 Tokens. Die native API von MiniMax M3 veröffentlicht eine Generierungsgrenze von 524 288 Tokens. Das sind unterschiedliche Beschränkungen, noch bevor das Denken einen Teil des Antwortbudgets verbraucht.^[1]^[2]

Entscheidend ist, welche Aufgabe in diese Grenzen passt: die Eingabe, die generierte Arbeit und die Schnittstelle, die sie liefert. Dieser Leitfaden vergleicht die maximale Anzahl an Ausgabetokens bei LLMs für lange Berichte, strukturierte Datenextraktion und Codegenerierung. Er trennt die nativen Anbieterspezifikationen von der veröffentlichten reAPI-Schnittstelle sowie synchrone Anfragen von der Stapelverarbeitung. Die Angaben wurden am 8. September 2026 geprüft. Eine dokumentierte Obergrenze verspricht nicht, dass ein Modell so viele nützliche Tokens erzeugt.

Kurzfassung

Ausgabelimit und Kontextfenster sind getrennte Grenzen. Luna erlaubt 128 000 Ausgabetokens innerhalb seines Fensters von 1 050 000 Tokens. Mehr Platz für Eingaben erhöht die maximale Ausgabe nicht.^[1]
Eine Empfehlung legt keinen Standardwert fest. MiniMax empfiehlt für M3 131 072 Tokens und erlaubt bis zu 524 288. Die aktuelle API-Seite bezeichnet 131 072 nicht als den Wert, der bei ausgelassenem Feld verwendet wird.^[2]
Der größte zulässige Parameterwert passt möglicherweise nicht zu deiner Eingabe. Kimi K3 erlaubt max_completion_tokens bis 1 048 576, lehnt aber Anfragen ab, wenn Eingabe plus dieses Limit das Kontextfenster überschreiten.^[3]
DeepSeeks Fenster wird gemeinsam genutzt. V4 Flash und Pro nennen 1M Kontext und maximal 384K Ausgabe. Die API begrenzt die Summe aus Eingabe und generierten Tokens.^[4]^[5]

Maximale LLM-Ausgabetokens nach Modell und API

Die Tabelle beschreibt die eigenen APIs der Anbieter. „Nicht angegeben“ bedeutet, dass die abgerufene Spezifikation keinen numerischen Standardwert nennt. Es bedeutet nicht unbegrenzte Ausgabe.

Modell und API	Kontextfenster	Maximales Generierungsbudget	Standardwert oder Empfehlung	Ausgabesteuerung
Kimi K3, native Chat Completions	1M, in der Schreibweise des Anbieters	Parameterbereich bis 1 048 576; Eingabe plus Limit müssen hineinpassen	Standard 131 072	`max_completion_tokens`
DeepSeek V4 Flash / Pro, native Chat Completions	1M	384K; zusätzlich durch den verfügbaren Kontext begrenzt	Kein numerischer Standardwert auf den aktuellen Seiten angegeben	`max_tokens`
MiniMax M3, native OpenAI-kompatible API	1M	524 288	Empfohlen: 131 072; kein numerischer Standardwert angegeben	`max_completion_tokens`
GPT-5.6 Luna / GPT-6 Astra, native API	1 050 000	128 000	Kein numerischer Ausgabestandard auf den Modellseiten angegeben	Chat Completions: `max_completion_tokens`; Responses: `max_output_tokens`
Claude Opus 5 / Opus 4.8, synchrone Messages	1M	128K	Ein Anfragebudget festlegen; Beispielwerte sind keine Standardwerte	`max_tokens`
Claude Opus 5 / Opus 4.8, Message Batches mit Beta-Erweiterung für längere Ausgaben	1M	300 000	Erfordert die entsprechende Batch-Funktion und den Beta-Header	`max_tokens`

Quellen: Kimis Parameter- und Modellseiten, DeepSeeks Preise und API-Referenz, MiniMax’ API-Referenz, OpenAIs Modellseiten zu Luna und Astra sowie Anthropics Kontext- und Batch-Dokumentation.^[3]^[6]^[4]^[5]^[2]^[1]^[7]^[8]^[9]

Behalte die Einheiten der Quelle bei. DeepSeek veröffentlicht auf diesen Seiten 384K ohne exakte Ganzzahl. MiniMax setzt 512K ausdrücklich mit 524 288 gleich. Würde man das „K“ jedes Anbieters mit demselben Faktor umrechnen, entstünde eine Genauigkeit, die die Quellen nicht hergeben.

Die Claude-Batch-Zeile beschreibt eine eigene Fähigkeit. Sie erfordert output-300k-2026-03-24 auf der Message Batches API, nicht auf der synchronen Messages API. Anthropic nennt derzeit die Claude API und Claude Platform on AWS als unterstützte Plattformen; andere Hostingplattformen sind ausgeschlossen. Dass ein natives Modell diese Batch-Funktion unterstützt, belegt nicht, dass eine andere API-Vermittlung sie ebenfalls anbietet.^[9]

Platz für Arbeit reservieren, die der Leser nie sieht

OpenAIs Chat-Completions-Referenz definiert max_completion_tokens als Obergrenze für sichtbare Ausgabe und Denktokens zusammen. Der Responses-Leitfaden zählt auch nicht sichtbare Formatierungstokens zum Budget der generierten Tokens. Claude rechnet das Denken ebenfalls auf max_tokens an.^[10]^[11]^[8]

Eine Planungsrechnung kann deshalb so aussehen:

Anfragebudget:                  30 000 generierte Tokens
Eingeplantes Denkbudget:        10 000 Tokens
Verbleibende sichtbare Ausgabe: 20 000 Tokens

Das sind beispielhafte Zuweisungen, keine Messwerte oder Zusagen zur Länge des Denkprozesses eines Modells. Verbraucht eine Antwort mehr Denktokens als geplant, bleibt vom selben Budget weniger für die eigentliche Antwort übrig. Eine höhere Denkintensität kann die geleistete Arbeit verändern, ohne die gesendete Obergrenze anzuheben.

Notiere für eine Aufgabe mit langer Ausgabe zwei Anforderungen: die Eingabe, die verfügbar bleiben muss, und das benötigte Generierungsbudget. Zähle Systemanweisungen, aufbewahrte Nachrichten, Werkzeugdefinitionen und Werkzeugergebnisse mit, soweit der Endpunkt sie berücksichtigt. Prüfe anschließend sowohl die Ausgabegrenze als auch die Kontextbeschränkung. Eine Anfrage kann die eine einhalten und an der anderen scheitern.^[8]

Das ist für die Modellwahl relevant. Ein benötigtes Generierungsbudget von 150 000 Tokens überschreitet das Maximum von Luna und Astra mit 128 000, unabhängig vom ungenutzten Kontext. Claudes Batch-Erweiterung kann ein solches Budget unter ihren dokumentierten Bedingungen aufnehmen. Das sagt weiterhin nichts darüber aus, ob das fertige Dokument vollständig, korrekt oder seinen Preis wert sein wird.^[1]^[7]^[9]

Kimis ständig aktives Denken ist ein weiterer Grund, den größten Parameterwert nicht als finale Antwort mit einer Million Tokens zu bewerben. Die API prüft Eingabe plus Limit bereits vor der Generierung. MiniMax’ Seite beschreibt eine Grenze der Generierungslänge, ohne zu versprechen, dass das ganze Budget zu nützlichem Antworttext wird. Setze eine ausdrückliche Obergrenze und prüfe, was die Antwort tatsächlich enthält.^[3]^[12]^[2]

Den Parameter auf den Endpunkt abstimmen

OpenAI-Kompatibilität macht nicht jeden Parameter austauschbar. OpenAI verwendet max_completion_tokens für Chat Completions und max_output_tokens für Responses. DeepSeeks native Chat Completions API verwendet max_tokens. MiniMax’ aktuelle native OpenAI-kompatible Referenz kennzeichnet max_tokens als veraltet und sieht stattdessen max_completion_tokens vor.^[10]^[11]^[5]^[2]

Auch die Denksteuerung unterscheidet sich. Kimi K3 akzeptiert low, high und max; der Standard ist max. DeepSeek akzeptiert diese drei Werte und verwendet standardmäßig high; seine Kompatibilitätsaliase medium und xhigh werden auf high abgebildet. Luna unterstützt none und mehrere Denkstufen, mit medium als Standard. Astra unterstützt none nicht; seine aktuelle Modellseite nennt keinen Standardwert für die Denkintensität.^[12]^[13]^[1]^[7]

Claude steuert die Denkintensität über output_config.effort. Bei Opus 5 und 4.8 heißt die höhere Stufe xhigh, nicht extra. Der dokumentierte Standard ist high. Opus 5 aktiviert adaptives Denken standardmäßig und erlaubt dessen Abschaltung nur bei high oder niedrigeren Stufen. Bei Opus 4.8 bleibt das Denken zunächst ausgeschaltet, bis es aktiviert wird.^[14]^[15]

Beginne bei reAPI mit dem aktuellen Modellkatalog und der Dokumentation, die das ausgewählte Modell verlinkt. Die Luna-Modellseite nennt Kontext- und Ausgabelimits, während die Kimi-API-Referenz das Anfragefeld beschreibt. Behandle den Standardwert des nativen Anbieters, den ausdrücklich gesetzten Wert eines Beispiels und das tatsächliche Verhalten einer API-Vermittlung als getrennte Fakten. Mit einem ausdrücklich gesetzten Limit beseitigst du eine vermeidbare Unklarheit.

Den Fehler lesen, bevor du das Modell wechselst

Die APIs behandeln ein volles Fenster unterschiedlich:

Schnittstelle	Dokumentiertes Signal	Was du prüfen solltest
Kimi, native Chat Completions	`invalid_request_error`, wenn Eingabe plus angefordertes Limit den Kontext überschreiten	Vor einem erneuten Versuch die Eingabe oder das angeforderte Limit reduzieren
DeepSeek, native Chat Completions	`finish_reason: length` kann das Ausgabelimit oder die Kontextgrenze anzeigen	Angefordertes Limit, gemeldeten Verbrauch und aufbewahrte Eingabe vergleichen
OpenAI Responses	`status: incomplete` mit `incomplete_details.reason: max_output_tokens`	Den Denkverbrauch ebenso prüfen wie die sichtbare Ausgabe
Claude Messages, Claude 4.5 und neuer	Eine Eingabe, die allein den Kontext überschreitet, wird abgelehnt; erreicht die Generierung die Grenze, kann sie mit `model_context_window_exceeded` stoppen	Einen zu großen Prompt von einer Erschöpfung des Fensters während der Generierung unterscheiden

Das sind endpunktspezifische Regeln, keine austauschbaren Feldnamen.^[3]^[5]^[11]^[8]

Eine Agentenanwendung kann auch stoppen, bevor das Modell seine Grenze erreicht. Bewahre die unveränderte Anbieterantwort zusammen mit dem Anwendungsfehler und den eingestellten Budgets auf. Eine Meldung wie „Ausgabetoken-Limit erreicht“ verrät für sich genommen nicht, ob der Anbieter, das SDK oder der Agent die Grenze gesetzt hat. Für DeepSeek erläutert der bestehende Leitfaden zum 1M-Kontext die Berechnung des gemeinsam genutzten Fensters.

Häufige Fragen

Kann ich 1M Eingabetokens senden und trotzdem die maximale Ausgabe erhalten?

Gehe nicht davon aus. DeepSeek begrenzt Eingabe und generierte Ausgabe gemeinsam. Kimi prüft Eingabe plus angefordertes Limit. Auch Claudes Fenster enthält generierte Ausgabe und Denken. Lies die Regeln des gewählten Endpunkts, bevor du den Prompt bis zur beworbenen Kapazität füllst.^[5]^[3]^[8]

Ist das Modell mit dem größten Ausgabelimit das beste für einen langen Bericht?

Das Limit zeigt, ob das angeforderte Budget über diese Schnittstelle möglich ist. Es misst weder Faktentreue noch das Befolgen von Anweisungen oder die Menge an nützlichem Text, die eine Aufgabe benötigt. Prüfe nach der Obergrenze einen repräsentativen Bericht anhand seiner Fertigstellungskriterien.

Erhöht eine gestreamte Antwort die Tokengrenze?

Die Grenzen in diesem Vergleich gelten für die Generierung. Eine gestreamte Antwort ändert den Empfangsweg; sie ist nicht die Batch-Erweiterung, die Claudes Grenze auf 300 000 erhöht. Wähle diese Funktion ausdrücklich, wenn sie zur Aufgabe passt.^[9]

Sollte ich 4096 oder 8192 aus einem Beispiel als Modellstandard übernehmen?

Ein Beispiel zeigt eine Anfrage, für die sich der Autor entschieden hat. Verwende einen Wert nur dann als Standard, wenn die Endpunktspezifikation ihn ausdrücklich so bezeichnet. MiniMax’ 131 072 ist eine Empfehlung; Moonshot dokumentiert Kimis 131 072 ausdrücklich als nativen Standardwert.^[2]^[3]

Kann das Ausgabebudget ohne sichtbare Antwort aufgebraucht werden?

Ja, bei dem hier dokumentierten Verhalten von OpenAI Responses: Das Denken kann das Budget verbrauchen, bevor sichtbare Ausgabe erscheint. Prüfe den Status der unvollständigen Antwort und den Tokenverbrauch, statt aus einer leeren Antwort zu schließen, dass keine Arbeit stattgefunden hat.^[11]

Was sollte ich für eine Prüfung im Produktivbetrieb speichern?

Speichere Modell-ID, Endpunkt, angeforderte Ausgabegrenze, Denkstufe, gemeldeten Ein- und Ausgabeverbrauch, Abschluss- oder Stoppgrund sowie das Ergebnis deiner Prüfung auf Aufgabenerfüllung. Halte diese Angaben zusammen fest. So kannst du die maximale Anzahl an LLM-Ausgabetokens mit dem tatsächlich verwendeten Budget deiner Anwendung vergleichen.

Erst das Budget festlegen, dann das Modell wählen

Vergleiche die maximale LLM-Ausgabe anhand einer repräsentativen Aufgabe: Welche Eingabe muss erhalten bleiben, welches Generierungsbudget brauchst du, und kannst du eine Batch-Schnittstelle nutzen? Setze das Limit ausdrücklich, führe eine kleine Evaluation durch und prüfe neben dem Tokenverbrauch auch die Vollständigkeit und Qualität. Benötigt die Aufgabe mehrere Aufrufe, teile sie an einer sinnvollen Dokument- oder Codegrenze und erhalte den notwendigen Zustand für die nächste Anfrage. Ein größeres beworbenes Fenster allein löst kein Ausgabelimit.