通义千问输出字数上限由调用方式、部署环境和接口参数共同决定；网页版限30000字符，api中qwen-plus输入上限32768 token，实际输出受服务端硬限制，截断常发生在请求抵达模型前。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
通义千问模型输出字数上限不是由用户端直接“调整”出来的，而是由调用方式、部署环境和接口参数三者共同决定的硬性边界；网页版输入框最多支持30000字符，API调用时qwen-plus模型input字段上限为32768 token，且实际可用输出长度还受服务端配置压制——你看到的截断往往发生在请求还没真正触达模型之前。
网页版与App中无法修改输出上限
网页端和官方App未开放max_tokens等参数调节入口，所有生成响应长度由服务端统一控制。当你发送长提示词后发现回复突然中断、JSON缺右括号、代码少结尾大括号，说明已触发服务端硬限长，此时任何前端操作都无法绕过。
若需验证当前实际最大输出长度，必须使用开发者工具执行检测脚本：粘贴完整fetch语句并回车，观察console中返回的output_tokens数值——【该值远低于你预期的max_tokens时，证明服务端已主动截断】。
API调用时通过max_tokens参数控制（但有前提）
方法一：在请求体中显式设置max_tokens字段
例如调用qwen-plus模型时，在JSON body中加入"max_tokens": 2048。这一步仅在服务端未强制覆盖时生效；若服务端配置了更严的output_limit（如1024），则仍会按1024截断。
方法二：确认所用模型是否真实支持高输出容量
qwen-max和qwen-plus在API层面允许设max_tokens至32768，但qwen-turbo等轻量模型默认上限为1024，且不可提升。调用前务必查阅DashScope官方文档中对应模型的output_tokens上限表格。
方法三：配合temperature=0.1与top_p=0.85降低发散性
高温参数易导致模型在结尾处反复补全、自我重复或插入无意义分隔符，看似“写不完”，实则是token被冗余内容提前耗尽。压低这两个值能让输出更紧凑，同等max_tokens下有效信息密度提升约35%。
Ollama本地部署时修改num_ctx与num_predict
第一步：确认Ollama版本≥0.5.0，旧版本不支持128k上下文扩展
第二步：编辑Modelfile，添加两行关键配置：
```
PARAMETER num_ctx 131072
PARAMETER num_predict 8192
```
第三步：重新build模型：ollama create qwen3-14b-long -f Modelfile
【num_predict值必须≤num_ctx，否则启动失败】。若设为16384而num_ctx仍为4096，Ollama会静默忽略该参数并沿用默认值。
第四步：运行时指定上下文窗口：ollama run qwen3-14b-long --num_ctx 131072
注意：WebUI前端可能仍锁定在旧限制，此时应绕过WebUI，直接用curl或Python requests调用Ollama API的/chat/completions端点。
Qwen3-TTS-12Hz-1.7B-CustomVoice本地TTS输出时长控制
该模型不走text-generation接口，而是通过语音合成专用API提交文本，输出长度由音频时长反推：每秒生成约18–22个汉字，单次请求建议文本不超过800字。
若超长文本需转语音，必须手动分段：以句号、问号、感叹号为切分点，每段末尾加“请停顿1.5秒”，再逐段提交。模型对“停顿”指令响应准确，但对“换行”“空格”无感知。
不要尝试将整章小说一次性喂入——【超过1200字时，首段音频会丢失前300ms语音头，且无错误提示】。
