json.decoder.JSONDecodeError: Unterminated string starting at: line 1 column 95 (char 94)
JSON-ul de la model e tăiat la mijloc: răspunsul s-a oprit la `max_tokens` (`stop_reason == "max_tokens"`) înainte să închidă ghilimelele și acoladele. Mărește `max_tokens`, verifică `stop_reason` înainte de `json.loads` și cere câmpuri mai scurte.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Unterminated string starting at înseamnă că parserul a găsit ghilimelele de deschidere ale unui șir la poziția indicată, dar textul s-a terminat înainte de ghilimelele de închidere. Variantele Expecting ',' delimiter sau Expecting value la finalul textului au aceeași cauză: JSON incomplet.
Cu LLM-urile, JSON-ul incomplet are aproape mereu o singură cauză: limita de tokeni. Modelul scrie răspunsul token cu token și se oprește când atinge max_tokens, chiar dacă e la mijlocul unui cuvânt. Răspunsul primit are atunci stop_reason == "max_tokens" (la OpenAI Responses: status == "incomplete"), iar textul se oprește brusc.
Se întâmplă mai ales la extragerea din documente lungi, la liste cu multe elemente sau când ai pus o limită mică ca să economisești. Ieșirea structurată nu te salvează aici: dacă tokenii se termină, JSON-ul rămâne neterminat. Verifică stop_reason înainte să parsezi.
De ce apare: cauzele frecvente
1max_tokens prea mic pentru răspunsul cerut
r = client.messages.create(model=MODEL, max_tokens=40, messages=mesaje)
date = json.loads(r.content[0].text)r = client.messages.create(model=MODEL, max_tokens=500, messages=mesaje)
if r.stop_reason == "max_tokens":
raise ValueError("Răspuns tăiat: mărește max_tokens")
date = json.loads(r.content[0].text)Cu o limită potrivită, JSON-ul se termină. Verificarea stop_reason îți spune clar ce s-a întâmplat, în loc de o eroare de parsare.
2Listă lungă cerută într-un singur răspuns
prompt = "Extrage toate cele 300 de produse din catalog în JSON."for bucata in bucati(catalog, 30):
prompt = "Extrage produsele din textul de mai jos în JSON:\n" + bucataÎmpărțit în bucăți, fiecare răspuns e destul de scurt ca să încapă în limită.
3Câmpuri text lungi, fără limită în instrucțiuni
system = "Extrage datele facturii în JSON."system = "Extrage datele facturii în JSON. Câmpul observatii are cel mult 15 cuvinte."Câmpurile libere pot crește mult. O limită clară de lungime ține răspunsul mic și previzibil.
Repară eroarea, direct în pagină
Programul de mai jos extrage datele unei facturi și dă JSONDecodeError: Unterminated string ...: cu max_tokens=50, răspunsul se oprește la mijlocul JSON-ului. Repară programul: mărește limita la 400 de tokeni și, înainte de json.loads, afișează Răspuns tăiat, mărește max_tokens și oprește-te dacă stop_reason este max_tokens. Programul afișează stop_reason: ..., furnizorul și totalul.
import json
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
raspuns = client.messages.create(
model=MODEL,
max_tokens=50,
system="Extragi datele facturii în JSON cu cheile furnizor, numar, total, observatii.",
messages=[{"role": "user", "content": "Factura EF-2026-0815 de la Electrica, total 248,50 lei, consum octombrie."}],
)
print("stop_reason:", raspuns.stop_reason)
date = json.loads(raspuns.content[0].text)
print("Furnizor:", date["furnizor"])
print("Total:", date["total"])stop_reason: end_turn Furnizor: Electrica Furnizare SA Total: 248.5
Indiciu
Citește raspuns.stop_reason înainte de json.loads.
Reparația
import json
import anthropic
MODEL = "claude-haiku-5-5"
client = anthropic.Anthropic()
raspuns = client.messages.create(
model=MODEL,
max_tokens=400,
system="Extragi datele facturii în JSON cu cheile furnizor, numar, total, observatii.",
messages=[{"role": "user", "content": "Factura EF-2026-0815 de la Electrica, total 248,50 lei, consum octombrie."}],
)
print("stop_reason:", raspuns.stop_reason)
if raspuns.stop_reason == "max_tokens":
print("Răspuns tăiat, mărește max_tokens")
else:
date = json.loads(raspuns.content[0].text)
print("Furnizor:", date["furnizor"])
print("Total:", date["total"])De ce merge
Cu 50 de tokeni, modelul s-a oprit în mijlocul câmpului observatii, iar parserul a dat peste un șir neînchis. Cu 400 de tokeni, răspunsul se termină normal (stop_reason: end_turn) și JSON-ul e complet. Verificarea lui stop_reason rămâne în cod ca plasă de siguranță: dacă o factură neobișnuit de lungă depășește limita, primești un mesaj clar în loc de o eroare de parsare.
Alte forme ale mesajului
json.decoder.JSONDecodeError: Expecting ',' delimiter: line 1 column 120 (char 119)json.decoder.JSONDecodeError: Unterminated string starting at: line 1 column 13 (char 12)
Cum o eviți pe viitor
- Verifică mereu
stop_reason(Claude) saustatus(OpenAI) înainte dejson.loads. - Pune
max_tokenscu marjă față de răspunsul așteptat; plătești doar ce se generează, nu limita. - Împarte documentele lungi în bucăți și cere câmpuri scurte.
- Loghează răspunsurile tăiate, ca să ajustezi limita din date reale.
Întrebări frecvente
De ce nu mi-a dat API-ul o eroare?
Pentru că, din punctul de vedere al API-ului, totul a mers: modelul a generat exact câți tokeni i-ai permis. Semnalul e stop_reason == "max_tokens", nu o excepție.
Pot continua răspunsul tăiat?
Pentru text liber, poți cere continuarea într-un mesaj nou. Pentru JSON e mai simplu și mai sigur să repeți cererea cu un max_tokens mai mare.
Erori înrudite
json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0) `json.loads` a primit un text care nu începe cu JSON: modelul a pus JSON-ul între ```json ... ``` sau a scris o propoziție înainte. Cere ieșire structurată (`output_config` cu `json_schema` la Claude, `text.format` la OpenAI) sau scoate marcajele înainte de `json.loads`. TypeError: Missing required arguments; Expected either ('max_tokens', 'messages' and 'model') or ('max_tokens', 'messages', 'model' and 'stream') arguments to be given Apelul `client.messages.create(...)` nu are unul dintre parametrii obligatorii, de cele mai multe ori `max_tokens`. La API-ul Claude, `model`, `max_tokens` și `messages` sunt obligatorii: adaugă `max_tokens=500` (sau cât îți trebuie) în apel. anthropic.BadRequestError: Error code: 400 - max_tokens: 200000 > 128000, which is the maximum allowed number of output tokens for claude-haiku-5-5 Ai cerut un `max_tokens` mai mare decât poate genera modelul într-un răspuns. Pune o valoare sub limita modelului, pe măsura răspunsului de care ai nevoie (de exemplu 1000–4000 pentru texte obișnuite), și verifică `stop_reason` ca să știi dacă răspunsul a fost tăiat. Învață Aplicații AI cu LLM de la zero, cu exerciții la fiecare lecție
Curs Aplicații AI cu Claude și OpenAI: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 8 lecții sunt gratuite.
