Temperature (amostragem)
A temperature (temperatura) é uma configuração de amostragem que controla quão aleatórias são as escolhas de palavras de um modelo de linguagem. Valores baixos o fazem favorecer os tokens mais prováveis; valores mais altos espalham as escolhas entre os menos prováveis.
Também chamado: sampling temperature
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
A cada passo, um modelo de linguagem grande produz uma probabilidade para cada token seguinte possível. A temperature reescala essas probabilidades antes que um seja escolhido. Baixá-la deixa a distribuição mais concentrada, então tokens prováveis ficam ainda mais prováveis. Aumentá-la achata a distribuição, então tokens improváveis são escolhidos com mais frequência.
Como funciona
A temperature divide as notas brutas do modelo antes da etapa de softmax que as transforma em probabilidades. O guia de geração de texto do Hugging Face descreve baixar a temperature como deixar a distribuição mais concentrada, aumentando a probabilidade das palavras de alta probabilidade e diminuindo a das de baixa probabilidade. Perto de zero, a amostragem se comporta quase como pegar sempre o token do topo.
Que valor usar
- Temperature baixa combina com extração, classificação, código e qualquer coisa com uma única resposta certa. - Temperature mais alta combina com brainstorming, redação variada e escrita criativa.
Os intervalos e os valores padrão variam por provedor, então consulte a referência da API do modelo que você chama.
Como difere do top-p
O top-p sampling corta a cauda improvável da distribuição e amostra do que sobra. A temperature remodela a distribuição inteira. Uma regra prática comum é ajustar uma e deixar a outra no padrão.
Limites
Temperature baixa não torna um modelo correto. Ela o torna mais consistente, o que inclui estar consistentemente errado. Ela também não promete saída idêntica em toda chamada. Se você precisa de formatos confiáveis, use structured output; se precisa de fatos, use grounding.
Termos relacionados
- Grande modelo de linguagem
- Um grande modelo de linguagem (large language model, LLM) é uma rede neural com bilhões de parâmetros, treinada com grandes quantidades de texto para prever o próximo token, o que permite a ele escrever, responder a perguntas, resumir e seguir instruções.
- Top-p sampling
- O top-p sampling, ou nucleus sampling (amostragem por núcleo), escolhe cada próximo token só entre o menor conjunto de candidatos cuja probabilidade somada atinge um limite p, cortando a longa cauda de tokens improváveis.
- Token (LLM)
- Um token (LLM) é a unidade básica de texto que um modelo de linguagem lê e escreve, muitas vezes uma palavra, parte de uma palavra, um sinal de pontuação ou um byte. Preços, velocidade e limites de contexto são todos contados em tokens.
- Structured output
- Structured output (saída estruturada) é um recurso de API que faz a resposta de um modelo de linguagem seguir um formato que você define, geralmente um JSON schema, para que o código possa processá-la com confiabilidade em vez de garimpar texto livre.
- Alucinação (IA)
- Uma alucinação (hallucination) é uma saída de um modelo de IA que soa fluente e confiante, mas é falsa, não tem apoio nas fontes ou foi inventada, como uma citação, uma frase, uma estatística ou uma função de API que não existem.