---
title: "ما هو معامل seed؟ مخرجات LLM قابلة للتكرار | BroadRouter"
description: "يطلب معامل البذرة (seed) من LLM API أن يأخذ العينات بالطريقة نفسها في الطلبات المتكررة. كيف يعمل seed وsystem_fingerprint، ولماذا الحتمية مجرد أفضل جهد."
url: https://broadrouter.com/ar/glossary/seed-parameter/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/seed-parameter/) (حُدّث في 2026-11-15).

# معامل البذرة (seed)

آخر تحديث 2026-11-15

معامل البذرة (seed) عدد صحيح ترسله مع الطلب لتحاول الواجهة أخذ عينات الرموز نفسها حين يتكرر الطلب نفسه. وتصفه OpenAI بأنه أفضل جهد ممكن: فالحتمية غير مضمونة، ويُظهر الحقل system\_fingerprint متى تغيّر إعداد الخادم الخلفي.

يُسمّى أيضًا: البذرة العشوائية، معامل البذرة، مخرجات قابلة للتكرار، مخرجات حتمية، seed، random seed، reproducible outputs، deterministic outputs، system\_fingerprint

أخذ العينات عشوائي عن قصد. والبذرة تثبّت هذه العشوائية، فتصبح لإعادة التشغيل فرصة لمطابقة التشغيل الأول.

## كيف يعمل

حين تكون [درجة الحرارة](https://broadrouter.com/ar/glossary/temperature/) أعلى من صفر، يسحب الخادم كل رمز تالٍ عشوائيًا من توزيع النموذج. ويقود هذه السحوبات مولّد أرقام عشوائية. فإن ثبّتَّ قيمته الابتدائية، أي البذرة، فينبغي أن يأخذ الطلب نفسه السحوبات نفسها.

يصنّف المرجع التقني لدى OpenAI المعامل `seed` بأنه تجريبي (Beta). ويقول الـ Cookbook إن “our system will make a best effort to sample deterministically” (ترجمة: سيبذل نظامنا أفضل جهد لأخذ العينات بشكل حتمي). وللحصول على مخرجات متطابقة، يوصي بإبقاء ما يلي ثابتًا بين الطلبات:

-   العدد الصحيح `seed`،
-   الأمر والرسائل،
-   `temperature` و[top\_p](https://broadrouter.com/ar/glossary/top-p/) و`max_tokens`.

تتضمن الاستجابة `system_fingerprint`، الذي تقول OpenAI إنه “represents the backend configuration that the model runs with” (ترجمة: يمثّل إعداد الخادم الخلفي الذي يعمل به النموذج). فإن تغيّر بين تشغيلين، فتوقّع مخرجات مختلفة حتى مع البذرة نفسها.

```python
r = client.chat.completions.create(
    model=MODEL, seed=42, temperature=0.7,
    messages=[{"role": "user", "content": "Name a colour."}],
)
print(r.choices[0].message.content, r.system_fingerprint)
```

ولخوادم النماذج المفتوحة المقبض نفسه. ففي `SamplingParams` لدى vLLM يوجد `seed`، أي “Random seed to use for the generation” (ترجمة: البذرة العشوائية المستخدمة في التوليد)، وقيمته الافتراضية لا شيء.

## لماذا يهم

-   **التقييمات.** حين تقارن أوامر أو نماذج في [تقييم (eval)](https://broadrouter.com/ar/glossary/eval/)، تقلّل البذرة الثابتة الضجيج بين التشغيلات. لكن شغّل عدة عينات رغم ذلك؛ فأفضل جهد ليس ضمانًا.
-   **تتبّع الأخطاء.** الطلب ذو البذرة يجعل إعادة إنتاج رد غريب أسهل.
-   **التخزين المؤقت.** إن كنت تخزّن الاستجابات مؤقتًا، فضمّن البذرة في مفتاح التخزين، كما يفعل [مقال التخزين المؤقت للاستجابات](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/).

## في BroadNet Inference

لا يوثّق [المرجع التقني لـ BroadNet](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-seed-parameter&utm_content=body) الحقلين `seed` و`system_fingerprint`. اختبره قبل الاعتماد عليه: أرسل الطلب نفسه بالبذرة نفسها خمس مرات وقارن المخرجات. فإن اختلفت، اخفض درجة الحرارة، واحفظ المخرجات التي تحتاج إليها، وقيّم على عدة عينات لا على عينة واحدة. ويُدرج [شرح الترحيل خطوة بخطوة](https://broadrouter.com/ar/blog/migrate-from-openai-api-code-walkthrough/) المعامل seed ضمن حقول OpenAI التي ينبغي اختبارها أو حذفها.

## أخطاء شائعة

-   اعتبار البذرة وعدًا بمخرجات متطابقة بايتًا ببايت.
-   تغيير max\_tokens أو أمر النظام بين التشغيلات، ثم لوم البذرة على الاختلاف.

## أسئلة شائعة

### هل تعطي البذرة نفسها الإجابة نفسها دائمًا؟

لا. تقول OpenAI إن "Determinism is not guaranteed" (ترجمة: الحتمية غير مضمونة)، وإن هناك "a small chance that responses differ" (ترجمة: احتمالًا ضئيلًا أن تختلف الاستجابات) حتى حين تتطابق المعاملات وsystem\_fingerprint.

### هل درجة الحرارة 0 مثل ضبط البذرة؟

ليس تمامًا. درجة الحرارة المنخفضة تجعل الرمز الأعلى مرجّحًا جدًا، أما البذرة فتثبّت السحب العشوائي. وتستخدم فرق كثيرة الاثنين معًا، لكن أيًّا منهما وحده لا يضمن مخرجات متطابقة.

### هل يدعم BroadNet Inference المعامل seed؟

لا يوثّق المرجع التقني لـ BroadNet الحقلين seed وsystem\_fingerprint. أرسل الطلب نفسه بالبذرة نفسها عدة مرات وقارن النتائج قبل أن تعتمد عليه.

## انظر أيضًا

-   [درجة الحرارة (Temperature)](https://broadrouter.com/ar/glossary/temperature/) (مصطلح)
-   [Top-p (أخذ العينات من النواة)](https://broadrouter.com/ar/glossary/top-p/) (مصطلح)
-   [التقييم (Eval)](https://broadrouter.com/ar/glossary/eval/) (مصطلح)
-   [اللوغاريتمات الاحتمالية (Logprobs)](https://broadrouter.com/ar/glossary/logprobs/) (مصطلح)
-   [Chat Completions API (واجهة إكمال المحادثة)](https://broadrouter.com/ar/glossary/chat-completions-api/) (مصطلح)
-   [عقوبة التكرار وعقوبة الحضور (Frequency/presence penalty)](https://broadrouter.com/ar/glossary/frequency-and-presence-penalty/) (مصطلح)
-   [الاختبار المعياري لنماذج LLM (LLM benchmark)](https://broadrouter.com/ar/glossary/llm-benchmark/) (مصطلح)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/) (مقال)
-   [كيف تقيّم نموذج LLM قبل الانتقال إلى مزوّد آخر](https://broadrouter.com/ar/blog/evaluate-llm-before-switching/) (مقال)
-   [الانتقال من OpenAI API: شرح عملي للشيفرة بـ Python وNode وcURL](https://broadrouter.com/ar/blog/migrate-from-openai-api-code-walkthrough/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-seed-parameter&utm_content=page-cta) ·

**المصادر**

-   [مرجع OpenAI API، إنشاء إكمال محادثة (seed وsystem\_fingerprint) (رُوجع في 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook، مخرجات قابلة للتكرار باستخدام معامل seed (رُوجع في 2026-11-15)](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [توثيق vLLM، الصنف SamplingParams (seed) (رُوجع في 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
