---
title: "Was sind Logprobs? Log-Wahrscheinlichkeiten in LLM-APIs"
description: "Logprobs sind die Log-Wahrscheinlichkeiten jedes Output-Tokens. Wie die Felder logprobs und top_logprobs funktionieren und wie Sie damit die Konfidenz prüfen."
url: https://broadrouter.com/de/glossary/logprobs/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/glossary/logprobs/) (aktualisiert am 2026-11-14).

# Logprobs (Log-Wahrscheinlichkeiten)

Aktualisiert 2026-11-14

Logprobs sind die logarithmierten Wahrscheinlichkeiten, die ein Sprachmodell den von ihm erzeugten Tokens zugewiesen hat. Eine API, die sie zurückgibt, zeigt für jedes Output-Token, wie wahrscheinlich das Modell es fand, und auf Wunsch die wahrscheinlichsten alternativen Tokens an dieser Stelle.

Auch genannt: Logprobs, Log-Wahrscheinlichkeiten, logarithmierte Wahrscheinlichkeiten, Token-Wahrscheinlichkeiten, log probabilities, token log probabilities, top\_logprobs, token probabilities

Jedes Token, das ein Modell schreibt, wird aus einer Wahrscheinlichkeitsverteilung gezogen. Logprobs legen diese Verteilung offen, Token für Token.

## So funktioniert es

Bei jedem Schritt bewertet das Modell jedes [Token](https://broadrouter.com/de/glossary/token/) in seinem Vokabular und wandelt die Scores in Wahrscheinlichkeiten um. Die API kann den natürlichen Logarithmus der Wahrscheinlichkeit des gewählten Tokens melden. Logarithmen werden verwendet, weil die rohen Zahlen sehr klein werden; Logarithmen zu addieren entspricht dem Multiplizieren von Wahrscheinlichkeiten.

In der Chat Completions API von OpenAI fordern Sie sie mit zwei Feldern in der Anfrage an:

-   `logprobs: true` gibt für jedes Output-Token eine Log-Wahrscheinlichkeit zurück.
-   `top_logprobs` ist „an integer between 0 and 20“ (Übersetzung: „eine Ganzzahl zwischen 0 und 20“) und legt fest, wie viele wahrscheinliche Alternativen an jeder Position aufgelistet werden. Es setzt `logprobs: true` voraus.

Jeder Eintrag in `choices[0].logprobs.content` enthält das `token`, seinen `logprob`, seine UTF-8-`bytes` und eine `top_logprobs`\-Liste. Umrechnen können Sie mit `exp(logprob)`:

| Logprob | Wahrscheinlichkeit |
| --- | --- |
| 0 | 1,00 |
| \-0,105 | etwa 0,90 |
| \-0,693 | etwa 0,50 |
| \-2,303 | etwa 0,10 |

## Warum es wichtig ist

Das Cookbook von OpenAI nennt praktische Einsatzzwecke:

-   **Konfidenz bei Klassifizierung.** Fragen Sie nach einem Label aus einem Wort und lesen Sie den Logprob dieses Tokens. Fälle mit niedriger Konfidenz geben Sie an einen Menschen weiter.
-   **Prüfungen beim Retrieval.** Fragen Sie, ob der gelieferte Kontext die Frage beantwortet, und verwenden Sie die Wahrscheinlichkeit von „yes“ als Score. Das Cookbook bringt das mit weniger [Halluzinationen](https://broadrouter.com/de/glossary/hallucination/) in Verbindung.
-   **Autovervollständigung.** Schlagen Sie das nächste Wort nur vor, wenn das Modell sicher ist.
-   **Perplexität.** Mitteln Sie die Logprobs einer ganzen Antwort, kehren Sie das Vorzeichen um und nehmen Sie e hoch dieses Ergebnis. Eine niedrigere Perplexität bedeutet, dass das Modell den Text vorhersehbarer fand.

Logprobs machen auch das Sampling sichtbar. Eine höhere [Temperatur](https://broadrouter.com/de/glossary/temperature/) oder ein höheres [Top-p](https://broadrouter.com/de/glossary/top-p/) lässt Tokens mit geringerer Wahrscheinlichkeit durch, und die Logprobs zeigen das. Sie sind eine günstige Ergänzung zu einem Schritt mit [LLM-as-a-Judge](https://broadrouter.com/de/glossary/llm-as-judge/), weil sie ohne zusätzliche Anfrage mit der Antwort kommen.

## Bei BroadNet Inference

Die [API-Referenz](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-logprobs&utm_content=body) von BroadNet dokumentiert `logprobs` und `top_logprobs` für kein Modell. Gehen Sie nicht davon aus, dass ein OpenAI-kompatibler Endpoint sie zurückgibt. Senden Sie eine Anfrage mit `logprobs: true`, prüfen Sie, ob `choices[0].logprobs` gefüllt ist, und planen Sie einen Fallback ein, etwa einen Judge-Prompt, falls nicht. Die [Anleitung zum Python SDK](https://broadrouter.com/de/guides/openai-python-sdk/) zeigt die Einrichtung des Clients für einen Test.

## Häufige Fehler

-   Einen hohen Logprob als Beweis für eine korrekte Tatsache lesen. Er bedeutet nur, dass das Modell dieses Token erwartet hat.
-   Logprobs verschiedener Modelle vergleichen. Tokenizer und Kalibrierung unterscheiden sich, die Zahlen liegen also nicht auf derselben Skala.

## Häufige Fragen

### Wie rechne ich einen Logprob in einen Prozentwert um?

Nehmen Sie e hoch den Logprob. Ein Logprob von -0,105 ergibt etwa 0,90, also 90 %. Ein Logprob von 0 bedeutet, dass das Modell dem Token die Wahrscheinlichkeit 1 gegeben hat.

### Zeigen Logprobs, ob die Antwort stimmt?

Nein. Sie messen, wie sicher sich das Modell bei seiner Formulierung war, nicht ob die Tatsache korrekt ist. Ein Modell kann sich sicher und trotzdem im Irrtum sein.

### Gibt BroadNet Inference Logprobs zurück?

Die API-Referenz von BroadNet dokumentiert logprobs nicht. Senden Sie eine Testanfrage mit logprobs auf true und prüfen Sie die Antwort, bevor Sie darauf aufbauen.

## Siehe auch

-   [Token](https://broadrouter.com/de/glossary/token/) (Begriff)
-   [Temperatur (Temperature)](https://broadrouter.com/de/glossary/temperature/) (Begriff)
-   [Top-p (Nucleus Sampling)](https://broadrouter.com/de/glossary/top-p/) (Begriff)
-   [Halluzination (KI)](https://broadrouter.com/de/glossary/hallucination/) (Begriff)
-   [LLM-as-a-Judge (LLM als Bewerter)](https://broadrouter.com/de/glossary/llm-as-judge/) (Begriff)
-   [OpenAI Python SDK mit BroadNet Inference nutzen](https://broadrouter.com/de/guides/openai-python-sdk/) (Anleitung)
-   [Wie Sie ein LLM vor dem Anbieterwechsel evaluieren](https://broadrouter.com/de/blog/evaluate-llm-before-switching/) (Artikel)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-logprobs&utm_content=page-cta) ·

**Quellen**

-   [OpenAI-API-Referenz, Chat Completion erstellen (logprobs, top\_logprobs)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, Logprobs verwenden](https://developers.openai.com/cookbook/examples/using_logprobs)
-   [API-Referenz von BroadNet Inference (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-logprobs&utm_content=sources)
