---
title: "Was ist der Seed-Parameter? Reproduzierbare LLM-Ausgaben"
description: "Mit dem Seed-Parameter samplet eine LLM-API wiederholte Anfragen möglichst gleich. Wie seed und system_fingerprint funktionieren und warum das nur Best Effort ist."
url: https://broadrouter.com/de/glossary/seed-parameter/
lang: de
updated: 2026-11-15
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/seed-parameter/) (aktualisiert am 2026-11-15).

# Seed-Parameter

Aktualisiert 2026-11-15

Der Seed-Parameter ist eine Ganzzahl, die Sie mit einer Anfrage senden, damit die API versucht, bei einer Wiederholung derselben Anfrage dieselben Tokens zu ziehen. OpenAI beschreibt das als Best Effort: Determinismus ist nicht garantiert, und das Feld system\_fingerprint zeigt, wann sich die Backend-Konfiguration geändert hat.

Auch genannt: Seed, Zufallsseed, Random Seed, reproduzierbare Ausgaben, deterministische Ausgaben, random seed, reproducible outputs, deterministic outputs, system\_fingerprint

Sampling ist mit Absicht zufällig. Ein Seed legt den Zufall fest, damit ein erneuter Lauf eine Chance hat, dem ersten zu entsprechen.

## So funktioniert es

Liegt die [Temperatur](https://broadrouter.com/de/glossary/temperature/) über null, zieht der Server jedes nächste Token zufällig aus der Verteilung des Modells. Ein Zufallszahlengenerator steuert diese Ziehungen. Legen Sie seinen Startwert fest, den Seed, sollte dieselbe Anfrage dieselben Ziehungen machen.

Die Referenz von OpenAI kennzeichnet `seed` als Beta. Das Cookbook schreibt: „our system will make a best effort to sample deterministically“ (Übersetzung: „unser System bemüht sich nach besten Kräften, deterministisch zu samplen“). Für übereinstimmende Ausgaben sollen diese Werte über alle Anfragen hinweg gleich bleiben:

-   die `seed`\-Ganzzahl,
-   der Prompt und die Nachrichten,
-   `temperature`, [top\_p](https://broadrouter.com/de/glossary/top-p/) und `max_tokens`.

Die Antwort enthält `system_fingerprint`, das laut OpenAI „represents the backend configuration that the model runs with“ (Übersetzung: „die Backend-Konfiguration darstellt, mit der das Modell läuft“). Ändert es sich zwischen zwei Läufen, sollten Sie selbst mit demselben Seed andere Ausgaben erwarten.

```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)
```

Server für offene Modelle haben denselben Regler. `SamplingParams` von vLLM hat `seed`, „Random seed to use for the generation“ (Übersetzung: „Zufallsseed für die Generierung“), standardmäßig ohne Wert.

## Warum es wichtig ist

-   **Evals.** Wenn Sie in einem [Eval](https://broadrouter.com/de/glossary/eval/) Prompts oder Modelle vergleichen, verringert ein fester Seed das Rauschen zwischen Läufen. Ziehen Sie trotzdem mehrere Stichproben; Best Effort ist keine Garantie.
-   **Debugging.** Mit einem Seed lässt sich eine seltsame Antwort leichter reproduzieren.
-   **Caching.** Wenn Sie Antworten cachen, nehmen Sie den Seed in den Cache-Key auf, wie es der [Beitrag zum Response-Caching](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/) tut.

## Bei BroadNet Inference

Die [API-Referenz](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-glossary-seed-parameter&utm_content=body) von BroadNet dokumentiert weder `seed` noch `system_fingerprint`. Testen Sie den Parameter, bevor Sie sich darauf verlassen: Senden Sie dieselbe Anfrage mit Seed fünfmal und vergleichen Sie die Ausgaben. Unterscheiden sie sich, senken Sie die Temperatur, speichern Sie die Ausgaben, die Sie brauchen, und evaluieren Sie auf mehreren Stichproben statt auf einer. Die [Migrationsanleitung](https://broadrouter.com/de/blog/migrate-from-openai-api-code-walkthrough/) führt seed unter den OpenAI-Feldern auf, die Sie testen oder entfernen sollten.

## Häufige Fehler

-   Einen Seed als Versprechen für byte-identischen Output verstehen.
-   Zwischen den Läufen max\_tokens oder den System-Prompt ändern und dem Seed die Schuld am Unterschied geben.

## Häufige Fragen

### Liefert derselbe Seed immer dieselbe Antwort?

Nein. OpenAI schreibt „Determinism is not guaranteed“ (Übersetzung: „Determinismus ist nicht garantiert“) und dass es „a small chance that responses differ“ (Übersetzung: „eine geringe Wahrscheinlichkeit, dass Antworten sich unterscheiden“) gibt, selbst wenn Parameter und system\_fingerprint übereinstimmen.

### Ist Temperatur 0 dasselbe wie ein gesetzter Seed?

Nicht ganz. Eine niedrige Temperatur macht das wahrscheinlichste Token sehr wahrscheinlich; ein Seed legt die Zufallsziehungen fest. Viele Teams nutzen beides, aber keines allein garantiert identischen Output.

### Unterstützt BroadNet Inference seed?

Die API-Referenz von BroadNet dokumentiert weder seed noch system\_fingerprint. Senden Sie dieselbe Anfrage mit Seed mehrmals und vergleichen Sie, bevor Sie sich darauf verlassen.

## Siehe auch

-   [Temperatur (Temperature)](https://broadrouter.com/de/glossary/temperature/) (Begriff)
-   [Top-p (Nucleus Sampling)](https://broadrouter.com/de/glossary/top-p/) (Begriff)
-   [Eval (LLM-Evaluierung)](https://broadrouter.com/de/glossary/eval/) (Begriff)
-   [Logprobs (Log-Wahrscheinlichkeiten)](https://broadrouter.com/de/glossary/logprobs/) (Begriff)
-   [Chat Completions API](https://broadrouter.com/de/glossary/chat-completions-api/) (Begriff)
-   [Frequency Penalty und Presence Penalty](https://broadrouter.com/de/glossary/frequency-and-presence-penalty/) (Begriff)
-   [LLM-Benchmark](https://broadrouter.com/de/glossary/llm-benchmark/) (Begriff)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/) (Artikel)
-   [Wie Sie ein LLM vor dem Anbieterwechsel evaluieren](https://broadrouter.com/de/blog/evaluate-llm-before-switching/) (Artikel)
-   [Weg von der OpenAI API: Migration mit Code in Python, Node, cURL](https://broadrouter.com/de/blog/migrate-from-openai-api-code-walkthrough/) (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-seed-parameter&utm_content=page-cta) ·

**Quellen**

-   [OpenAI-API-Referenz, Chat Completion erstellen (seed, system\_fingerprint) (geprüft am 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, reproduzierbare Ausgaben mit dem Seed-Parameter (geprüft am 2026-11-15)](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [vLLM-Dokumentation, SamplingParams (seed) (geprüft am 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
