---
title: "Apa itu parameter seed? Output LLM yang bisa diulang"
description: "Parameter seed meminta API LLM melakukan sampling yang sama pada permintaan berulang. Cara kerja seed dan system_fingerprint, dan kenapa hasilnya hanya best effort."
url: https://broadrouter.com/id/glossary/seed-parameter/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/glossary/seed-parameter/) (diperbarui 2026-11-15).

# Parameter seed

Diperbarui 2026-11-15

Parameter seed adalah bilangan bulat yang Anda kirim bersama permintaan agar API berusaha mengambil sampel token yang sama saat permintaan yang sama diulang. OpenAI menyebutnya best effort: determinisme tidak dijamin, dan field system\_fingerprint menunjukkan kapan konfigurasi backend berubah.

Disebut juga: seed, random seed, seed acak, output reproducible, output deterministik, reproducible outputs, deterministic outputs, system\_fingerprint

Sampling memang sengaja acak. Seed mengunci keacakan itu sehingga eksekusi ulang punya peluang menyamai eksekusi pertama.

## Cara kerjanya

Saat [temperature](https://broadrouter.com/id/glossary/temperature/) di atas nol, server mengundi setiap token berikutnya secara acak dari distribusi model. Undian itu digerakkan oleh generator bilangan acak. Kunci nilai awalnya, yaitu seed, maka permintaan yang sama seharusnya menghasilkan undian yang sama.

Referensi OpenAI menandai `seed` sebagai Beta. Cookbook-nya menyebutkan “our system will make a best effort to sample deterministically” (terjemahan: sistem kami akan berusaha sebaik mungkin melakukan sampling secara deterministik). Untuk mendapatkan output yang sama, cookbook itu meminta hal-hal berikut tetap sama antarpermintaan:

-   bilangan bulat `seed`,
-   prompt dan pesan,
-   `temperature`, [top\_p](https://broadrouter.com/id/glossary/top-p/), dan `max_tokens`.

Respons menyertakan `system_fingerprint`, yang menurut OpenAI “represents the backend configuration that the model runs with” (terjemahan: merepresentasikan konfigurasi backend tempat model berjalan). Jika nilainya berubah antara dua eksekusi, harapkan output berbeda meski seed-nya sama.

```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 model terbuka punya pengaturan yang sama. `SamplingParams` milik vLLM memiliki `seed`, “Random seed to use for the generation” (terjemahan: seed acak yang dipakai untuk generasi), dengan default none.

## Kenapa ini penting

-   **Eval.** Saat membandingkan prompt atau model dalam sebuah [eval](https://broadrouter.com/id/glossary/eval/), seed yang tetap mengurangi noise antar eksekusi. Tetap jalankan beberapa sampel; best effort bukan jaminan.
-   **Debugging.** Permintaan ber-seed membuat balasan aneh lebih mudah direproduksi.
-   **Caching.** Jika Anda men-cache respons, masukkan seed ke dalam cache key, seperti di [artikel caching respons](https://broadrouter.com/id/blog/cache-llm-responses-cut-cost/).

## Di BroadNet Inference

[Referensi API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-glossary-seed-parameter&utm_content=body) BroadNet tidak mendokumentasikan `seed` atau `system_fingerprint`. Uji sebelum mengandalkannya: kirim permintaan ber-seed yang sama lima kali dan bandingkan output-nya. Jika berbeda, turunkan temperature, simpan output yang Anda perlukan, dan lakukan evaluasi pada beberapa sampel, bukan satu. [Panduan migrasi](https://broadrouter.com/id/blog/migrate-from-openai-api-code-walkthrough/) mencantumkan seed di antara field OpenAI yang perlu diuji atau dihapus.

## Kesalahan umum

-   Menganggap seed sebagai janji output yang identik byte demi byte.
-   Mengubah max\_tokens atau system prompt antar eksekusi lalu menyalahkan seed atas perbedaannya.

## Pertanyaan umum

### Apakah seed yang sama selalu memberi jawaban yang sama?

Tidak. OpenAI menyatakan "Determinism is not guaranteed" (terjemahan: determinisme tidak dijamin) dan bahwa ada "a small chance that responses differ" (terjemahan: sedikit kemungkinan responsnya berbeda) bahkan saat parameter dan system\_fingerprint sama.

### Apakah temperature 0 sama dengan mengatur seed?

Tidak persis. Temperature rendah membuat token teratas sangat mungkin terpilih; seed mengunci undian acaknya. Banyak tim memakai keduanya, tetapi tidak satu pun yang menjamin output identik jika dipakai sendiri.

### Apakah BroadNet Inference mendukung seed?

Referensi API BroadNet tidak mendokumentasikan seed atau system\_fingerprint. Kirim permintaan ber-seed yang sama beberapa kali dan bandingkan hasilnya sebelum mengandalkannya.

## Lihat juga

-   [Temperature (suhu sampling)](https://broadrouter.com/id/glossary/temperature/) (istilah)
-   [Top-p (nucleus sampling)](https://broadrouter.com/id/glossary/top-p/) (istilah)
-   [Eval (evaluasi LLM)](https://broadrouter.com/id/glossary/eval/) (istilah)
-   [Logprobs (log probabilitas)](https://broadrouter.com/id/glossary/logprobs/) (istilah)
-   [Chat Completions API](https://broadrouter.com/id/glossary/chat-completions-api/) (istilah)
-   [Frequency penalty dan presence penalty](https://broadrouter.com/id/glossary/frequency-and-presence-penalty/) (istilah)
-   [Benchmark LLM (LLM benchmark)](https://broadrouter.com/id/glossary/llm-benchmark/) (istilah)
-   [Cache respons API LLM untuk memangkas biaya: exact cache di Python](https://broadrouter.com/id/blog/cache-llm-responses-cut-cost/) (artikel)
-   [Cara mengevaluasi LLM sebelum berpindah penyedia](https://broadrouter.com/id/blog/evaluate-llm-before-switching/) (artikel)
-   [Migrasi dari API OpenAI: panduan kode Python, Node, dan cURL](https://broadrouter.com/id/blog/migrate-from-openai-api-code-walkthrough/) (artikel)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

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

**Sumber**

-   [Referensi API OpenAI, membuat chat completion (seed, system\_fingerprint) (diperiksa 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, output reproducible dengan parameter seed (diperiksa 2026-11-15)](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [Dokumentasi vLLM, SamplingParams (seed) (diperiksa 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
