---
title: "Cosa sono i logprobs? Le log-probabilità dei token | BroadRouter"
description: "I logprobs sono le log-probabilità che un modello assegna a ogni token di output. Come funzionano logprobs e top_logprobs e come usarli per misurare la confidenza."
url: https://broadrouter.com/it/glossary/logprobs/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/logprobs/) (aggiornato il 2026-11-14).

# Logprobs (log-probabilità)

Aggiornato 2026-11-14

I logprobs sono le log-probabilità che un modello linguistico ha assegnato ai token che ha generato. Un’API che li restituisce mostra, per ogni token di output, quanto il modello lo riteneva probabile e, facoltativamente, i token alternativi più probabili in quella posizione.

Detto anche: logprobs, log-probabilità, log probabilità dei token, probabilità dei token, log probabilities, token log probabilities, top\_logprobs, token probabilities

Ogni token che un modello scrive viene scelto da una distribuzione di probabilità. I logprobs rendono visibile quella distribuzione, un token alla volta.

## Come funziona

A ogni passo il modello assegna un punteggio a ogni [token](https://broadrouter.com/it/glossary/token/) del suo vocabolario e trasforma i punteggi in probabilità. L’API può riportare il logaritmo naturale della probabilità del token scelto. Si usano i logaritmi perché i numeri grezzi diventano piccolissimi; sommare logaritmi equivale a moltiplicare probabilità.

Nella Chat Completions API di OpenAI li richiedi con due campi:

-   `logprobs: true` restituisce una log-probabilità per ogni token di output.
-   `top_logprobs` è “an integer between 0 and 20” (un intero tra 0 e 20) che indica quante alternative probabili elencare in ogni posizione. Richiede `logprobs: true`.

Ogni voce di `choices[0].logprobs.content` contiene il `token`, il suo `logprob`, i suoi `bytes` UTF-8 e una lista `top_logprobs`. Converti con `exp(logprob)`:

| logprob | probabilità |
| --- | --- |
| 0 | 1,00 |
| \-0,105 | circa 0,90 |
| \-0,693 | circa 0,50 |
| \-2,303 | circa 0,10 |

## Perché è importante

Il cookbook di OpenAI elenca alcuni usi pratici:

-   **Confidenza nella classificazione.** Chiedi un’etichetta di una sola parola e leggi il logprob di quel token. Manda a una persona i casi con bassa confidenza.
-   **Controlli sul retrieval.** Chiedi se il contesto fornito risponde alla domanda e usa la probabilità di “sì” come punteggio. Il cookbook collega questo uso alla riduzione delle [allucinazioni](https://broadrouter.com/it/glossary/hallucination/).
-   **Autocompletamento.** Suggerisci la parola successiva solo quando il modello è sicuro.
-   **Perplessità.** Fai la media dei logprobs di un’intera risposta, cambia segno al risultato ed eleva e a quel valore. Una perplessità più bassa significa che il modello ha trovato il testo più prevedibile.

I logprobs rendono visibile anche il campionamento. Alzare la [temperatura](https://broadrouter.com/it/glossary/temperature/) o il [top-p](https://broadrouter.com/it/glossary/top-p/) lascia passare token a probabilità più bassa, e i logprobs lo mostrano. Sono un complemento economico a un passaggio di [LLM-as-judge](https://broadrouter.com/it/glossary/llm-as-judge/), perché arrivano insieme alla risposta senza richieste in più.

## Su BroadNet Inference

Il [riferimento API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-logprobs&utm_content=body) di BroadNet non documenta `logprobs` né `top_logprobs` per nessun modello. Non dare per scontato che un endpoint compatibile con OpenAI li restituisca. Invia una richiesta con `logprobs: true`, controlla se `choices[0].logprobs` è valorizzato e prevedi un ripiego, come un prompt da giudice, se non lo è. La [guida all’SDK Python](https://broadrouter.com/it/guides/openai-python-sdk/) mostra come configurare il client per una prova.

## Errori comuni

-   Leggere un logprob alto come prova che un fatto è corretto. Significa solo che il modello si aspettava quel token.
-   Confrontare logprobs tra modelli diversi. Tokenizer e calibrazione cambiano, quindi i numeri non sono sulla stessa scala.

## Domande frequenti

### Come trasformo un logprob in una percentuale?

Calcola e elevato al logprob. Un logprob di -0,105 corrisponde a circa 0,90, cioè il 90%. Un logprob di 0 significa che il modello ha dato a quel token probabilità 1.

### I logprobs misurano se la risposta è vera?

No. Misurano quanto il modello era sicuro della formulazione, non se il fatto è corretto. Un modello può sbagliare con grande sicurezza.

### BroadNet Inference restituisce i logprobs?

Il riferimento API di BroadNet non documenta i logprobs. Invia una richiesta di prova con logprobs impostato a true e controlla la risposta prima di costruirci sopra.

## Vedi anche

-   [Token](https://broadrouter.com/it/glossary/token/) (termine)
-   [Temperatura (temperature)](https://broadrouter.com/it/glossary/temperature/) (termine)
-   [Top-p (nucleus sampling)](https://broadrouter.com/it/glossary/top-p/) (termine)
-   [Allucinazione (hallucination)](https://broadrouter.com/it/glossary/hallucination/) (termine)
-   [LLM-as-a-judge (LLM come giudice)](https://broadrouter.com/it/glossary/llm-as-judge/) (termine)
-   [Usare l’SDK Python di OpenAI con BroadNet Inference](https://broadrouter.com/it/guides/openai-python-sdk/) (guida)
-   [Come valutare un LLM prima di cambiare provider](https://broadrouter.com/it/blog/evaluate-llm-before-switching/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Riferimento API di OpenAI, creare una chat completion (logprobs, top\_logprobs)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, usare i logprobs](https://developers.openai.com/cookbook/examples/using_logprobs)
-   [Riferimento API di BroadNet Inference (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-logprobs&utm_content=sources)
