---
title: "seed パラメーターとは？LLM の出力を再現する | BroadRouter"
description: "seed パラメーターは、同じリクエストを繰り返したときに同じようにサンプリングするよう LLM API に求めます。seed と system_fingerprint のしくみと、決定性がベストエフォートにとどまる理由を解説します。"
url: https://broadrouter.com/ja/glossary/seed-parameter/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。 [英語の原文を読む](https://broadrouter.com/glossary/seed-parameter/) (2026-11-15 更新).

# seed パラメーター（シード値）

更新日 2026-11-15

seed パラメーターとは、リクエストに付ける整数で、同じリクエストの繰り返し時に API ができるだけ同じトークンを選ぶようにします。OpenAI はベストエフォートとしており、決定性は保証されません。バックエンド構成の変更は system\_fingerprint でわかります。

別名： シード値、乱数シード、再現可能な出力、決定的な出力、random seed、reproducible outputs、deterministic outputs、system\_fingerprint

サンプリングは意図的にランダムです。seed はそのランダム性を固定し、再実行が最初の実行と一致する見込みを作ります。

## しくみ

[temperature](https://broadrouter.com/ja/glossary/temperature/) が 0 より大きいとき、サーバーは次のトークンをモデルの分布からランダムに引きます。その抽選を動かしているのが乱数生成器です。その初期値、つまり seed を固定すれば、同じリクエストは同じ引き方をするはずです。

OpenAI のリファレンスは `seed` を Beta としています。Cookbook には「our system will make a best effort to sample deterministically」（訳：システムは決定的にサンプリングするよう最善を尽くす）とあります。一致する出力を得るには、リクエスト間で次を同じに保つよう求めています。

-   `seed` の整数
-   プロンプトとメッセージ
-   `temperature`、[top\_p](https://broadrouter.com/ja/glossary/top-p/)、`max_tokens`

応答には `system_fingerprint` が含まれ、OpenAI によると「represents the backend configuration that the model runs with」（訳：モデルが動作しているバックエンド構成を表す）ものです。2 回の実行のあいだでこれが変わったら、seed が同じでも出力は変わると考えてください。

```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)
```

オープンモデル用のサーバーにも同じつまみがあります。vLLM の `SamplingParams` には `seed`（「Random seed to use for the generation」、訳：生成に使う乱数シード）があり、デフォルトは none です。

## なぜ重要か

-   **評価。** [eval](https://broadrouter.com/ja/glossary/eval/) でプロンプトやモデルを比べるとき、seed を固定すると実行間のノイズが減ります。それでも複数のサンプルで試してください。ベストエフォートは保証ではありません。
-   **デバッグ。** seed 付きのリクエストなら、おかしな応答を再現しやすくなります。
-   **キャッシュ。** 応答をキャッシュするなら、[応答キャッシュの記事](https://broadrouter.com/ja/blog/cache-llm-responses-cut-cost/)のように seed をキャッシュキーに含めてください。

## BroadNet Inference の場合

BroadNet の [API リファレンス](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-seed-parameter&utm_content=body)には `seed` も `system_fingerprint` も記載がありません。頼る前に試してください。seed を付けた同じリクエストを 5 回送り、出力を比べます。違いが出たら temperature を下げ、必要な出力は保存し、1 つではなく複数のサンプルで評価してください。[移行コードのウォークスルー](https://broadrouter.com/ja/blog/migrate-from-openai-api-code-walkthrough/)では、試すか削除すべき OpenAI フィールドの 1 つとして seed を挙げています。

## よくある間違い

-   seed をバイト単位で同一の出力の約束と考えること。
-   実行のあいだに max\_tokens やシステムプロンプトを変えておきながら、違いを seed のせいにすること。

## よくある質問

### 同じ seed なら必ず同じ回答になりますか？

いいえ。OpenAI は「Determinism is not guaranteed」（訳：決定性は保証されない）とし、パラメーターと system\_fingerprint が一致していても「a small chance that responses differ」（訳：応答が異なる可能性がわずかにある）と述べています。

### temperature を 0 にするのと seed を設定するのは同じですか？

同じではありません。temperature を低くすると最上位のトークンが非常に選ばれやすくなり、seed は乱数の引き方を固定します。両方使うチームは多いですが、どちらか一方だけでは同一の出力は保証されません。

### BroadNet Inference は seed に対応していますか？

BroadNet の API リファレンスには seed も system\_fingerprint も記載がありません。頼る前に、seed を付けた同じリクエストを何度か送って比べてください。

## 関連項目

-   [temperature（温度）](https://broadrouter.com/ja/glossary/temperature/) (用語)
-   [top-p（Nucleus サンプリング）](https://broadrouter.com/ja/glossary/top-p/) (用語)
-   [評価（eval、LLM evaluation）](https://broadrouter.com/ja/glossary/eval/) (用語)
-   [logprobs（対数確率）](https://broadrouter.com/ja/glossary/logprobs/) (用語)
-   [Chat Completions API（チャット補完 API）](https://broadrouter.com/ja/glossary/chat-completions-api/) (用語)
-   [frequency penalty と presence penalty](https://broadrouter.com/ja/glossary/frequency-and-presence-penalty/) (用語)
-   [LLM ベンチマーク（LLM benchmark）](https://broadrouter.com/ja/glossary/llm-benchmark/) (用語)
-   [LLM API のレスポンスをキャッシュしてコスト削減：Python の完全一致キャッシュ](https://broadrouter.com/ja/blog/cache-llm-responses-cut-cost/) (記事)
-   [プロバイダーを乗り換える前に LLM を評価する方法](https://broadrouter.com/ja/blog/evaluate-llm-before-switching/) (記事)
-   [OpenAI API からの移行：Python、Node、cURL のコード解説](https://broadrouter.com/ja/blog/migrate-from-openai-api-code-walkthrough/) (記事)

実際のワークロードで試してください。 新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

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

**出典**

-   [OpenAI API リファレンス、チャット補完の作成（seed、system\_fingerprint）（2026-11-15 確認）](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook、seed パラメーターによる再現可能な出力（2026-11-15 確認）](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [vLLM ドキュメント、SamplingParams（seed）（2026-11-15 確認）](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
