---
title: "logprobs란? LLM API의 토큰 로그 확률 | BroadRouter"
description: "logprobs는 모델이 각 출력 토큰에 부여한 로그 확률입니다. logprobs와 top_logprobs 필드의 작동 방식과 이를 신뢰도 확인에 활용하는 방법을 정리했습니다."
url: https://broadrouter.com/ko/glossary/logprobs/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/logprobs/) (2026-11-14 업데이트).

# Logprobs(로그 확률)

업데이트 2026-11-14

Logprobs(로그 확률)는 언어 모델이 생성한 토큰에 부여한 로그 확률입니다. 이를 반환하는 API는 출력 토큰마다 모델이 그 토큰을 얼마나 가능성 있다고 판단했는지, 그리고 원하면 그 위치에서 가능성이 높았던 다른 후보 토큰도 보여 줍니다.

다른 이름: 로그 확률, 토큰 로그 확률, 토큰 확률, logprobs 뜻, log probabilities, token log probabilities, top\_logprobs, token probabilities

모델이 쓰는 모든 토큰은 확률 분포에서 뽑힙니다. logprobs는 그 분포를 토큰 하나씩 보여 줍니다.

## 작동 방식

모델은 단계마다 어휘에 있는 모든 [토큰](https://broadrouter.com/ko/glossary/token/)에 점수를 매기고, 그 점수를 확률로 바꿉니다. API는 모델이 고른 토큰의 확률에 자연로그를 취한 값을 알려 줄 수 있습니다. 원래 숫자는 매우 작아지기 때문에 로그를 씁니다. 로그를 더하는 것은 확률을 곱하는 것과 같습니다.

OpenAI Chat Completions API에서는 요청 필드 두 개로 이를 요청합니다.

-   `logprobs: true`는 출력 토큰마다 로그 확률을 반환합니다.
-   `top_logprobs`는 각 위치에서 가능성 높은 대안을 몇 개 보여 줄지 정하는 “an integer between 0 and 20”(번역: 0에서 20 사이의 정수)입니다. `logprobs: true`가 필요합니다.

`choices[0].logprobs.content`의 각 항목에는 `token`, 그 `logprob`, UTF-8 `bytes`, `top_logprobs` 목록이 들어 있습니다. `exp(logprob)`로 변환합니다.

| logprob | 확률 |
| --- | --- |
| 0 | 1.00 |
| \-0.105 | 약 0.90 |
| \-0.693 | 약 0.50 |
| \-2.303 | 약 0.10 |

## 왜 중요한가

OpenAI Cookbook은 실용적인 활용법을 소개합니다.

-   **분류 신뢰도.** 한 단어 레이블을 요청하고 그 토큰의 logprob를 읽습니다. 신뢰도가 낮은 항목은 사람에게 넘깁니다.
-   **검색 결과 확인.** 제공한 컨텍스트로 질문에 답할 수 있는지 묻고, “yes”의 확률을 점수로 씁니다. Cookbook은 이를 [할루시네이션](https://broadrouter.com/ko/glossary/hallucination/) 감소와 연결합니다.
-   **자동 완성.** 모델이 확신할 때만 다음 단어를 제안합니다.
-   **퍼플렉시티(perplexity).** 답변 전체의 logprob 평균을 구해 부호를 바꾸고 e의 그 값 제곱을 계산합니다. 퍼플렉시티가 낮을수록 모델이 그 텍스트를 더 예측 가능하다고 본 것입니다.

logprobs는 샘플링도 눈에 보이게 합니다. [temperature](https://broadrouter.com/ko/glossary/temperature/)나 [top-p](https://broadrouter.com/ko/glossary/top-p/)를 올리면 확률이 낮은 토큰이 통과하는데, logprobs에 그 모습이 드러납니다. 추가 요청 없이 답변과 함께 오므로 [LLM-as-judge](https://broadrouter.com/ko/glossary/llm-as-judge/) 단계를 저렴하게 보완해 줍니다.

## BroadNet Inference에서는

BroadNet의 [API 레퍼런스](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-logprobs&utm_content=body)는 어떤 모델에 대해서도 `logprobs`나 `top_logprobs`를 문서화하지 않습니다. OpenAI 호환 엔드포인트라고 해서 이를 반환한다고 가정하지 마세요. `logprobs: true`로 요청을 하나 보내 `choices[0].logprobs`가 채워지는지 확인하고, 비어 있다면 judge 프롬프트 같은 대비책을 세우세요. 테스트용 클라이언트 설정은 [Python SDK 가이드](https://broadrouter.com/ko/guides/openai-python-sdk/)에 나와 있습니다.

## 흔한 실수

-   높은 logprob를 사실이 맞다는 증거로 읽는 것. 모델이 그 토큰을 예상했다는 뜻일 뿐입니다.
-   서로 다른 모델의 logprobs를 비교하는 것. 토크나이저와 보정 방식이 달라서 숫자의 기준이 같지 않습니다.

## 자주 묻는 질문

### logprob를 퍼센트로 바꾸려면 어떻게 하나요?

e의 logprob 제곱을 계산하세요. logprob가 -0.105면 약 0.90, 즉 90%입니다. logprob가 0이면 모델이 그 토큰에 확률 1을 부여했다는 뜻입니다.

### logprobs로 답이 사실인지 판단할 수 있나요?

아니요. logprobs는 사실이 맞는지가 아니라 모델이 그 표현에 얼마나 확신했는지를 나타냅니다. 모델은 확신에 차서 틀릴 수도 있습니다.

### BroadNet Inference는 logprobs를 반환하나요?

BroadNet API 레퍼런스는 logprobs를 문서화하지 않습니다. 이를 기반으로 개발하기 전에 logprobs를 true로 설정한 테스트 요청을 보내 응답을 확인하세요.

## 함께 보기

-   [토큰(token)](https://broadrouter.com/ko/glossary/token/) (용어)
-   [Temperature(온도)](https://broadrouter.com/ko/glossary/temperature/) (용어)
-   [Top-p(뉴클리어스 샘플링)](https://broadrouter.com/ko/glossary/top-p/) (용어)
-   [할루시네이션(환각, hallucination)](https://broadrouter.com/ko/glossary/hallucination/) (용어)
-   [LLM-as-a-judge(LLM 평가자)](https://broadrouter.com/ko/glossary/llm-as-judge/) (용어)
-   [BroadNet Inference에서 OpenAI Python SDK 사용하기](https://broadrouter.com/ko/guides/openai-python-sdk/) (가이드)
-   [제공업체를 바꾸기 전에 LLM을 평가하는 방법](https://broadrouter.com/ko/blog/evaluate-llm-before-switching/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [OpenAI API 레퍼런스, chat completion 생성(logprobs, top\_logprobs)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, logprobs 활용하기](https://developers.openai.com/cookbook/examples/using_logprobs)
-   [BroadNet Inference API 레퍼런스 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-logprobs&utm_content=sources)
