---
title: "O que são frequency penalty e presence penalty em LLMs?"
description: "Frequency e presence penalty reduzem a chance de tokens que o modelo já usou, para cortar repetições. As diferenças, os intervalos e o repetition_penalty."
url: https://broadrouter.com/pt/glossary/frequency-and-presence-penalty/
lang: pt-BR
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/frequency-and-presence-penalty/) (atualizado em 2026-11-15).

# Frequency e presence penalty

Atualizado em 2026-11-15

Frequency e presence penalty são configurações de amostragem que reduzem a pontuação de tokens que já estão na saída. A presence penalty se aplica assim que o token aparece; a frequency penalty cresce a cada repetição. Na API da OpenAI, ambas vão de -2.0 a 2.0, com padrão 0.

Também chamado de: penalidade de frequência, penalidade de presença, penalidade de repetição, frequency penalty, presence penalty, frequency\_penalty, presence\_penalty, repetition penalty

Um modelo preso em loop repete a mesma frase até acabarem os tokens. As penalidades são uma correção grosseira aplicada no momento da amostragem.

## Como funciona

Antes de sortear cada próximo [token](https://broadrouter.com/pt/glossary/token/), o servidor ajusta as pontuações dos tokens já gerados.

| Configuração | O que penaliza, segundo a documentação do vLLM | Intervalo e padrão |
| --- | --- | --- |
| `presence_penalty` | Tokens “based on whether they appear in the generated text so far” (conforme apareçam no texto gerado até ali) | OpenAI: de -2.0 a 2.0, padrão 0 |
| `frequency_penalty` | Tokens “based on their frequency in the generated text so far” (conforme sua frequência no texto gerado até ali) | OpenAI: de -2.0 a 2.0, padrão 0 |
| `repetition_penalty` | Tokens “based on whether they appear in the prompt and the generated text so far” (conforme apareçam no prompt e no texto gerado até ali) | vLLM e Hugging Face: 1.0 significa nenhuma penalidade |

Valores positivos afastam o modelo dos tokens já usados; valores negativos tornam as repetições mais prováveis. A OpenAI diz que uma frequency penalty positiva reduz “the model’s likelihood to repeat the same line verbatim” (a chance de o modelo repetir a mesma linha literalmente), e que uma presence penalty positiva aumenta “the model’s likelihood to talk about new topics” (a chance de o modelo falar de assuntos novos). Para o `repetition_penalty`, o vLLM diz que valores acima de 1 favorecem tokens novos e valores abaixo de 1 favorecem a repetição. A documentação do Hugging Face aponta o artigo do CTRL para essa penalidade.

```json
{"model": "...", "messages": [...], "frequency_penalty": 0.5, "presence_penalty": 0.3}
```

## Por que isso importa

-   **Loops em saídas longas.** Agentes e resumos longos podem cair em texto repetitivo. Uma penalidade pequena pode quebrar o loop, e um limite rígido de [max\_tokens](https://broadrouter.com/pt/glossary/max-tokens/) contém o estrago.
-   **Efeitos colaterais.** As penalidades agem sobre tokens, não sobre ideias. Uma penalidade forte pode impedir o modelo de reutilizar palavras de que precisa, como o nome de uma variável no código, uma chave JSON ou um nome em um texto em árabe que se repete de propósito. Comece em 0 e mude aos poucos.
-   **Sobreposição com a amostragem.** A [temperatura](https://broadrouter.com/pt/glossary/temperature/) e o [top-p](https://broadrouter.com/pt/glossary/top-p/) também mudam a variedade. Nos testes, mude uma configuração de cada vez.

## Na BroadNet Inference

A [referência da API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-frequency-and-presence-penalty&utm_content=body) da BroadNet não documenta `frequency_penalty`, `presence_penalty` nem `repetition_penalty`. Teste antes de depender deles: envie um prompt que costuma repetir, com e sem o campo, e compare. Se aparecer repetição em execuções longas, tente um prompt mais claro, um limite de saída menor, ou pare a execução e retome de um checkpoint; o [post sobre execuções noturnas de agentes](https://broadrouter.com/pt/blog/overnight-coding-agent-runs/) cobre esse padrão.

## Erros comuns

-   Colocar penalidades altas para resolver um problema de prompt. Repetição muitas vezes significa que o modelo não tem um ponto de parada claro.
-   Usar penalidade em saída estruturada, em que as chaves precisam se repetir.

## Perguntas frequentes

### Qual é a diferença entre frequency penalty e presence penalty?

A presence penalty pergunta "esse token já apareceu?" e se aplica uma vez. A frequency penalty pergunta "quantas vezes?" e cresce a cada repetição. O vLLM as descreve como penalidades sobre tokens conforme eles aparecem e conforme sua frequência no texto gerado até ali.

### O repetition\_penalty é a mesma coisa?

Não. É um multiplicador separado, usado pelo vLLM e pelo Hugging Face, em que 1.0 significa nenhuma penalidade. O vLLM o aplica aos tokens do prompt e da saída, não só aos da saída.

### A BroadNet Inference suporta essas penalidades?

A referência da API da BroadNet não documenta frequency\_penalty, presence\_penalty nem repetition\_penalty. Teste antes de depender deles.

## Veja também

-   [Temperatura (temperature)](https://broadrouter.com/pt/glossary/temperature/) (termo)
-   [Top-p (nucleus sampling)](https://broadrouter.com/pt/glossary/top-p/) (termo)
-   [Token](https://broadrouter.com/pt/glossary/token/) (termo)
-   [Logprobs (log-probabilidades)](https://broadrouter.com/pt/glossary/logprobs/) (termo)
-   [Parâmetro seed](https://broadrouter.com/pt/glossary/seed-parameter/) (termo)
-   [Como rodar agentes de código à noite sem supervisão, com segurança](https://broadrouter.com/pt/blog/overnight-coding-agent-runs/) (artigo)
-   [Orçamento de tokens de agentes: para onde vão os tokens de um loop](https://broadrouter.com/pt/blog/agent-token-budget/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-frequency-and-presence-penalty&utm_content=page-cta) ·

**Fontes**

-   [Referência da API da OpenAI, criar chat completion (frequency\_penalty, presence\_penalty) (conferido em 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Documentação do vLLM, SamplingParams (penalidades de presença, frequência e repetição) (conferido em 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
-   [Keskar et al., CTRL: A Conditional Transformer Language Model for Controllable Generation, arXiv 1909.05858 (conferido em 2026-11-15)](https://arxiv.org/abs/1909.05858)
-   [Hugging Face Transformers, GenerationConfig (repetition\_penalty) (conferido em 2026-11-15)](https://huggingface.co/docs/transformers/main_classes/text_generation)
