---
title: "O que é temperatura em um LLM? Aleatoriedade explicada"
description: "Temperatura é o parâmetro de amostragem que controla quão aleatória é a resposta de um LLM. Como ela muda as probabilidades, que valores usar e por que 0 não basta."
url: https://broadrouter.com/pt/glossary/temperature/
lang: pt-BR
updated: 2026-11-14
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/temperature/) (atualizado em 2026-11-14).

# Temperatura (temperature)

Atualizado em 2026-11-14

Temperatura é um parâmetro de amostragem que controla quão aleatória é a saída de um modelo de linguagem. O modelo divide as pontuações dos tokens pela temperatura antes de transformá-las em probabilidades: valores baixos fazem o token mais provável dominar; valores altos achatam a distribuição, e tokens menos prováveis são escolhidos com mais frequência.

Também chamado de: temperatura, temperatura do LLM, temperatura de amostragem, parâmetro temperature, temperature, sampling temperature, LLM temperature, temperature parameter

A temperatura é o botão entre “sempre a mesma resposta” e “uma resposta diferente a cada vez”.

## Como funciona

Um modelo produz uma pontuação (um logit) para cada [token](https://broadrouter.com/pt/glossary/token/) que ele poderia escrever em seguida. Uma softmax transforma as pontuações em probabilidades. Antes disso, a temperatura divide cada pontuação. Hinton e colegas escrevem a softmax com esse T e observam que “using a higher value for T produces a softer probability distribution over classes” (tradução: usar um valor mais alto de T produz uma distribuição de probabilidade mais suave entre as classes).

-   **T abaixo de 1** deixa a distribuição mais concentrada. O token do topo vence com mais frequência.
-   **T = 1** mantém as probabilidades do modelo como saíram do treinamento.
-   **T acima de 1** achata as probabilidades. Tokens raros são escolhidos mais vezes.
-   **T perto de 0** se aproxima do greedy decoding: sempre pegar o token mais provável.

A API da OpenAI aceita valores “between 0 and 2” (tradução: entre 0 e 2), com padrão 1. A referência diz que 0,8 deixa a saída “more random” (mais aleatória) e 0,2 “more focused and deterministic” (mais focada e determinística). Ela também recomenda “altering this or `top_p` but not both” (tradução: alterar este ou `top_p`, mas não os dois), porque [top-p](https://broadrouter.com/pt/glossary/top-p/) é uma segunda forma de reduzir a aleatoriedade.

Modelos abertos costumam vir com seus próprios padrões. O Hugging Face Transformers lê a temperatura do `generation_config.json` do modelo e usa 1.0 se ela não estiver lá. Uma stack de serving pode usar qualquer um dos dois valores.

## Por que isso importa

-   **Repetibilidade.** Extração, roteamento e [saída estruturada](https://broadrouter.com/pt/glossary/structured-output/) precisam de respostas estáveis. Uma temperatura mais baixa reduz a variação entre execuções.
-   **Qualidade.** Alta demais, o modelo começa a escolher palavras estranhas ou inventar detalhes, o que alimenta a [alucinação](https://broadrouter.com/pt/glossary/hallucination/). Baixa demais, textos longos podem entrar em loop: o Hugging Face observa que o greedy decoding “begins to repeat itself” (tradução: começa a se repetir) em sequências mais longas.
-   **Avaliação.** Ao comparar modelos, fixe a temperatura. Caso contrário, você está medindo ruído de amostragem. Olhar os [logprobs](https://broadrouter.com/pt/glossary/logprobs/) mostra quanta margem o modelo tinha.

A temperatura não muda o preço nem a velocidade. Um token custa o mesmo em qualquer configuração.

## Na BroadNet Inference

A [referência da API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-temperature&utm_content=body) da BroadNet não documenta `temperature`, a faixa permitida nem o padrão para nenhum modelo. Os exemplos de requisição não definem esse campo. Como a API é compatível com a OpenAI, os SDKs vão enviar o campo, mas não está dito se cada modelo o respeita. Defina o valor explicitamente e rode o mesmo prompt várias vezes para ver a variação. O [guia do SDK Python da OpenAI](https://broadrouter.com/pt/guides/openai-python-sdk/) mostra como configurar o client.

## Erros comuns

-   Usar temperatura 0 e presumir que a saída será idêntica para sempre. Guarde as respostas que você precisa reproduzir.
-   Aumentar a temperatura para corrigir uma resposta errada. Um prompt melhor ou mais contexto corrige a precisão; a temperatura só muda a variedade.

## Perguntas frequentes

### Que temperatura devo usar?

Valores baixos, de 0 a 0,3, para extração, classificação e código, quando você quer a mesma resposta toda vez. Valores mais altos, de 0,7 a 1, para brainstorming e textos mais variados. Teste as duas faixas nos seus próprios prompts.

### Temperatura 0 deixa a saída determinística?

Não há garantia. Ela empurra o modelo para o token mais provável toda vez, mas em geral os provedores não prometem saídas idênticas entre execuções. Guarde qualquer resposta que você precise reproduzir.

### Qual é a temperatura padrão da BroadNet?

A documentação da BroadNet não informa uma temperatura padrão para nenhum modelo. Defina o valor explicitamente em cada requisição se a sua saída depender dele.

## Veja também

-   [Top-p (nucleus sampling)](https://broadrouter.com/pt/glossary/top-p/) (termo)
-   [Logprobs (log-probabilidades)](https://broadrouter.com/pt/glossary/logprobs/) (termo)
-   [Token](https://broadrouter.com/pt/glossary/token/) (termo)
-   [Alucinação (hallucination)](https://broadrouter.com/pt/glossary/hallucination/) (termo)
-   [Saída estruturada (structured output)](https://broadrouter.com/pt/glossary/structured-output/) (termo)
-   [Parâmetro seed](https://broadrouter.com/pt/glossary/seed-parameter/) (termo)
-   [Frequency e presence penalty](https://broadrouter.com/pt/glossary/frequency-and-presence-penalty/) (termo)
-   [Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/) (guia)
-   [Como usar o LangChain com a BroadNet Inference](https://broadrouter.com/pt/guides/langchain-openai-base-url/) (guia)
-   [Como avaliar um LLM antes de trocar de provedor](https://broadrouter.com/pt/blog/evaluate-llm-before-switching/) (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-temperature&utm_content=page-cta) ·

**Fontes**

-   [Referência da API da OpenAI, criar chat completion (temperature)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Hugging Face Transformers, GenerationConfig (temperature, valores padrão)](https://huggingface.co/docs/transformers/main/en/main_classes/text_generation)
-   [Hugging Face Transformers, estratégias de geração (greedy search e amostragem)](https://huggingface.co/docs/transformers/main/en/generation_strategies)
-   [Hinton, Vinyals e Dean (2015), Distilling the Knowledge in a Neural Network (temperatura da softmax)](https://arxiv.org/abs/1503.02531)
