---
title: "Что такое frequency penalty и presence penalty в LLM?"
description: "Штрафы за частоту и присутствие снижают шансы токенов, которые модель уже использовала, чтобы уменьшить повторы. Чем они отличаются, диапазоны и repetition_penalty."
url: https://broadrouter.com/ru/glossary/frequency-and-presence-penalty/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/glossary/frequency-and-presence-penalty/) (обновлён 2026-11-15).

# Штрафы за частоту и присутствие (frequency/presence penalty)

Обновлено 2026-11-15

Штрафы за частоту и присутствие — это параметры сэмплирования, которые снижают оценку токенов, уже встречавшихся в выводе. Штраф за присутствие применяется, как только токен появился хотя бы раз; штраф за частоту растёт с каждым повтором. В API OpenAI оба принимают значения от -2.0 до 2.0, по умолчанию 0.

Также называют: штраф за частоту, штраф за присутствие, штраф за повторы, frequency penalty, presence penalty, frequency\_penalty, presence\_penalty, repetition penalty

Модель, попавшая в цикл, повторяет одну и ту же фразу, пока не закончатся токены. Штрафы — грубое средство, которое применяется на этапе сэмплирования.

## Как это работает

Прежде чем выбрать каждый следующий [токен](https://broadrouter.com/ru/glossary/token/), сервер корректирует оценки уже сгенерированных токенов.

| Параметр | Что штрафует, по документации vLLM | Диапазон и значение по умолчанию |
| --- | --- | --- |
| `presence_penalty` | Токены “based on whether they appear in the generated text so far” (перевод: «в зависимости от того, встречаются ли они в уже сгенерированном тексте») | OpenAI: от -2.0 до 2.0, по умолчанию 0 |
| `frequency_penalty` | Токены “based on their frequency in the generated text so far” (перевод: «в зависимости от их частоты в уже сгенерированном тексте») | OpenAI: от -2.0 до 2.0, по умолчанию 0 |
| `repetition_penalty` | Токены “based on whether they appear in the prompt and the generated text so far” (перевод: «в зависимости от того, встречаются ли они в промпте и в уже сгенерированном тексте») | vLLM и Hugging Face: 1.0 означает отсутствие штрафа |

Положительные значения отталкивают от уже использованных токенов; отрицательные делают повторы вероятнее. По словам OpenAI, положительный штраф за частоту снижает “the model’s likelihood to repeat the same line verbatim” (перевод: «вероятность того, что модель дословно повторит ту же строку»), а положительный штраф за присутствие повышает “the model’s likelihood to talk about new topics” (перевод: «вероятность того, что модель заговорит о новых темах»). Для `repetition_penalty` vLLM указывает, что значения больше 1 поощряют новые токены, а меньше 1 — повторы. Документация Hugging Face ссылается для этого штрафа на статью о CTRL.

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

## Почему это важно

-   **Циклы в длинных ответах.** Агенты и длинные пересказы могут скатиться в повторяющийся текст. Небольшой штраф может разорвать цикл, а жёсткий лимит [max\_tokens](https://broadrouter.com/ru/glossary/max-tokens/) ограничит ущерб.
-   **Побочные эффекты.** Штрафы действуют на токены, а не на идеи. Сильный штраф может помешать модели повторить нужные ей слова: имя переменной в коде, ключ JSON или имя в арабском тексте, которое повторяется намеренно. Начинайте с 0 и меняйте маленькими шагами.
-   **Пересечение с сэмплированием.** [Температура](https://broadrouter.com/ru/glossary/temperature/) и [top-p](https://broadrouter.com/ru/glossary/top-p/) тоже меняют разнообразие. При тестировании меняйте по одному параметру.

## В BroadNet Inference

[Справочник API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-frequency-and-presence-penalty&utm_content=body) BroadNet не описывает `frequency_penalty`, `presence_penalty` и `repetition_penalty`. Проверьте их, прежде чем на них полагаться: отправьте промпт, склонный к повторам, с этим полем и без него и сравните. Если повторы появляются в долгих запусках, попробуйте более ясный промпт, меньший лимит вывода или остановку запуска с продолжением с контрольной точки; этот подход разобран в [статье о ночных запусках агентов](https://broadrouter.com/ru/blog/overnight-coding-agent-runs/).

## Частые ошибки

-   Ставить высокие штрафы, чтобы исправить проблему промпта. Повторы часто означают, что у модели нет ясной точки остановки.
-   Применять штраф к структурированному выводу, где ключи обязаны повторяться.

## Вопросы и ответы

### Чем frequency penalty отличается от presence penalty?

Штраф за присутствие спрашивает «появлялся ли этот токен?» и применяется один раз. Штраф за частоту спрашивает «как часто?» и растёт с каждым повтором. vLLM описывает их как штрафы для токенов в зависимости от того, встречаются ли они в уже сгенерированном тексте и насколько часто.

### repetition\_penalty — это то же самое?

Нет. Это отдельный множитель в vLLM и Hugging Face, где 1.0 означает отсутствие штрафа. vLLM применяет его к токенам и промпта, и вывода, а не только вывода.

### Поддерживает ли BroadNet Inference эти штрафы?

Справочник API BroadNet не описывает frequency\_penalty, presence\_penalty и repetition\_penalty. Проверьте их, прежде чем на них полагаться.

## См. также

-   [Температура (temperature)](https://broadrouter.com/ru/glossary/temperature/) (термин)
-   [Top-p (ядерное сэмплирование, nucleus sampling)](https://broadrouter.com/ru/glossary/top-p/) (термин)
-   [Токен (token)](https://broadrouter.com/ru/glossary/token/) (термин)
-   [Logprobs (логарифмы вероятностей токенов)](https://broadrouter.com/ru/glossary/logprobs/) (термин)
-   [Параметр seed (сид)](https://broadrouter.com/ru/glossary/seed-parameter/) (термин)
-   [Как безопасно запускать агентов для программирования на ночь](https://broadrouter.com/ru/blog/overnight-coding-agent-runs/) (статья)
-   [Бюджет токенов агента: куда уходят токены в цикле агента](https://broadrouter.com/ru/blog/agent-token-budget/) (статья)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Справочник OpenAI API, создание chat completion (frequency\_penalty, presence\_penalty) (проверено 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Документация vLLM, SamplingParams (штрафы presence, frequency и repetition) (проверено 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
-   [Keskar и др., CTRL: A Conditional Transformer Language Model for Controllable Generation, arXiv 1909.05858 (проверено 2026-11-15)](https://arxiv.org/abs/1909.05858)
-   [Hugging Face Transformers, GenerationConfig (repetition\_penalty) (проверено 2026-11-15)](https://huggingface.co/docs/transformers/main_classes/text_generation)
