---
title: "Что такое температура в LLM? Случайность ответа модели"
description: "Температура — параметр сэмплирования, задающий случайность ответа LLM. Как она меняет вероятности токенов, какие значения брать и почему 0 не гарантия."
url: https://broadrouter.com/ru/glossary/temperature/
lang: ru
updated: 2026-11-14
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/temperature/) (обновлён 2026-11-14).

# Температура (temperature)

Обновлено 2026-11-14

Температура — это параметр сэмплирования, который определяет, насколько случайным будет ответ языковой модели. Модель делит оценки токенов на температуру, прежде чем превратить их в вероятности: при низких значениях доминирует самый вероятный токен, при высоких распределение выравнивается и менее вероятные токены выбираются чаще.

Также называют: температура модели, температура LLM, параметр temperature, температура сэмплирования, temperature, sampling temperature, LLM temperature, temperature parameter

Температура — это регулятор между «всегда один и тот же ответ» и «каждый раз новый ответ».

## Как это работает

Для каждого [токена](https://broadrouter.com/ru/glossary/token/), который может идти следующим, модель выдаёт оценку (логит). Softmax превращает оценки в вероятности, но сначала каждая оценка делится на температуру. Hinton с соавторами записывают softmax с этим T и отмечают: “using a higher value for T produces a softer probability distribution over classes” (перевод: «более высокое значение T даёт более мягкое распределение вероятностей по классам»).

-   **T ниже 1** делает распределение острее. Самый вероятный токен выигрывает чаще.
-   **T = 1** оставляет вероятности такими, какими их выучила модель.
-   **T выше 1** выравнивает их. Редкие токены выбираются чаще.
-   **T около 0** приближается к жадному декодированию: всегда берётся самый вероятный токен.

API OpenAI принимает значения “between 0 and 2” (перевод: «от 0 до 2»), по умолчанию 1. В справочнике сказано, что 0,8 делает вывод “more random” (перевод: «более случайным»), а 0,2 — “more focused and deterministic” (перевод: «более сфокусированным и детерминированным»). Там же рекомендуется “altering this or `top_p` but not both” (перевод: «менять либо этот параметр, либо `top_p`, но не оба»), потому что [top-p](https://broadrouter.com/ru/glossary/top-p/) — второй способ ограничить случайность.

У открытых моделей часто свои значения по умолчанию. Hugging Face Transformers берёт температуру из `generation_config.json` модели, а если её там нет, использует 1.0. Сервер инференса может применять любое из этих значений.

## Почему это важно

-   **Воспроизводимость.** Извлечению данных, маршрутизации и [структурированному выводу](https://broadrouter.com/ru/glossary/structured-output/) нужны стабильные ответы. Низкая температура уменьшает разброс между запусками.
-   **Качество.** При слишком высокой температуре модель уходит в странные формулировки или выдуманные детали, а это подпитывает [галлюцинации](https://broadrouter.com/ru/glossary/hallucination/). При слишком низкой длинный текст может зациклиться: Hugging Face отмечает, что жадное декодирование на длинных последовательностях “begins to repeat itself” (перевод: «начинает повторяться»).
-   **Оценка моделей.** Сравнивая модели, фиксируйте температуру. Иначе вы измеряете шум сэмплирования. По [logprobs](https://broadrouter.com/ru/glossary/logprobs/) видно, насколько широк был выбор у модели.

Температура не влияет на цену и скорость. Токен стоит одинаково при любом значении.

## В BroadNet Inference

[Справочник API](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-temperature&utm_content=body) BroadNet не описывает `temperature`, допустимый диапазон и значение по умолчанию ни для одной модели. В примерах запросов она не задаётся. API совместим с OpenAI, поэтому SDK будут передавать это поле, но учитывает ли его каждая модель, не сказано. Задавайте температуру явно и прогоните один и тот же промпт несколько раз, чтобы увидеть разброс. Настройка клиента показана в [руководстве по OpenAI Python SDK](https://broadrouter.com/ru/guides/openai-python-sdk/).

## Частые ошибки

-   Ставить температуру 0 и считать, что ответ всегда будет одинаковым. Сохраняйте ответы, которые нужно воспроизвести.
-   Повышать температуру, чтобы исправить неверный ответ. Точность улучшает более удачный промпт или дополнительный контекст; температура меняет только разнообразие.

## Вопросы и ответы

### Какую температуру выбрать?

Низкие значения, от 0 до 0,3, — для извлечения данных, классификации и кода, где нужен один и тот же ответ каждый раз. Более высокие, от 0,7 до 1, — для мозгового штурма и разнообразных формулировок. Проверьте оба варианта на своих промптах.

### Делает ли температура 0 ответ детерминированным?

Не гарантированно. Она подталкивает модель каждый раз выбирать самый вероятный токен, но провайдеры, как правило, не обещают одинакового ответа при повторных запусках. Сохраняйте ответы, которые нужно воспроизвести.

### Какая температура по умолчанию в BroadNet?

Документация BroadNet не указывает температуру по умолчанию ни для одной модели. Задавайте её явно в каждом запросе, если от неё зависит результат.

## См. также

-   [Top-p (ядерное сэмплирование, nucleus sampling)](https://broadrouter.com/ru/glossary/top-p/) (термин)
-   [Logprobs (логарифмы вероятностей токенов)](https://broadrouter.com/ru/glossary/logprobs/) (термин)
-   [Токен (token)](https://broadrouter.com/ru/glossary/token/) (термин)
-   [Галлюцинация (hallucination)](https://broadrouter.com/ru/glossary/hallucination/) (термин)
-   [Структурированный вывод (structured output)](https://broadrouter.com/ru/glossary/structured-output/) (термин)
-   [Параметр seed (сид)](https://broadrouter.com/ru/glossary/seed-parameter/) (термин)
-   [Штрафы за частоту и присутствие (frequency/presence penalty)](https://broadrouter.com/ru/glossary/frequency-and-presence-penalty/) (термин)
-   [OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/) (руководство)
-   [LangChain и BroadNet Inference](https://broadrouter.com/ru/guides/langchain-openai-base-url/) (руководство)
-   [Как оценить LLM перед сменой провайдера](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/) (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-temperature&utm_content=page-cta) ·

**Источники**

-   [Справочник OpenAI API, создание chat completion (temperature)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Hugging Face Transformers, GenerationConfig (temperature, значения по умолчанию)](https://huggingface.co/docs/transformers/main/en/main_classes/text_generation)
-   [Hugging Face Transformers, стратегии генерации (жадный поиск и сэмплирование)](https://huggingface.co/docs/transformers/main/en/generation_strategies)
-   [Hinton, Vinyals и Dean (2015), Distilling the Knowledge in a Neural Network (температура в softmax)](https://arxiv.org/abs/1503.02531)
