---
title: "Seed parametresi nedir? Tekrarlanabilir LLM çıktıları"
description: "Seed parametresi, LLM API'sinden tekrarlanan isteklerde aynı şekilde örnekleme ister. seed ve system_fingerprint nasıl çalışır, determinizm neden garanti değil?"
url: https://broadrouter.com/tr/glossary/seed-parameter/
lang: tr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/glossary/seed-parameter/) (güncelleme: 2026-11-15).

# Seed parametresi (rastgelelik tohumu)

Güncellendi 2026-11-15

Seed parametresi, aynı istek tekrarlandığında API'nin aynı token'ları örneklemeye çalışması için istekle gönderdiğiniz bir tam sayıdır. OpenAI bunu en iyi çaba (best effort) olarak tanımlar: determinizm garanti edilmez ve system\_fingerprint alanı arka uç yapılandırmasının ne zaman değiştiğini gösterir.

Diğer adları: seed, rastgelelik tohumu, tohum değeri, tekrarlanabilir çıktı, deterministik çıktı, random seed, reproducible outputs, deterministic outputs, system\_fingerprint

Örnekleme bilerek rastgeledir. Seed bu rastgeleliği sabitler; böylece yeniden çalıştırmanın ilk çalıştırmayla eşleşme şansı olur.

## Nasıl çalışır

[Sıcaklık](https://broadrouter.com/tr/glossary/temperature/) sıfırın üzerindeyken sunucu, sonraki her token’ı modelin dağılımından rastgele çeker. Bu çekilişleri bir rastgele sayı üreteci yönetir. Üretecin başlangıç değerini, yani seed’i sabitlerseniz aynı istek aynı çekilişleri yapmalıdır.

OpenAI’nin referansı `seed` alanını Beta olarak işaretler. Cookbook “our system will make a best effort to sample deterministically” (çeviri: sistemimiz deterministik örnekleme yapmak için elinden geleni yapar) der. Eşleşen çıktılar için istekler arasında şunların aynı kalmasını söyler:

-   `seed` tam sayısı,
-   istem ve mesajlar,
-   `temperature`, [top\_p](https://broadrouter.com/tr/glossary/top-p/) ve `max_tokens`.

Yanıt, OpenAI’ye göre “represents the backend configuration that the model runs with” (çeviri: modelin çalıştığı arka uç yapılandırmasını temsil eden) `system_fingerprint` alanını içerir. Bu değer iki çalıştırma arasında değişirse, aynı seed ile bile farklı çıktılar bekleyin.

```python
r = client.chat.completions.create(
    model=MODEL, seed=42, temperature=0.7,
    messages=[{"role": "user", "content": "Name a colour."}],
)
print(r.choices[0].message.content, r.system_fingerprint)
```

Açık model sunucularında da aynı ayar vardır. vLLM’in `SamplingParams` sınıfında varsayılanı boş (none) olan ve “Random seed to use for the generation” (çeviri: üretim için kullanılacak rastgele seed) diye tanımlanan bir `seed` bulunur.

## Neden önemli

-   **Değerlendirmeler.** Bir [değerlendirmede (eval)](https://broadrouter.com/tr/glossary/eval/) istemleri veya modelleri karşılaştırırken sabit bir seed, çalıştırmalar arasındaki gürültüyü azaltır. Yine de birkaç örnek çalıştırın; en iyi çaba bir garanti değildir.
-   **Hata ayıklama.** Seed’li bir istek, tuhaf bir yanıtı yeniden üretmeyi kolaylaştırır.
-   **Önbellekleme.** Yanıtları önbelleğe alıyorsanız, [yanıt önbellekleme yazısında](https://broadrouter.com/tr/blog/cache-llm-responses-cut-cost/) olduğu gibi seed’i önbellek anahtarına ekleyin.

## BroadNet Inference’ta

BroadNet’in [API referansı](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-seed-parameter&utm_content=body) `seed` veya `system_fingerprint` alanlarını belgelemez. Güvenmeden önce test edin: aynı seed’li isteği beş kez gönderin ve çıktıları karşılaştırın. Farklıysalar sıcaklığı düşürün, ihtiyacınız olan çıktıları saklayın ve tek bir örnek yerine birkaç örnek üzerinde değerlendirme yapın. [Geçiş rehberi](https://broadrouter.com/tr/blog/migrate-from-openai-api-code-walkthrough/), seed’i test edilmesi veya kaldırılması gereken OpenAI alanları arasında listeler.

## Sık yapılan hatalar

-   Seed’i bayt bayt aynı çıktının vaadi olarak görmek.
-   Çalıştırmalar arasında max\_tokens’ı veya sistem istemini değiştirip farkın suçunu seed’e atmak.

## Sık sorulan sorular

### Aynı seed her zaman aynı yanıtı verir mi?

Hayır. OpenAI "Determinism is not guaranteed" (çeviri: determinizm garanti edilmez) der ve parametreler ile system\_fingerprint eşleşse bile "a small chance that responses differ" (çeviri: yanıtların farklı olma ihtimalinin küçük de olsa bulunduğunu) belirtir.

### Temperature 0, seed ayarlamakla aynı şey mi?

Tam olarak değil. Düşük sıcaklık en üstteki token'ı çok olası kılar; seed ise rastgele çekilişleri sabitler. Birçok ekip ikisini birlikte kullanır, ancak hiçbiri tek başına aynı çıktıyı garanti etmez.

### BroadNet Inference seed parametresini destekliyor mu?

BroadNet'in API referansı seed veya system\_fingerprint alanlarını belgelemez. Güvenmeden önce aynı seed'li isteği birkaç kez gönderin ve sonuçları karşılaştırın.

## Ayrıca bakın

-   [Sıcaklık (temperature)](https://broadrouter.com/tr/glossary/temperature/) (terim)
-   [Top-p (nucleus sampling, çekirdek örnekleme)](https://broadrouter.com/tr/glossary/top-p/) (terim)
-   [Eval (LLM değerlendirmesi)](https://broadrouter.com/tr/glossary/eval/) (terim)
-   [Logprobs (log olasılıkları)](https://broadrouter.com/tr/glossary/logprobs/) (terim)
-   [Chat Completions API](https://broadrouter.com/tr/glossary/chat-completions-api/) (terim)
-   [Frekans ve varlık cezası (frequency/presence penalty)](https://broadrouter.com/tr/glossary/frequency-and-presence-penalty/) (terim)
-   [LLM benchmark (kıyaslama testi)](https://broadrouter.com/tr/glossary/llm-benchmark/) (terim)
-   [LLM API yanıtlarını önbelleğe alıp maliyeti düşürün: Python örneği](https://broadrouter.com/tr/blog/cache-llm-responses-cut-cost/) (yazı)
-   [Sağlayıcı değiştirmeden önce bir LLM nasıl değerlendirilir?](https://broadrouter.com/tr/blog/evaluate-llm-before-switching/) (yazı)
-   [OpenAI API'den geçiş: Python, Node ve cURL ile adım adım kod](https://broadrouter.com/tr/blog/migrate-from-openai-api-code-walkthrough/) (yazı)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-seed-parameter&utm_content=page-cta) ·

**Kaynaklar**

-   [OpenAI API referansı, chat completion oluşturma (seed, system\_fingerprint) (2026-11-15 tarihinde kontrol edildi)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook, seed parametresiyle tekrarlanabilir çıktılar (2026-11-15 tarihinde kontrol edildi)](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [vLLM belgeleri, SamplingParams (seed) (2026-11-15 tarihinde kontrol edildi)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
