---
title: "LLM'de temperature (sıcaklık) nedir? Rastgelelik ayarı"
description: "Temperature (sıcaklık), LLM yanıtının ne kadar rastgele olacağını belirleyen ayardır. Olasılıklara etkisi, uygun değerler ve 0'ın neden tam sabit olmadığı."
url: https://broadrouter.com/tr/glossary/temperature/
lang: tr
updated: 2026-11-14
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/temperature/) (güncelleme: 2026-11-14).

# Sıcaklık (temperature)

Güncellendi 2026-11-14

Sıcaklık (temperature), bir dil modelinin çıktısının ne kadar rastgele olacağını belirleyen bir örnekleme parametresidir. Model, token puanlarını olasılığa çevirmeden önce sıcaklığa böler: düşük değerlerde en olası token baskın çıkar, yüksek değerler dağılımı düzleştirir ve daha az olası token'lar daha sık seçilir.

Diğer adları: sıcaklık, sıcaklık parametresi, LLM sıcaklığı, örnekleme sıcaklığı, temperature, sampling temperature, LLM temperature, temperature parameter

Sıcaklık, “her seferinde aynı yanıt” ile “her seferinde farklı bir yanıt” arasındaki ayar düğmesidir.

## Nasıl çalışır

Model, sırada yazabileceği her [token](https://broadrouter.com/tr/glossary/token/) için bir puan (logit) üretir. Softmax bu puanları olasılıklara çevirir. Sıcaklık önce her puanı böler. Hinton ve meslektaşları softmax’ı bu T ile yazar ve “using a higher value for T produces a softer probability distribution over classes” (çeviri: T için daha yüksek bir değer kullanmak, sınıflar üzerinde daha yumuşak bir olasılık dağılımı üretir) diye not eder.

-   **T 1’in altında** dağılımı keskinleştirir. En üstteki token daha sık kazanır.
-   **T = 1** modelin olasılıklarını eğitildiği gibi bırakır.
-   **T 1’in üstünde** dağılımı düzleştirir. Nadir token’lar daha sık seçilir.
-   **T 0’a yakın** açgözlü kod çözmeye (greedy decoding) yaklaşır: her zaman en olası token alınır.

OpenAI’nin API’si “between 0 and 2” (çeviri: 0 ile 2 arasında) değerleri kabul eder ve varsayılan 1’dir. Referansına göre 0,8 çıktıyı “more random” (çeviri: daha rastgele), 0,2 ise “more focused and deterministic” (çeviri: daha odaklı ve deterministik) yapar. Ayrıca “altering this or `top_p` but not both” (çeviri: bunu ya da `top_p` değerini değiştirin, ikisini birden değil) önerir; çünkü [top-p](https://broadrouter.com/tr/glossary/top-p/) rastgeleliği azaltmanın ikinci bir yoludur.

Açık modeller çoğu zaman kendi varsayılanlarıyla gelir. Hugging Face Transformers sıcaklığı modelin `generation_config.json` dosyasından okur, dosyada yoksa 1.0’a döner. Bir sunum altyapısı bu iki değerden birini kullanabilir.

## Neden önemli

-   **Tekrarlanabilirlik.** Çıkarma, yönlendirme ve [yapılandırılmış çıktı](https://broadrouter.com/tr/glossary/structured-output/) kararlı yanıtlar ister. Düşük sıcaklık, çalıştırmalar arasındaki farkı azaltır.
-   **Kalite.** Çok yüksekse model tuhaf kelime seçimlerine veya uydurma ayrıntılara kayar; bu da [halüsinasyonu](https://broadrouter.com/tr/glossary/hallucination/) besler. Çok düşükse uzun metin döngüye girebilir: Hugging Face, açgözlü kod çözmenin uzun dizilerde “begins to repeat itself” (çeviri: kendini tekrar etmeye başladığını) belirtir.
-   **Değerlendirme.** Modelleri karşılaştırırken sıcaklığı sabitleyin. Aksi halde örnekleme gürültüsünü ölçersiniz. [Logprobs](https://broadrouter.com/tr/glossary/logprobs/) değerlerini izlemek, modelin ne kadar seçenek alanı olduğunu gösterir.

Sıcaklık fiyatı veya hızı değiştirmez. Bir token her ayarda aynı tutardır.

## BroadNet Inference’ta

BroadNet’in [API referansı](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-temperature&utm_content=body) hiçbir model için `temperature` alanını, izin verilen aralığı veya varsayılanını belgelemez. İstek örnekleri bu alanı ayarlamaz. API OpenAI uyumlu olduğu için SDK’lar alanı gönderir, ancak her modelin buna uyup uymadığı belirtilmemiştir. Değeri açıkça ayarlayın ve dağılımı görmek için aynı istemi birkaç kez çalıştırın. İstemci kurulumunu [OpenAI Python SDK rehberi](https://broadrouter.com/tr/guides/openai-python-sdk/) gösterir.

## Sık yapılan hatalar

-   Sıcaklığı 0 yapıp çıktının sonsuza dek aynı kalacağını varsaymak. Yeniden üretmeniz gereken yanıtları saklayın.
-   Yanlış bir yanıtı düzeltmek için sıcaklığı yükseltmek. Doğruluğu daha iyi bir istem ya da daha fazla bağlam düzeltir; sıcaklık yalnızca çeşitliliği değiştirir.

## Sık sorulan sorular

### Hangi sıcaklık değerini kullanmalıyım?

Her seferinde aynı yanıtı istediğiniz çıkarma, sınıflandırma ve kod işlerinde 0 ile 0,3 gibi düşük değerler. Beyin fırtınası ve farklı ifadeler için 0,7 ile 1 gibi daha yüksek değerler. İkisini de kendi istemlerinizle test edin.

### Temperature 0 çıktıyı deterministik yapar mı?

Garantisi yok. Modeli her seferinde en üstteki token'a yöneltir, ancak sağlayıcılar genel olarak çalıştırmalar arasında aynı çıktıyı vaat etmez. Yeniden üretmeniz gereken her yanıtı saklayın.

### BroadNet'in varsayılan sıcaklığı nedir?

BroadNet'in belgeleri hiçbir model için varsayılan sıcaklık belirtmez. Çıktınız buna bağlıysa değeri her istekte açıkça ayarlayın.

## Ayrıca bakın

-   [Top-p (nucleus sampling, çekirdek örnekleme)](https://broadrouter.com/tr/glossary/top-p/) (terim)
-   [Logprobs (log olasılıkları)](https://broadrouter.com/tr/glossary/logprobs/) (terim)
-   [Token](https://broadrouter.com/tr/glossary/token/) (terim)
-   [Halüsinasyon (yapay zeka halüsinasyonu)](https://broadrouter.com/tr/glossary/hallucination/) (terim)
-   [Yapılandırılmış çıktı (structured output)](https://broadrouter.com/tr/glossary/structured-output/) (terim)
-   [Seed parametresi (rastgelelik tohumu)](https://broadrouter.com/tr/glossary/seed-parameter/) (terim)
-   [Frekans ve varlık cezası (frequency/presence penalty)](https://broadrouter.com/tr/glossary/frequency-and-presence-penalty/) (terim)
-   [OpenAI Python SDK'yı BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/openai-python-sdk/) (rehber)
-   [LangChain'i BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/langchain-openai-base-url/) (rehber)
-   [Sağlayıcı değiştirmeden önce bir LLM nasıl değerlendirilir?](https://broadrouter.com/tr/blog/evaluate-llm-before-switching/) (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-temperature&utm_content=page-cta) ·

**Kaynaklar**

-   [OpenAI API referansı, chat completion oluşturma (temperature)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Hugging Face Transformers, GenerationConfig (temperature, varsayılanlar)](https://huggingface.co/docs/transformers/main/en/main_classes/text_generation)
-   [Hugging Face Transformers, üretim stratejileri (açgözlü arama ve örnekleme)](https://huggingface.co/docs/transformers/main/en/generation_strategies)
-   [Hinton, Vinyals ve Dean (2015), Distilling the Knowledge in a Neural Network (softmax sıcaklığı)](https://arxiv.org/abs/1503.02531)
