Que font la température, la top_p et les graines ?

La température et top_p contrôlent la manière dont un modèle choisit chaque jeon suivant: des valeurs plus basses rendent la sortie ciblée et répétable, des valeurs plus élevées la rendent plus variée. Une graine corrige les choix aléatoires, donc la même requête avec la même graine donne le même résultat ou un résultat très similaire.

Concepts

Comment un modèle choisit le jeton suivant

Un modèle de langage écrit un jeton à la fois. À chaque étape, il attribue une probabilité à chaque jeton de son vocabulaire, et une étape d’échantillonnage en choisit un. Température et en haut Reconfigurez ces probabilités avant le choix, et une graine fixe les nombres aléatoires utilisés par le choix. Ensemble, ils décident à quel point le résultat est prévisible ou varié.

Température

La température ajuste dans quelle mesure le modèle préférence ses jetons les plus probables. Des valeurs faibles concentrent le choix sur les principaux candidats, ce qui rend la sortie ciblée et cohérente. Des valeurs élevées répartissent le choix sur plus de candidats, ce qui rend la sortie plus variée et, au-delà d’un certain point, moins cohérente. At 0, le modèle prend presque toujours le jeton le plus probable unique.

  • 0 à 0,3: extraction, classification, code et réponses factuelles.
  • 0,5 à 1,0: Conversation générale et écriture.
  • Au-dessus de 1.0: Des réflexions et des brouillons variés, avec un examen plus approfondi des résultats.

Les plages acceptées varient selon le modèle: certains prennent de 0 à 1 et d’autres vont jusqu’à 2. Lorsque vous omettez la température, la valeur par défaut du modèle s’applique. Sur certains modèles de parole, la température détermine à quel point la voix sonne expressive et variable plutôt que quels mots apparaissent. Certains modèles de raisonnement utilisent des paramètres d’échantillonnage fixes et ignorent la température, et leurs pages de modèle l’indiquent.

en haut

en haut, également appelé échantillonnage du noyau, limite le choix au plus petit ensemble de jetons dont les probabilités s’additionnent à la valeur que vous définissez. À 1, aucun jeton n’est exclu. À 0.9, les jetons les moins probables qui contiennent ensemble les 10 % de probabilité sont retirés avant l’échantillonnage. Les valeurs plus basses focalisent davantage la sortie.

Ajuster la température ou en haut, généralement pas les deux, car changer les deux en même temps rend l’effet difficile à prévoir. Certains modèles acceptent également top_k, qui ne conserve que les K jetons les plus probables.

Seed

L’échantillonnage repose sur des nombres aléatoires. A Seed corrige leur point de départ, donc envoyer la même requête avec la même graine et les mêmes paramètres a tendance à répéter les mêmes choix. Cela aide quand vous testez des invites, déboguez une application ou comparez équitablement deux versions d’une invite.

Une graine n’est pas une garantie sur les modèles textuels. Les pages de modèle pour de nombreux modèles de texte décrivent le résultat comme similaire, pas toujours identique: de petites différences numériques entre les exécutions, une version plus récente du modèle, ou toute modification de l’entrée ou des paramètres peuvent modifier la sortie. Sur certains modèles, une graine n’est pas appliquée lorsque la recherche web est activée. Lorsque vous avez besoin exactement du même texte à nouveau, stockez la réponse au lieu de la générer à nouveau.

De nombreux modèles de génération d’images, de vidéos et d’audio acceptent également une graine. La réutiliser avec le même prompt et les mêmes réglages donne le même résultat ou une variation proche, selon le modèle, ce qui facilite l’affinage d’un prompt étape par étape.

Paramètres de test

Changez un réglage à la fois et comparez plusieurs sorties pour la même requête, car un seul échantillon peut induire en erreur. Pour les tâches avec une seule réponse correcte, commencez en bas et augmentez la température uniquement si la sortie devient répétitive. Pour l’écriture ouverte, commencez près du milieu de la plage du modèle et ajustez à partir de là. Les modèles listés sur cette page montrent lesquels chacun accepte parmi ces paramètres. Essayez les valeurs dans le Playground avant de les définir en code, et de lire à propos Modèles de raisonnement, dont certains corrigent leurs paramètres d’échantillonnage.

Modèles qui acceptent temperature, top_p, seed

113 modèles. La page de chaque modèle présente sa grille tarifaire, ses paramètres et du code.

ModèleParamètrePlage / valeurs
Gemma 4 26B-A4B Googletemperature top_p seedtemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
seed: 0 à 2147483647
Muse Spark 1.1 Meta AItemperature top_p seedtemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 1
seed: -
Muse Spark 1.2 Meta AItemperature top_p seedtemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 1
seed: -
Qwen3.5 122B-A10B Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.5 27B Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.5 35B-A3B Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.5 397B-A17B Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.5 4B Alibaba Cloudtemperature top_p seedtemperature: 0 à 2; par défaut 0.7
top_p: 0.01 à 1; par défaut 0.95
seed: 0 à 2147483647
Afficher les 113 modèles
ModèleParamètrePlage / valeurs
Qwen3.5 9B Alibaba Cloudtemperature top_p seedtemperature: 0 à 2; par défaut 0.7
top_p: 0.01 à 1; par défaut 0.95
seed: 0 à 2147483647
Qwen3.5 Flash Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.5 Omni Flash Realtime Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99
top_p: 0.01 à 1
seed: 0 à 2147483647
Qwen3.5 Omni Plus Realtime Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99
top_p: 0.01 à 1
seed: 0 à 2147483647
Qwen3.5 Plus Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.6 27B Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.6 35B A3B Alibaba Cloudtemperature top_p seedtemperature: min 0; par défaut 0.7
top_p: 0.01 à 1; par défaut 0.95
seed: 0 à 2147483647
Qwen3.6 Flash Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.6 Plus Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.7 Flash Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.7 Max Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.7 Plus Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.8 27B Alibaba Cloudtemperature top_p seedtemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
seed: 0 à 2147483647
Qwen3.8 Flash Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.8 Max Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.8 Max 0902 Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.8 Omni Flash Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
Qwen3.8 Omni Flash Realtime Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99
top_p: 0.01 à 1
seed: 0 à 2147483647
Qwen4 Max Alibaba Cloudtemperature top_p seedtemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
seed: 0 à 2147483647
SoulX Podcast Soul AI Labtemperature top_p seedtemperature: 0.1 à 2; par défaut 0.6
top_p: 0.1 à 1; par défaut 0.9
seed: par défaut 42
DeepReasoning WinFunctemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
DeepSeek V4 Flash 0731 DeepSeektemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
DeepSeek V4 Pro DeepSeektemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
DeepSeek V4 Pro 0813 DeepSeektemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
DeepSeek V4.1 Flash 1017 DeepSeektemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
GLM 4.5 Flash Z.aitemperature top_ptemperature: 0 à 1; par défaut 0.6
top_p: 0.01 à 1; par défaut 0.95
GLM 4.6V Flash Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 4.6V FlashX Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 4.7 Flash Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 4.7 FlashX Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 5.1 Z.aitemperature top_ptemperature: 0 à 1.99; par défaut 1
top_p: 0 à 1; par défaut 0.95
GLM 5.2 Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 5.3 Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
GLM 5.3 Flash Z.aitemperature top_ptemperature: 0 à 1; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
Gemma 3 27B Googletemperature top_ptemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 1
Kimi K2.6 Moonshot AItemperature top_ptemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
MiMo V2.6 Flash Xiaomitemperature top_ptemperature: 0 à 1.5; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
MiMo V2.6 Pro Xiaomitemperature top_ptemperature: 0 à 1.5; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
MiMo V2.6 Pro UltraSpeed Xiaomitemperature top_ptemperature: 0 à 1.5; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
Mistral Small 3.1 Mistral AItemperature top_ptemperature: 0 à 5; par défaut 0.15
top_p: 0.01 à 1; par défaut 1
Muse Glimmer 30B Meta AItemperature top_ptemperature: min 0; par défaut 1
top_p: 0.01 à 1; par défaut 0.95
Muse Spark 1.3 Meta AItemperature top_ptemperature: 0 à 2; par défaut 1
top_p: 0.01 à 1; par défaut 1
Nova Lite 1.0 Amazontemperature top_ptemperature: 0 à 1; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Nova Lite 2 Amazontemperature top_ptemperature: 0 à 1; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Nova Micro 1.0 Amazontemperature top_ptemperature: 0 à 1; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Nova Pro 1.0 Amazontemperature top_ptemperature: 0 à 1; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Qwen3.5 Omni Flash Alibaba Cloudtemperature top_ptemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Qwen3.5 Omni Plus Alibaba Cloudtemperature top_ptemperature: 0 à 1.99; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Seed 2.0 Mini ByteDancetemperature top_ptemperature: 0 à 2; par défaut 0.7
top_p: 0 à 1; par défaut 0.9
Step 3.5 Flash StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
Step 3.5 Flash 2603 StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
Step 3.7 Flash StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
Step 5 Preview StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
StepAudio 2.5 Chat StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
StepAudio 3 Chat StepFuntemperature top_ptemperature: 0 à 2; par défaut 0.5
top_p: 0.01 à 1; par défaut 0.9
StepAudio 3 Music StepFuntemperature top_ptemperature: 0.01 à 2; par défaut 0.85
top_p: 0 à 1; par défaut 0.92
ACE-Step 1.5 XL ACE-Stepseed-
FLUX.2 Klein 4B Black Forest Labsseed-
GLM TTS Z.aiseed-
Gemini 3.8 Live Googletemperature0.2 à 2
Gemini 3.8 Live Extended Thinking Googletemperature0.2 à 2
HappyHorse 1.0 Alibaba Cloudseed-
HappyHorse 1.1 Alibaba Cloudseed0 à 2147483647
Hunyuan Image 3 Tencentseed-
Hunyuan Video 1.5 Tencentseedmin 0
Hyper3D Gen2 Deemosseed0 à 65535
MOSS Video and Audio OpenMOSSseed0 à 4294967295
MOSS-Image Turbo OpenMOSSseed0 à 2147483647
MiniMax Music 3 MiniMaxseed-
Mistral Small 4 Mistral AItemperature0 à 1; par défaut 0.7
OpenAI Whisper 1 OpenAItemperature0 à 1; par défaut 0
PixVerse V6 Max PixVerseseed0 à 2147483647
Pixverse C1 PixVerseseed0 à 2147483647
Pixverse Edit PixVerseseed0 à 2147483647
Pixverse v5 PixVerseseed-
Pixverse v5.6 PixVerseseed-
Pixverse v6 PixVerseseed0 à 2147483647
Qwen Audio 3.0 TTS Alibaba Cloudseed0 à 65535; par défaut 0
Qwen Audio 3.1 TTS Alibaba Cloudseed0 à 65535; par défaut 0
Qwen Audio 3.1 TTS Next Alibaba Cloudseed0 à 2147483647
Qwen Audio 3.1 TTS Plus Alibaba Cloudseed0 à 65535; par défaut 0
Qwen Image 2.0 Alibaba Cloudseed0 à 2147483647
Qwen Image 2.1 Alibaba Cloudseed0 à 2147483647
Qwen Image 3.0 Alibaba Cloudseed0 à 2147483647
Seedance 2.5 ByteDanceseed-1 à 2147483647
Seedance 2.5 Flash ByteDanceseed-1 à 2147483647
Stable Audio 2.0 Stability AIseed-
Stable Audio 2.5 Stability AIseed-
Stable Audio 3 Medium Stability AIseed0 à 2147483647
TRELLIS.2 4B Microsoftseed0 à 2147483647; par défaut 42
TTS 1.5 Max Inworldtemperature0.1 à 2; par défaut 1
TTS 1.5 Mini Inworldtemperature0.1 à 2; par défaut 1
TTS 2 Inworldtemperature0.1 à 2; par défaut 1
TTS 2 Flash Inworldtemperature0.1 à 2; par défaut 1
Wan 2.1 Alibaba Cloudseed-
Wan 2.2 Alibaba Cloudseed-
Wan 2.5 Alibaba Cloudseed-
Wan 2.6 Alibaba Cloudseed-
Wan 2.7 Alibaba Cloudseed-
Wan 3.0 Alibaba Cloudseed0 à 2147483647
Wan2.1 Image Alibaba Cloudseed0 à 2147483647
Wan2.2 Image Alibaba Cloudseed0 à 2147483647
Wan2.5 Image Alibaba Cloudseed0 à 2147483647
Wan2.7 Image Alibaba Cloudseed0 à 2147483647
Whisper Large v3 Turbo OpenAItemperaturepar défaut 0,0.2,0.4,0.6,0.8,1

Questions fréquentes

Quelle température dois-je utiliser ?

Utilisez 0 à 0,3 pour l’extraction, la classification et le code, et environ 0,5 à 1,0 pour la conversation et l’écriture. Vérifiez la plage acceptée de chaque modèle, car certains s’arrêtent à 1.

Dois-je changer de température et top_p ensemble ?

En général non. Ajustez l’un d’eux et laissez l’autre à sa valeur par défaut, pour pouvoir voir l’effet de chaque changement.

La même graine donne-t-elle toujours le même rendement ?

Pas toujours. Sur les modèles textuels, une graine rend la sortie plus répétable, mais le résultat peut tout de même varier légèrement entre les exécutions, donc stockez une réponse exactement quand vous en avez besoin.

La température 0 rend-elle un modèle déterministe ?

Cela rend la sortie proche du déterministe, car le modèle choisit presque toujours son jeton le plus probable. De petites différences entre les exécutions peuvent néanmoins survenir.

Prêt à utiliser de meilleurs points de terminaison ?

Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.