Temperatura e top_p determinam como um modelo escolhe cada próximo token: valores mais baixos tornam a saída focada e repetível, valores mais altos a tornam mais variada. Uma semente corrige as escolhas aleatórias, então a mesma solicitação com a mesma semente retorna o mesmo resultado ou um resultado muito semelhante.
Um modelo de linguagem escreve um token de cada vez. Em cada etapa, ele atribui uma probabilidade a cada token de seu vocabulário, e uma etapa de amostragem escolhe um deles. Temperatura e topo p Remodele essas probabilidades antes da escolha, e uma semente corrige os números aleatórios que a escolha usa. Juntos, eles decidem quão previsível ou variado é o resultado.
A temperatura escala o quão fortemente o modelo prefere seus tokens mais prováveis. Valores baixos concentram a escolha nos principais candidatos, o que torna a saída focada e consistente. Valores altos distribuem a escolha entre mais candidatos, o que torna a saída mais variada e, além de certo ponto, menos coerente. At 0, o modelo quase sempre pega o token mais provável (SING).
Os intervalos aceitos variam de modelo para modelo: alguns vão de 0 a 1 e muitos vão até 2. Quando você deixa a temperatura de fora, aplica-se o padrão próprio do modelo. Em alguns modelos de fala, a temperatura define quão expressiva e variável a voz soa, em vez de quais palavras aparecem. Alguns modelos de raciocínio usam configurações fixas de amostragem e ignoram a temperatura, e suas páginas de modelo dizem isso.
topo p, também chamada de amostragem de núcleo, limita a escolha ao menor conjunto de tokens cujas probabilidades somam o valor que você definir. Em 1, nenhum token é excluído. Em 0.9, os tokens menos prováveis que juntos mantêm os últimos 10% de probabilidade são removidos antes da amostragem. Valores mais baixos focam ainda mais a saída.
Ajustar a temperatura ou topo p, geralmente não ambos, já que mudar ambos ao mesmo tempo torna o efeito difícil de prever. Alguns modelos também aceitam top_k, que mantém apenas os K tokens mais prováveis.
A amostragem depende de números aleatórios. A Semente corrige o ponto de partida deles, então enviar a mesma solicitação com a mesma semente e configurações tende a repetir as mesmas escolhas. Isso ajuda quando você testa prompts, depura um aplicativo ou compara duas versões de um prompt de forma justa.
Uma semente não é garantia em modelos de texto. Páginas de modelo para muitos modelos de texto descrevem o resultado como semelhante, nem sempre idêntico: pequenas diferenças numéricas entre execuções, uma versão mais recente do modelo ou qualquer alteração na entrada ou configurações podem alterar a saída. Em alguns modelos, uma semente não é aplicada quando a busca na web está ativada. Quando você precisar exatamente do mesmo texto novamente, armazene a resposta em vez de gerá-la novamente.
Muitos modelos de geração de imagem, vídeo e áudio também aceitam uma semente. Reutilizá-lo com o mesmo prompt e configurações retorna o mesmo resultado ou uma variação próxima, dependendo do modelo, o que facilita refinar um prompt passo a passo.
Mude uma configuração de cada vez e compare várias saídas para o mesmo prompt, já que uma única amostra pode induzir em erro. Para tarefas com uma resposta correta, comece em baixa e aumente a temperatura somente se a saída se tornar repetitiva. Para escrita aberta, comece perto do meio da faixa do modelo e ajuste a partir daí. Os modelos listados nesta página mostram quais desses parâmetros cada um aceita. Teste valores no Playground antes de configurá-los em código e ler sobre Modelos de raciocínio, alguns dos quais corrigem suas configurações de amostragem.
113 modelos. A página de cada modelo traz a tabela de preços, os parâmetros e código.
| Modelo | Parâmetro | Intervalo / valores |
|---|---|---|
| Gemma 4 26B-A4B Google | temperature top_p seed | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 0.95 seed: 0 a 2147483647 |
| Muse Spark 1.1 Meta AI | temperature top_p seed | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 1 seed: - |
| Muse Spark 1.2 Meta AI | temperature top_p seed | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 1 seed: - |
| Qwen3.5 122B-A10B Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.5 27B Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.5 35B-A3B Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.5 397B-A17B Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.5 4B Alibaba Cloud | temperature top_p seed | temperature: 0 a 2; padrão 0.7 top_p: 0.01 a 1; padrão 0.95 seed: 0 a 2147483647 |
| Modelo | Parâmetro | Intervalo / valores |
|---|---|---|
| Qwen3.5 9B Alibaba Cloud | temperature top_p seed | temperature: 0 a 2; padrão 0.7 top_p: 0.01 a 1; padrão 0.95 seed: 0 a 2147483647 |
| Qwen3.5 Flash Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.5 Omni Flash Realtime Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99 top_p: 0.01 a 1 seed: 0 a 2147483647 |
| Qwen3.5 Omni Plus Realtime Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99 top_p: 0.01 a 1 seed: 0 a 2147483647 |
| Qwen3.5 Plus Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.6 27B Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.6 35B A3B Alibaba Cloud | temperature top_p seed | temperature: mín. 0; padrão 0.7 top_p: 0.01 a 1; padrão 0.95 seed: 0 a 2147483647 |
| Qwen3.6 Flash Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.6 Plus Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.7 Flash Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.7 Max Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.7 Plus Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.8 27B Alibaba Cloud | temperature top_p seed | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 0.95 seed: 0 a 2147483647 |
| Qwen3.8 Flash Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.8 Max Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.8 Max 0902 Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.8 Omni Flash Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| Qwen3.8 Omni Flash Realtime Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99 top_p: 0.01 a 1 seed: 0 a 2147483647 |
| Qwen4 Max Alibaba Cloud | temperature top_p seed | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 seed: 0 a 2147483647 |
| SoulX Podcast Soul AI Lab | temperature top_p seed | temperature: 0.1 a 2; padrão 0.6 top_p: 0.1 a 1; padrão 0.9 seed: padrão 42 |
| DeepReasoning WinFunc | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| DeepSeek V4 Flash 0731 DeepSeek | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| DeepSeek V4 Pro DeepSeek | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| DeepSeek V4 Pro 0813 DeepSeek | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| DeepSeek V4.1 Flash 1017 DeepSeek | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| GLM 4.5 Flash Z.ai | temperature top_p | temperature: 0 a 1; padrão 0.6 top_p: 0.01 a 1; padrão 0.95 |
| GLM 4.6V Flash Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 4.6V FlashX Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 4.7 Flash Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 4.7 FlashX Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 5.1 Z.ai | temperature top_p | temperature: 0 a 1.99; padrão 1 top_p: 0 a 1; padrão 0.95 |
| GLM 5.2 Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 5.3 Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| GLM 5.3 Flash Z.ai | temperature top_p | temperature: 0 a 1; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| Gemma 3 27B Google | temperature top_p | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 1 |
| Kimi K2.6 Moonshot AI | temperature top_p | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| MiMo V2.6 Flash Xiaomi | temperature top_p | temperature: 0 a 1.5; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| MiMo V2.6 Pro Xiaomi | temperature top_p | temperature: 0 a 1.5; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| MiMo V2.6 Pro UltraSpeed Xiaomi | temperature top_p | temperature: 0 a 1.5; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| Mistral Small 3.1 Mistral AI | temperature top_p | temperature: 0 a 5; padrão 0.15 top_p: 0.01 a 1; padrão 1 |
| Muse Glimmer 30B Meta AI | temperature top_p | temperature: mín. 0; padrão 1 top_p: 0.01 a 1; padrão 0.95 |
| Muse Spark 1.3 Meta AI | temperature top_p | temperature: 0 a 2; padrão 1 top_p: 0.01 a 1; padrão 1 |
| Nova Lite 1.0 Amazon | temperature top_p | temperature: 0 a 1; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Nova Lite 2 Amazon | temperature top_p | temperature: 0 a 1; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Nova Micro 1.0 Amazon | temperature top_p | temperature: 0 a 1; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Nova Pro 1.0 Amazon | temperature top_p | temperature: 0 a 1; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Qwen3.5 Omni Flash Alibaba Cloud | temperature top_p | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Qwen3.5 Omni Plus Alibaba Cloud | temperature top_p | temperature: 0 a 1.99; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Seed 2.0 Mini ByteDance | temperature top_p | temperature: 0 a 2; padrão 0.7 top_p: 0 a 1; padrão 0.9 |
| Step 3.5 Flash StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| Step 3.5 Flash 2603 StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| Step 3.7 Flash StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| Step 5 Preview StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| StepAudio 2.5 Chat StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| StepAudio 3 Chat StepFun | temperature top_p | temperature: 0 a 2; padrão 0.5 top_p: 0.01 a 1; padrão 0.9 |
| StepAudio 3 Music StepFun | temperature top_p | temperature: 0.01 a 2; padrão 0.85 top_p: 0 a 1; padrão 0.92 |
| ACE-Step 1.5 XL ACE-Step | seed | - |
| FLUX.2 Klein 4B Black Forest Labs | seed | - |
| GLM TTS Z.ai | seed | - |
| Gemini 3.8 Live Google | temperature | 0.2 a 2 |
| Gemini 3.8 Live Extended Thinking Google | temperature | 0.2 a 2 |
| HappyHorse 1.0 Alibaba Cloud | seed | - |
| HappyHorse 1.1 Alibaba Cloud | seed | 0 a 2147483647 |
| Hunyuan Image 3 Tencent | seed | - |
| Hunyuan Video 1.5 Tencent | seed | mín. 0 |
| Hyper3D Gen2 Deemos | seed | 0 a 65535 |
| MOSS Video and Audio OpenMOSS | seed | 0 a 4294967295 |
| MOSS-Image Turbo OpenMOSS | seed | 0 a 2147483647 |
| MiniMax Music 3 MiniMax | seed | - |
| Mistral Small 4 Mistral AI | temperature | 0 a 1; padrão 0.7 |
| OpenAI Whisper 1 OpenAI | temperature | 0 a 1; padrão 0 |
| PixVerse V6 Max PixVerse | seed | 0 a 2147483647 |
| Pixverse C1 PixVerse | seed | 0 a 2147483647 |
| Pixverse Edit PixVerse | seed | 0 a 2147483647 |
| Pixverse v5 PixVerse | seed | - |
| Pixverse v5.6 PixVerse | seed | - |
| Pixverse v6 PixVerse | seed | 0 a 2147483647 |
| Qwen Audio 3.0 TTS Alibaba Cloud | seed | 0 a 65535; padrão 0 |
| Qwen Audio 3.1 TTS Alibaba Cloud | seed | 0 a 65535; padrão 0 |
| Qwen Audio 3.1 TTS Next Alibaba Cloud | seed | 0 a 2147483647 |
| Qwen Audio 3.1 TTS Plus Alibaba Cloud | seed | 0 a 65535; padrão 0 |
| Qwen Image 2.0 Alibaba Cloud | seed | 0 a 2147483647 |
| Qwen Image 2.1 Alibaba Cloud | seed | 0 a 2147483647 |
| Qwen Image 3.0 Alibaba Cloud | seed | 0 a 2147483647 |
| Seedance 2.5 ByteDance | seed | -1 a 2147483647 |
| Seedance 2.5 Flash ByteDance | seed | -1 a 2147483647 |
| Stable Audio 2.0 Stability AI | seed | - |
| Stable Audio 2.5 Stability AI | seed | - |
| Stable Audio 3 Medium Stability AI | seed | 0 a 2147483647 |
| TRELLIS.2 4B Microsoft | seed | 0 a 2147483647; padrão 42 |
| TTS 1.5 Max Inworld | temperature | 0.1 a 2; padrão 1 |
| TTS 1.5 Mini Inworld | temperature | 0.1 a 2; padrão 1 |
| TTS 2 Inworld | temperature | 0.1 a 2; padrão 1 |
| TTS 2 Flash Inworld | temperature | 0.1 a 2; padrão 1 |
| Wan 2.1 Alibaba Cloud | seed | - |
| Wan 2.2 Alibaba Cloud | seed | - |
| Wan 2.5 Alibaba Cloud | seed | - |
| Wan 2.6 Alibaba Cloud | seed | - |
| Wan 2.7 Alibaba Cloud | seed | - |
| Wan 3.0 Alibaba Cloud | seed | 0 a 2147483647 |
| Wan2.1 Image Alibaba Cloud | seed | 0 a 2147483647 |
| Wan2.2 Image Alibaba Cloud | seed | 0 a 2147483647 |
| Wan2.5 Image Alibaba Cloud | seed | 0 a 2147483647 |
| Wan2.7 Image Alibaba Cloud | seed | 0 a 2147483647 |
| Whisper Large v3 Turbo OpenAI | temperature | padrão 0,0.2,0.4,0.6,0.8,1 |
Use 0 a 0,3 para extração, classificação e código, e cerca de 0,5 a 1,0 para conversa e escrita. Verifique a faixa aceita de cada modelo, já que alguns param em 1.
Geralmente não. Ajuste um deles e deixe o outro no padrão, assim você pode ver o efeito de cada mudança.
Nem sempre. Em modelos de texto, uma seed torna a saída mais repetível, mas o resultado ainda pode variar levemente entre as execuções, então armazene uma resposta exatamente quando precisar.
Isso torna a saída próxima do determinístico, porque o modelo quase sempre escolhe seu token mais provável. Pequenas diferenças entre execuções ainda podem ocorrer.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.