Температура нейросети: замер на 200 прогонах

Про температуру нейросети спрашивают 147 раз в месяц — посчитали по Wordstat в августе 2026 года. Спрос небольшой, а путаницы много: в одних гайдах советуют 0,2 для фактов, в других 0,7 для текстов, третьи уверяют, что на нуле нейросеть перестанет врать. Мы прогнали 200 запросов при пяти значениях параметра и свели результат в таблицу.

Что такое температура нейросети

Температура нейросети — это параметр генерации, который управляет тем, насколько охотно модель берёт менее вероятное слово. Ноль означает «всегда самый вероятный вариант», высокие значения дают шанс аутсайдерам.

Механика простая. На каждом шаге языковая модель считает вероятности для следующего кусочка текста: после «столица Австралии —» у слова «Канберра» вероятность огромная, у «Сиднея» заметная, у «банана» почти нулевая. Температура растягивает или сжимает это распределение перед выбором. Низкая заостряет пик, и побеждает лидер. Высокая сглаживает кривую, и у редких вариантов появляется реальный шанс.

Шкала у каждого провайдера своя, и это первый источник ошибок. В спецификации OpenAI поле описано так: значение от 0 до 2, по умолчанию 1, «более высокие вроде 0,8 сделают вывод случайнее, более низкие вроде 0,2 — сфокусированнее». У Anthropic диапазон вдвое короче: от 0,0 до 1,0, по умолчанию 1,0, ближе к нулю для аналитики, ближе к единице для творческих задач. Одно и то же число на этих шкалах означает разную долю от максимума.

Как температура меняет ответ: замер на 200 прогонах

Опыт мы поставили сами. Через OpenAI-совместимый эндпоинт Google взяли модель gemini-2.5-flash-lite, задали четыре запроса при пяти значениях температуры и повторили каждую комбинацию по 10 раз. Всего 200 ответов. Считали одно число — сколько среди десяти ответов различных.

Запрос	0,0	0,7	1,0	1,5	2,0
«Назови столицу Австралии»	1	1	1	1	1
«Назови один фрукт»	1	1	1	1	1
«Придумай название кофейни у метро»	1	6	7	6	8
«Первое предложение рассказа про зонт»	1	10	10	10	10

Первая строчка ожидаема: «Канберра» пришла 50 раз из 50, температура 2,0 факт не сломала. Вторая интереснее. Фруктов в мире много, но «Яблоко» тоже выпало 50 раз из 50 — на всех значениях, включая максимум. Распределение вероятностей оказалось настолько острым, что растянуть его не удалось даже двойкой.

Отсюда вывод: температура не создаёт разнообразия там, где у модели есть один подавляющий фаворит. Она лишь даёт шанс тем вариантам, у которых этот шанс уже был.

Третья и четвёртая строчки показывают, где параметр работает. Творческий запрос при 0,7 дал 10 разных первых предложений из 10 — потолок достигнут сразу. Дальше расти некуда, и разница между 0,7 и 2,0 в разнообразии почти не видна. Главный скачок происходит между нулём и первым ненулевым значением.

Побочный эффект высоких значений виден в качестве. При 2,0 модель выдала название кофейни «Сытный Метро» с рассогласованием по роду и зонт «цвета спелого баклажана». При 0,7 и 1,0 она дважды нарушила инструкцию «ответь только названием» и приписала служебную преамбулу. Это 10 прогонов на комбинацию, так что цифры считать статистикой рано, но направление читается: выше единицы растёт не креативность, а брак.

Какое значение ставить под задачу

Отталкивайтесь от того, нужен ли вам повторяемый результат или разные варианты на выбор.

Значение	Что происходит	Под какие задачи
0–0,3	Ответ предсказуемый, повторяемый почти дословно	Извлечение данных, классификация, код, перевод терминов
0,4–0,7	Формулировки плавают, смысл держится	Деловые письма, описания товаров, ответы поддержки
0,8–1,0	Заметный разброс, свежие обороты	Тексты для сайта, идеи, заголовки
Выше 1,0	Растёт случайность и число огрехов	Мозговой штурм, когда нужен ворох сырых вариантов

Практическое правило. Если задача проверяется на «правильно или нет» — держите низкое значение. Если результат оценивается на «нравится или нет» — поднимайте до единицы и генерируйте несколько вариантов, а выбирайте руками.

Даёт ли температура 0 один и тот же ответ

В нашем замере — да, во всех четырёх задачах десять ответов из десяти совпали. Но гарантии это не даёт, и производители говорят об этом сами.

Anthropic пишет в документации прямо: даже при значении 0,0 результаты не будут полностью детерминированными. Причину не объясняют, так что рассчитывать на побайтовое совпадение при повторном запросе не стоит — особенно на длинных ответах, где каждый шаг умножает расхождение.

На нулевую температуру опираются там, где нужна сравнимость. Компания Vectara при построении открытого рейтинга галлюцинаций прогоняет все модели именно при температуре 0, чтобы разница в цифрах отражала свойства моделей, а не случайность. К правдивости ответа параметр отношения не имеет: подробнее — в разборе галлюцинаций нейросетей.

Температура, top-p и top-k: кто за что отвечает

Эти три ручки крутят одно и то же распределение вероятностей, но с разных сторон.

Температура меняет форму кривой целиком. Top-p отрезает хвост: модель рассматривает только те варианты, что вместе набирают заданную долю вероятностной массы. В спецификации OpenAI это описано так: «0,1 означает, что рассматриваются только токены, составляющие верхние 10% вероятностной массы», диапазон от 0 до 1, по умолчанию 1. Top-k проще — берём k самых вероятных вариантов и забываем остальные.

У приёма с отсечением хвоста есть конкретная причина. В 2019 году Ари Хольцман с соавторами опубликовали работу «The Curious Case of Neural Text Degeneration», где показали: выбор самого вероятного продолжения делает текст «пресным и странно повторяющимся», а чистое случайное сэмплирование ломает связность. Nucleus sampling, он же top-p, был предложен как выход из этой вилки.

Совет из той же спецификации OpenAI короткий: «мы обычно рекомендуем менять либо это, либо температуру, но не оба сразу». Две ручки, крутящие одну кривую, дают предсказуемо мутный результат.

Где найти температуру в чате и в API

В обычных веб-чатах ползунка температуры нет, и это главный сюрприз для тех, кто пришёл настраивать её после статьи в интернете. Массовые интерфейсы прячут параметр, чтобы пользователь не сломал себе ответы.

Настройка доступна там, где вы обращаетесь к модели через API. В нашем OpenAI-совместимом интерфейсе temperature и соседние поля прокидываются в модель как есть — тот же запрос, что вы отправили бы в OpenAI, работает без переделок, только оплата идёт в рублях и без VPN.

Ещё один способ добраться до параметра — среды разработчика от самих провайдеров: Google AI Studio, консоли Anthropic и OpenAI. Там ползунок видно, но платить придётся напрямую иностранной картой.

Когда температуру лучше не трогать

С рассуждающими моделями стандартные советы про «0,2 для фактов» перестали работать, и об этом сказано в документации производителя.

Google в руководстве по Gemini 3 настоятельно рекомендует оставлять температуру на значении по умолчанию 1,0 и предупреждает: снижение ниже единицы может привести к неожиданному поведению вроде зацикливания или падения качества, особенно на сложных математических и логических задачах. Модель откалибрована под дефолт, и ручная правка эту калибровку сбивает.

Правило на сегодня простое. Прежде чем крутить параметр, откройте документацию конкретной модели и проверьте, что производитель про него пишет. Для рассуждающих моделей дефолт часто и есть правильный ответ, а качество ищется в формулировке запроса — про это у нас отдельный разбор с приёмами промптинга.

Три ошибки, из-за которых настройка не работает

Крутить температуру вместо промпта. Если ответ не по делу, параметр не поможет: он управляет разбросом, а не пониманием задачи. Сначала уточните инструкцию, добавьте пример нужного формата, ограничьте объём. К температуре переходите, когда содержание уже правильное, а форма надоела однообразием.

Переносить число между провайдерами. Значение 0,7 у OpenAI — это 35% шкалы, у Anthropic — 70%. Настройка, подобранная в одном API, в другом даст другое поведение, и «универсальных» цифр из чужих гайдов не существует.

Ждать от нуля правдивости. Низкая температура делает ответ повторяемым, а не верным. Выдуманная ссылка была самым вероятным продолжением, поэтому на нуле она вернётся снова — и вернётся стабильнее, чем при единице. Проверять факты всё равно приходится руками, а второе мнение удобно брать у другой модели из каталога.

Источники

• OpenAI, спецификация OpenAPI (поля temperature и top_p для chat/completions) — github.com/openai/openai-openapi, проверено 2026-08-07.
• Anthropic, «Messages API», описание параметра temperature — platform.claude.com, проверено 2026-08-07.
• Google, «Gemini 3 Developer Guide», раздел про температуру — ai.google.dev, проверено 2026-08-07.
• Holtzman A., Buys J., Du L., Forbes M., Choi Y. «The Curious Case of Neural Text Degeneration», arXiv, апрель 2019 — arxiv.org, проверено 2026-08-07.
• Vectara, «Hallucination Leaderboard» (методика: прогон при температуре 0) — github.com/vectara, проверено 2026-08-07.