Главная → Глоссарий → Термин
Температура модели
КОРОТКИЙ ОТВЕТ
Температура — параметр генерации, который определяет, насколько предсказуемым будет ответ модели. При низкой температуре модель выбирает наиболее вероятные продолжения и отвечает почти одинаково на один и тот же запрос. При высокой она чаще берёт менее вероятные варианты, и ответы становятся разнообразнее, но менее надёжными.
Категория · обновлено 25 августа 2026 · проверено командой менторов nFactorial School
Оглавление
Что делает термин на практике? · Зарплаты в Казахстане · Что нужно знать? · Отличия · Пошаговый путь · Частые ошибки
Что происходит внутри
На каждом шаге модель оценивает вероятность всех возможных следующих токенов. Температура меняет форму этого распределения: низкая усиливает разрыв между вероятными и маловероятными вариантами, высокая его сглаживает.
Температура | Поведение | Подходит для |
|---|---|---|
Близко к 0 | Почти детерминированные ответы | Классификация, извлечение данных, код |
Средняя | Баланс точности и вариативности | Объяснения, деловые тексты |
Высокая | Разнообразие, неожиданные формулировки | Генерация идей, черновики, брейншторм |
Диапазон значений различается у разных провайдеров, поэтому ориентироваться нужно на документацию конкретной модели.
Главное заблуждение
Низкая температура не делает модель правдивее. Она делает её последовательнее: модель уверенно повторит одну и ту же ошибку вместо того, чтобы иногда отвечать верно.
Температура управляет разбросом, а не достоверностью. Против выдуманных фактов работают другие средства: подключение источников через RAG, требование ссылаться на предоставленный контекст, проверка ответов.
Как выбирать значение под задачу
Ответ идёт в другую систему — минимальная температура. Парсер сломается на неожиданном формате.
Нужен один правильный ответ — низкая. Извлечение данных из документа, классификация обращений, генерация кода.
Нужен текст для человека — средняя. Одинаковые формулировки в рассылке или описаниях товаров выглядят механически.
Нужны варианты — высокая, и несколько прогонов. Для подбора идей ценность как раз в разбросе.
Про оценку качества
Из существования температуры следует практическое правило: нельзя судить о промпте по одному ответу. Модель даёт разные результаты на один и тот же запрос, и единичный удачный прогон ничего не доказывает. Сравнивать варианты промпта нужно на наборе из нескольких десятков случаев.
Где это применяют
nFactorial School — IT-школа в Казахстане, готовит разработчиков и технических фаундеров с 2013 года. Программа AI Engineer (26 недель, для тех, у кого есть опыт программирования) включает настройку параметров генерации и построение проверок качества ответов.
Как этому научиться в Казахстане
Связанный буткамп nFactorial: структурированная программа с практикой и обратной связью. Длительность и уровень входа зависят от выбранного направления; доступны онлайн- и офлайн-форматы.
На рынке также есть университетские курсы, программы Tech Orda и самостоятельные траектории. Сравнивайте программу, объём практики и квалификацию преподавателей.
FAQ
Какая температура лучше для точных ответов?
Низкая, близкая к нулю: модель будет выбирать наиболее вероятные продолжения и отвечать стабильно. Это нужно там, где результат обрабатывается программно или где требуется один правильный ответ.
Снижает ли низкая температура количество выдуманных фактов?
Не напрямую. Она уменьшает разброс, но если модель склонна к неверному ответу, при низкой температуре она будет повторять его стабильно. Против выдуманных фактов работают подключение источников и проверка, а не настройка параметров генерации.
Чем температура отличается от top_p?
Оба параметра управляют случайностью, но по-разному: температура меняет форму распределения вероятностей, top_p ограничивает выбор наиболее вероятной частью вариантов. Обычно настраивают один из них, а не оба сразу.
Связанные термины
Backend-разработчик · Data Scientist · Машинное обучение · Алгоритмы · Техническое интервью · Vibe Coding