Temperatuur en generatieparameters
Op deze pagina
Les herschreven op 3 november 2026 op basis van de best practices van xAI, de API-referentie (Chat Completions en Responses) en de Reasoning-gids: xAI raadt een
temperaturevan 0,7 en eentop_pvan 0,95 aan voor zijn modellen; temperaturen boven 1 worden begrensd tot 1,top_pheeft standaard de waarde 0,95,max_completion_tokensbeperkt alleen het zichtbare antwoord (standaard 128.000 tokens), enseedgarandeert geen determinisme. De vorige versie adviseerde temperaturen tot 2, een standaardtop_pvan 1 en een limiet die redeneren omvatte. Bronnen: Best practices · Chat Completions · Reasoning.
Generatie sturen met parameters
Naast uw prompttekst accepteert de Grok-API verschillende numerieke parameters die beïnvloeden hoe het model zijn antwoord genereert. Bij de huidige modellen is de belangrijkste les contra-intuïtief: ga uiterst terughoudend om met deze instellingen en onthoud dat de prompt, veel meer dan de schuifregelaars, de kwaliteit van het antwoord bepaalt.

Temperatuur
Temperatuur regelt de mate van willekeur bij de selectie van tokens. De API-referentie beschrijft dit op klassieke wijze: een lage waarde, zoals 0,2, maakt de output gerichter en deterministischer; een hogere waarde, zoals 0,8, maakt deze gevarieerder. De parameter accepteert waarden van 0 tot 2, maar alles boven 1 wordt gesampled op 1.
De best practices van xAI gaan verder: stel temperature in op 0,7 en wijk hier niet veel van af. Volgens xAI reageren Grok-modellen slecht op andere sampling-instellingen en daalt de kwaliteit doorgaans wanneer u deze wijzigt.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Propose a slogan for an organic bakery"}],
"temperature": 0.7,
"top_p": 0.95
}
Gebruik voor meer creativiteit, nauwkeurigheid of beknoptheid liever de prompt: vraag expliciet om onverwachte voorstellen, een feitelijke toon of een antwoord in drie opsommingstekens. Dit komt aan bod in de volgende lessen.
De parameter top_p (nucleus sampling)
De parameter top_p beperkt de keuze tot tokens die samen een bepaalde waarschijnlijkheidsmassa vertegenwoordigen: bij 0,1 worden alleen tokens in aanmerking genomen die de bovenste 10% van de waarschijnlijkheid beslaan. De huidige Grok-tekstmodellen hebben dit standaard ingesteld op 0,95, en waarden boven de modelstandaard worden tot die standaardwaarde begrensd.
De API-referentie herhaalt het gebruikelijke advies om óf temperature óf top_p aan te passen, maar niet beide. De nieuwere, modelspecifieke best practices van xAI vragen daarentegen om beide bij elk verzoek expliciet in te stellen — 0,7 en 0,95 — zodat uw resultaten niet afhangen van serverstandaarden en u dezelfde waarden gebruikt voor alle modellen die u vergelijkt.
max_completion_tokens
Deze parameter beperkt het aantal tokens in het antwoord. Hij dient om de lengte en de kosten van het zichtbare deel te beheersen.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Summarize this document in three points"}],
"max_completion_tokens": 500
}
Belangrijke punten, volgens de API-referentie:
- Hij geldt alleen voor zichtbare tokens: redeneringen en functieaanroepen tellen niet mee; de inspanning voor redeneren (
reasoning effort) stuurt de reflectie - Zonder waarde is de standaard 128.000 tokens; de oude
max_tokensis verouderd - Als de limiet wordt bereikt, wordt het antwoord afgebroken en is
finish_reason"length"in plaats van"stop"(de Responses-API noemt deze limietmax_output_tokensen signaleert een statusincomplete)
De parameter seed
De parameter seed vraagt om een zo deterministisch mogelijke systeem-sampling: herhaalde verzoeken met dezelfde seed en parameters zouden hetzelfde resultaat moeten opleveren. De API-referentie specificeert dat determinisme niet gegarandeerd is en verwijst naar het veld system_fingerprint in het antwoord om wijzigingen aan serverzijde op te sporen.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Generate 5 tech startup names"}],
"temperature": 0.7,
"top_p": 0.95,
"seed": 42
}
Toepassingsgebieden voor seed:
- Tests en debugging: verifiëren dat een prompt stabiele resultaten oplevert
- Vergelijking: verschillende promptformuleringen testen met dezelfde seed om het effect van de wijziging te isoleren
- Tracking: log
seedensystem_fingerprintbij elk resultaat om variantie te verklaren
Parameters die door redeneermodellen worden geweigerd
Huidige Grok-modellen redeneren: presence_penalty, frequency_penalty en stop kunnen niet naar hen worden verzonden; een verzoek dat deze bevat, levert een fout op. logprobs wordt vanaf Grok 4.20 genegeerd. Als u code overzet die voor een andere provider is geschreven, verwijdert u deze parameters.
Aanbevolen instellingen
xAI stelt geen reeks instellingen per use case voor: de aanbeveling is overal hetzelfde.
{"temperature": 0.7, "top_p": 0.95}
Voeg naar behoefte een max_completion_tokens toe dat is afgestemd op de verwachte lengte, een seed voor uw tests en, bij grok-4.5 tot 4.7, een redeneerinspanning (reasoning_effort) gekozen op basis van de taakmoeilijkheid: dit, en niet de temperatuur, bepaalt snelheid, kosten en diepgang.
Oefening in de praktijk
Verzend dezelfde prompt drie keer, met temperature op 0,7 en top_p op 0,95, en verzend vervolgens drie keer een versie van de prompt die de verwachte toon en het formaat specificeert:
Prompt A: "Propose three names for a meditation app"
Prompt B: "Propose three short, evocative, and unexpected names for a meditation app
designed for busy executives. One name per line, no explanation."
Vergelijk de variatie en relevantie van de antwoorden: het verschil komt door de prompt, niet door de parameters.
Belangrijkste punten
- xAI raadt
temperature0,7 entop_p0,95 aan; stel deze bij elk verzoek expliciet in - Boven 1 wordt temperatuur begrensd tot 1;
top_poverschrijdt de modelstandaard (0,95) niet max_completion_tokensbeperkt alleen het zichtbare antwoord, standaard 128.000 tokensseedstreeft naar reproduceerbaarheid zonder garantie: volgsystem_fingerprintpresence_penalty,frequency_penaltyenstopworden geweigerd door redeneermodellen