Temperatura e Parâmetros de Geração
Nesta página
Lição reescrita em 3 de novembro de 2026 com base nas melhores práticas da xAI, na referência da API (Chat Completions e Responses) e no guia Reasoning: a xAI recomenda
temperatureem 0.7 etop_pem 0.95 para os seus modelos; temperaturas acima de 1 são limitadas a 1;top_ptem valor padrão de 0.95;max_completion_tokenslimita apenas a resposta visível (128.000 tokens por padrão); eseednão garante determinismo. A versão anterior recomendava temperaturas até 2, umtop_ppadrão de 1 e um limite que incluía o raciocínio. Fontes: Melhores práticas · Chat Completions · Reasoning.
Controlar a geração com parâmetros
Para além do texto do seu prompt, a API do Grok aceita vários parâmetros numéricos que influenciam a forma como o modelo gera a sua resposta. Com os modelos atuais, a lição principal é contra-intuitiva: utilize estas definições com extrema moderação e lembre-se de que é o prompt, e não os controlos deslizantes, que determina a qualidade da resposta.

Temperatura
A temperatura controla o grau de aleatoriedade na seleção de tokens. A referência da API descreve-a classicamente: um valor baixo, como 0.2, torna a saída mais focada e determinística; um valor mais alto, como 0.8, torna-a mais variada. Aceita valores de 0 a 2, mas qualquer valor acima de 1 é amostrado como 1.
As melhores práticas da xAI vão mais além: defina temperature como 0.7 e não se afaste muito desse valor. Segundo a xAI, os modelos Grok reagem mal a outras definições de amostragem e a qualidade geralmente diminui quando as modifica.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Propose a slogan for an organic bakery"}],
"temperature": 0.7,
"top_p": 0.95
}
Para obter mais criatividade, rigor ou concisão, utilize o prompt: peça explicitamente propostas inesperadas, um tom factual ou uma resposta em três pontos. Este será o foco das lições seguintes.
O parâmetro top_p (amostragem de núcleo)
O parâmetro top_p limita a escolha aos tokens que acumulam uma determinada massa de probabilidade: a 0.1, apenas os tokens que representam os 10% superiores de probabilidade são considerados. Os modelos de texto Grok atuais têm este valor predefinido para 0.95, e valores acima do padrão do modelo são limitados a esse padrão.
A referência da API repete o conselho habitual de modificar quer temperature quer top_p, mas não ambos. As melhores práticas da xAI, mais recentes e específicas para os seus modelos, solicitam invece que defina ambos explicitamente em cada pedido — 0.7 e 0.95 — para que os seus resultados não dependam dos padrões do servidor e para utilizar os mesmos valores em todos os modelos que comparar.
max_completion_tokens
Este parâmetro limita o número de tokens na resposta. Serve para controlar o comprimento e o custo da parte visível.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Summarize this document in three points"}],
"max_completion_tokens": 500
}
Pontos importantes, de acordo com a referência da API:
- Aplica-se apenas a tokens visíveis: o raciocínio e as chamadas de função não contam; o esforço de raciocínio controla a reflexão
- Sem um valor, o padrão é 128.000 tokens; o antigo
max_tokensestá obsoleto - Se o limite for atingido, a resposta é cortada e
finish_reasoné"length"em vez de"stop"(a API Responses designa este limite comomax_output_tokense sinaliza um estadoincomplete)
O parâmetro seed
O parâmetro seed solicita que a amostragem do sistema seja tão determinística quanto possível: pedidos repetidos com o mesmo seed e parâmetros devem produzir o mesmo resultado. A referência da API especifica que o determinismo não é garantido e remete para o campo system_fingerprint na resposta para detetar alterações do lado do servidor.
{
"model": "grok-4.7",
"messages": [{"role": "user", "content": "Generate 5 tech startup names"}],
"temperature": 0.7,
"top_p": 0.95,
"seed": 42
}
Casos de uso para seed:
- Testes e depuração: verificar se um prompt produz resultados estáveis
- Comparação: testar diferentes formulações de prompt com o mesmo seed para isolar o efeito da alteração
- Rastreio: registar
seedesystem_fingerprintcom cada resultado para explicar a variância
Parâmetros rejeitados por modelos de raciocínio
Os modelos Grok atuais realizam raciocínio: presence_penalty, frequency_penalty e stop não podem ser enviados para eles, e um pedido que os contenha devolve um erro. logprobs, entretanto, é ignorado a partir do Grok 4.20. Se estiver a portar código escrito para outro fornecedor, remova estes parâmetros.
Definições recomendadas
A xAI não propõe um conjunto de definições por caso de uso: a sua recomendação é a mesma em toda a parte.
{"temperature": 0.7, "top_p": 0.95}
Adicione um max_completion_tokens adaptado ao comprimento esperado, conforme necessário, um seed para os seus testes e, no grok-4.5 ao 4.7, um esforço de raciocínio (reasoning_effort) escolhido de acordo com a dificuldade da tarefa: é isto, e não a temperatura, que arbitra a velocidade, o custo e a profundidade.
Prática hands-on
Envie o mesmo prompt três vezes, com temperature em 0.7 e top_p em 0.95, e depois três vezes uma versão do prompt que especifique o tom e o formato esperados:
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."
Compare a variedade e a relevância das respostas: a diferença vem do prompt, não dos parâmetros.
Pontos-chave
- A xAI recomenda
temperatureem 0.7 etop_pem 0.95, definidos explicitamente em cada pedido - Acima de 1, a temperatura é limitada a 1;
top_pnão excede o padrão do modelo (0.95) max_completion_tokenslimita apenas a resposta visível, 128.000 tokens por padrãoseedvisa a reprodutibilidade sem garantia: rastreiesystem_fingerprintpresence_penalty,frequency_penaltyestopsão rejeitados por modelos de raciocínio