Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Temperatura e Parâmetros de Geração

Aula 3 de 14 Atualizada a 3 de novembro de 2026 Iniciante
Nesta página
  1. Controlar a geração com parâmetros
  2. Temperatura
  3. O parâmetro top_p (amostragem de núcleo)
  4. max_completion_tokens
  5. O parâmetro seed
  6. Parâmetros rejeitados por modelos de raciocínio
  7. Definições recomendadas
  8. Prática hands-on
  9. Pontos-chave

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 temperature em 0.7 e top_p em 0.95 para os seus modelos; temperaturas acima de 1 são limitadas a 1; top_p tem valor padrão de 0.95; max_completion_tokens limita apenas a resposta visível (128.000 tokens por padrão); e seed não garante determinismo. A versão anterior recomendava temperaturas até 2, um top_p padrão 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.

Uma resposta criativa obtida através do prompt, na aplicação Grok

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
}
0.7
Temperatura recomendada pela xAI
1
Limite efetivo da temperatura
0.95
top_p recomendado e padrão

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_tokens está obsoleto
  • Se o limite for atingido, a resposta é cortada e finish_reason é "length" em vez de "stop" (a API Responses designa este limite como max_output_tokens e sinaliza um estado incomplete)

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 seed e system_fingerprint com 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 temperature em 0.7 e top_p em 0.95, definidos explicitamente em cada pedido
  • Acima de 1, a temperatura é limitada a 1; top_p não excede o padrão do modelo (0.95)
  • max_completion_tokens limita apenas a resposta visível, 128.000 tokens por padrão
  • seed visa a reprodutibilidade sem garantia: rastreie system_fingerprint
  • presence_penalty, frequency_penalty e stop são rejeitados por modelos de raciocínio