Il modello non sceglie mai una parola. Sceglie da un elenco
Dopo aver letto il tuo prompt, un modello linguistico produce un punteggio per ogni token del suo vocabolario, da 100.000 a 200.000 sui modelli attuali, e trasforma quei punteggi in probabilità: "foglie" 45 percento, "tempo" 25, "colori" 15, e così via lungo una lunga coda. Cos'è un LLM spiega perché funziona così. Poi estrae un token da quell'elenco, lo aggiunge, e ricomincia tutto da capo.
La temperatura viene applicata tra i punteggi e l'estrazione. Ogni punteggio viene diviso per la temperatura prima che le probabilità vengano calcolate. Dividere per un numero sotto 1 allarga i divari tra i punteggi, quindi il favorito si allontana ulteriormente. Dividere per un numero sopra 1 riduce i divari, dando alla lunga coda una possibilità reale. Esattamente a 0 la matematica collassa in "prendi sempre il punteggio più alto", ed è per questo che 0 viene venduto come deterministico.
Il nome è preso in prestito dalla fisica, dove un gas più caldo ha particelle che si muovono in modo più casuale. Un modello più caldo ha parole scelte in modo più casuale. Nulla cambia nella conoscenza del modello; cambia solo l'estrazione.
Cosa fa il numero alle probabilità, spiegato nel dettaglio
Prendi un prompt la cui parola successiva il modello valuta come cinque candidati al 45, 25, 15, 10 e 5 percento. Questa è la distribuzione a temperatura 1. Applica la formula a 0.5 e a 2 e gli stessi cinque candidati risultano come sotto. Le percentuali sono calcolate dalla formula, non misurate, e la forma è quella che assume ogni distribuzione reale.
Leggi il quinto candidato lungo i tre pannelli: meno dell'1 percento, poi 5, poi 11. Su una risposta di 500 token, una probabilità dell'11 percento per token di prendere la quinta parola migliore si accumula in un testo che divaga, inventa e alla fine perde di senso, il che è ciò che si vede quando si spinge uno slider da playground a 2. E leggi il candidato migliore: anche a 0.5 perde un'estrazione su tre, quindi una temperatura bassa è coerente, non fissa.
Quest'ultimo punto conta per la parola "deterministico". Il riferimento API di Anthropic dice che anche a 0 i risultati "non saranno pienamente deterministici", e la riserva è reale: l'aritmetica in virgola mobile su hardware parallelo e il batching lato provider fanno sì che lo stesso prompt a 0 possa comunque produrre due risposte diverse. Se ti serve un output identico, salvalo; non fare affidamento sul parametro.
Cosa consente ogni provider, e quali sono i default
| Provider | Intervallo | Default | Note |
|---|---|---|---|
| OpenAI | 0 a 2 | 1 | I modelli di ragionamento (la serie o, GPT-5 con ragionamento) non accettano il parametro |
| Anthropic | 0 a 1 | 1 | Rifiuta le richieste che impostano entrambi su Opus 4.1 e versioni successive |
| Google Gemini | 0 a 2 | 1 | Esposto come slider in AI Studio |
| OpenRouter | Passa il valore | Default del provider | Il percorso che Whizi usa per raggiungere ogni modello |
Tre cose spiccano. Ogni provider ha come default 1, il che significa campionare dalle probabilità proprie del modello, quindi le risposte che ottieni in una chat ordinaria sono già un'estrazione tra molte. La scala di Anthropic si ferma a 1, quindi una temperatura Claude di 1 è il tetto massimo mentre un 1 di OpenAI è il punto medio; i numeri non sono confrontabili tra i vendor. E i modelli di ragionamento rifiutano il parametro: OpenAI elenca la temperatura come non supportata per la serie o e GPT-5 e restituisce un errore se la invii, e Anthropic richiede 1 ogni volta che il pensiero esteso è attivo.
Quale impostazione per quale compito
La regola sta in una riga: più bassa per i compiti con una risposta giusta, più alta per i compiti con molte risposte buone.
| Compito | Temperatura | Perché |
|---|---|---|
| Estrazione in tabella o JSON, classificazione, codice | 0 a 0.3 | Una sola forma giusta; la variazione è un difetto |
| Riassunti, traduzione, domande fattuali | 0.3 a 0.7 | Un po' di libertà di formulazione, nessuna invenzione voluta |
| Bozze, riscrittura, brainstorming | 0.7 a 1 | Il default del provider; vario ma coerente |
| Narrativa, nomi, slogan, idee volutamente insolite | 1 a 1.3 | Le parole di coda lunga sono il punto |
| Sopra 1.5 | Raramente | La coerenza cala prima che la novità salga |
Due avvertenze. La temperatura non controlla la verità. Un modello a 0 sceglie la sua risposta più probabile, e se la risposta più probabile è sbagliata, è sbagliata ogni volta con totale sicurezza, cosa che cos'è un'allucinazione dell'IA spiega dal lato dell'addestramento. E la temperatura non è la leva per il tono o la lunghezza. Quelli appartengono alle istruzioni, e prompt engineering per principianti li tratta; il numero decide solo con quale frequenza il modello scommette su una parola.
Perché non hai mai visto lo slider in un'app di chat
ChatGPT, l'app Claude, Gemini e Whizi non espongono alcun controllo della temperatura. Il parametro vive nei playground e nelle API per sviluppatori, e nessuno dei tre vendor pubblica il valore usato dalla propria app. Whizi non ne invia nessuno, quindi ogni modello qui gira al default del provider di 1. Il motivo è quello sopra: il default è già l'impostazione che la maggior parte dei compiti vuole, e uno slider nel posto sbagliato trasforma un buon assistente in uno cattivo senza alcun segnale su quale manopola sia stata la causa.
Ciò che uno spazio di lavoro multi-modello ti offre al suo posto è una leva più grande. Due modelli diversi sono due elenchi di probabilità diversi, e passare dall'uno all'altro cambia la risposta molto più di quanto farebbe qualsiasi temperatura. L'abitudine che sostituisce lo slider: per un compito con una sola risposta giusta, chiedi a un secondo modello e agisci solo dove concordano; per un compito con molte risposte buone, chiedi a due modelli e scegli. In Whizi questo significa cambiare modello a metà conversazione, e cambiare modello a metà conversazione spiega cosa si porta dietro.
Se ti serve davvero la manopola, si trova nell'API o nel playground del provider stesso, per singola richiesta, e si applicano gli intervalli della tabella sopra.
- Usa 0 a 0.3 per tutto ciò che ha una sola forma giusta: estrazione, classificazione, codice
- Lascia il default di 1 per bozze e riscritture; è ciò per cui ogni provider ha ottimizzato
- Non trattare mai 0 come garanzia di output identico; salva la risposta che vuoi conservare
- Non ricorrere alla temperatura per correggere tono, lunghezza o accuratezza; quelli sono problemi di istruzioni
- Quando un'app di chat non ha uno slider, cambia invece il modello, che sposta la risposta più di qualsiasi temperatura
Domande frequenti
Cosa significa temperatura 0 nell'IA?
A temperatura 0 il modello prende sempre il suo singolo token successivo più probabile invece di campionare, quindi lo stesso prompt dà quasi sempre la stessa risposta. Il riferimento API di Anthropic dice che i risultati "non saranno pienamente deterministici" anche a 0, perché hardware e batching possono comunque introdurre piccole differenze. È l'impostazione giusta per estrazione, classificazione e codice, e non fa nulla per rendere più corretta la risposta più probabile.
Qual è la temperatura migliore per ChatGPT?
L'app ChatGPT non permette di impostarla, e OpenAI non pubblica il valore usato dall'app. Tramite API, usa 0 a 0.3 per output strutturato ed estrazione fattuale, 0.7 a 1 per la scrittura, e sopra 1 solo per testo creativo volutamente vario. I modelli di ragionamento di OpenAI restituiscono un errore se invii il parametro.
Qual è la differenza tra temperatura e top-p?
La temperatura rimodella l'intero elenco di probabilità, rendendolo più netto o più piatto. Top-p taglia l'elenco, mantenendo solo i token più probabili le cui probabilità sommano a p ed estraendo da quelli. Entrambi riducono o aumentano la casualità. OpenAI consiglia di cambiare uno o l'altro, e Anthropic rifiuta una richiesta che imposta entrambi su Opus 4.1 e versioni successive.
Una temperatura più alta rende l'IA più creativa?
Fa sì che il modello scelga più spesso parole meno probabili, il che si legge come creativo fino a circa 1.3 e come incoerente oltre circa 1.5. In un esempio pratico, alzare la temperatura da 1 a 2 fa salire il quinto candidato migliore da una probabilità del 5 percento all'11 percento su ogni token, e questo si accumula su una risposta lunga. La creatività intesa come un'idea migliore viene dal prompt e dal modello, non dalla manopola.
Posso cambiare la temperatura in Whizi?
No. Whizi non invia alcuna temperatura, quindi ogni modello gira al default del proprio provider; anche ChatGPT, l'app Claude e Gemini non espongono alcun controllo e non pubblicano alcun valore. La leva equivalente in uno spazio di lavoro multi-modello è il selettore di modello: due modelli sono due distribuzioni di probabilità diverse, e cambiare a metà conversazione modifica una risposta più di qualsiasi impostazione di temperatura.
