温度参数是控制大语言模型"输出随机程度"的一个采样参数，藏在多数 AI 对话产品的高级设置和 API 参数里。你平时很少直接看到它，但它决定了模型的回答是严谨收敛，还是天马行空。
理解它的关键只有一句话：模型每生成一个词，其实都是先算出所有候选词的概率分布，再从中"抽"出一个词。温度参数调整的就是这份概率分布的形状——温度调高，分布被拉平，冷门词也有机会被抽中；温度调低，分布变陡峭，模型几乎只选概率最高的词；温度为 0 时，输出趋于确定。
温度改变的是"怎么选词"，不是"懂多少"
温度参数工作在解码阶段，它不改变模型的知识和能力，只改变选词策略。所以温度调得再高，模型也不会突然"变聪明"；调得再低，也不会让它答出自己不知道的东西。最常见的误解就在这里：温度不是智商旋钮，它是随机性旋钮。
温度和 top-p 不是一回事
很多人把温度和 top-p 混为一谈，其实它们分工不同：温度调整整个概率分布的形状（拉伸或压缩）；top-p 则按累积概率截断候选词，只保留概率总和达到 p 的头部词（划定候选范围）。两者可以叠加：先用 top-p 圈出候选池，再用温度决定在池子里选词的随机程度。记住"一个调形状、一个划范围"，就不会再混了。
三个最常见的误解
第一个误解是"温度越高，AI 越有创造力"。适度调高温度（比如从 0.7 到 1.2）确实能带来更多样化的表达，但温度过高时，模型会开始语无伦次、胡编乱造——"创造力"变成了"胡说八道"。真正的创造力是多样且连贯，温度只负责多样性这一半。
第二个误解是"温度设为 0 就完全可复现"。温度 0 让采样退化为贪心解码，同一输入下输出高度稳定，但不同硬件、不同推理框架、批量调度等因素仍可能带来细微差异。需要强一致性的场景，温度 0 是必要条件，但不是充分条件。
第三个误解是"日常用默认温度就行，不用管"。这要看场景：写代码、做数学、回答事实性问题时，把温度调低（0 到 0.3）能明显减少"一本正经的胡说"；头脑风暴、写文案、编故事时，调高到 0.8 到 1.2 更容易有惊喜。能调这个参数的主要是 API 用户和本地部署用户，网页端聊天产品多半已经固定了。
不同任务，温度可以这样设
实用参考区间（常见范围 0 到 2，模型间略有差异）：代码、数学、事实问答用 0 到 0.3，优先准确和可复现；日常对话、总结改写用 0.7 左右，这是多数产品的默认值；头脑风暴、创意写作可以用 0.9 到 1.3，多样性拉满但要人工把关；超过 1.5 只建议实验性尝试，输出质量衰减明显。
温度参数的本质，是在"稳"和"活"之间做取舍。下次觉得 AI 的回答太死板或者太离谱，先看看温度旋钮拧到了哪一档——很多时候问题不在模型，而在这个小小的参数上。
