Pular para o conteúdo principal
Defina temperature, top_p e um limite de saída em cada solicitação para equilibrar variedade e repetibilidade, e tamanho e custo. A quantização do modelo define o teto de qualidade; esses parâmetros decidem como o modelo escolhe cada próximo token dentro desse teto.
Esta página explica o que cada controle faz e por onde começar. Para o tipo, os valores aceitos e o padrão de cada campo em cada endpoint, consulte a referência de parâmetros.

Controle a aleatoriedade

temperature e top_p alteram a aleatoriedade, então ajuste um de cada vez. Um modelo quantizado com poucos bits e com alta aleatoriedade pode deixar a saída visivelmente menos estável.

Reduza a repetição

Limite e interrompa a saída

O limite de saída é max_tokens em Chat Completions e Anthropic Messages, e max_output_tokens em Responses. Ele limita o custo e a latência; se ficar baixo demais, a resposta é truncada. Uma resposta que para antes com finish_reason: "length" atingiu o limite de saída; não é uma falha do modelo. stop recebe sequências que encerram a saída, o que facilita delimitar e interpretar a saída. Consulte Tamanho da saída e interrupção para ver os campos de cada endpoint.

Quando um provedor não aceita um parâmetro

Nem todos os provedores aceitam top_k, seed, stop ou as penalidades. Se o provedor que atende a solicitação não aceitar, o Phaseo descarta esse parâmetro em vez de rejeitar a solicitação e o lista no cabeçalho de resposta X-Phaseo-Dropped-Params. Os limites de saída nunca são descartados. Consulte Parâmetros não compatíveis para ver a lista completa.

Comece por estes valores

Dimensione max_tokens para a saída que você espera de cada tarefa, e não use um único valor alto para tudo. Ajuste cada tarefa separadamente em vez de usar um único perfil para tudo. Em tarefas criativas, aumente a aleatoriedade aos poucos e revise a saída manualmente.

Reconheça uma configuração ruim

Ajuste os parâmetros

1

Escolha primeiro o modelo e a quantização

Consulte Quantização.
2

Fixe um conjunto de avaliação

Use os mesmos prompts em todas as execuções para que os resultados sejam comparáveis.
3

Altere um parâmetro de cada vez

Compare a qualidade, a latência e o uso de tokens para cada valor.
4

Salve o resultado por tarefa

Mantenha predefinições separadas para cada endpoint ou caso de uso, para que quem faz as chamadas herde os padrões ajustados.
Última modificação em 5 de novembro de 2026