Temperatura é o parâmetro que controla o quanto um modelo de linguagem se permite variar ao escolher a próxima palavra. Tecnicamente, ele escala os valores de probabilidade antes do sorteio: temperatura baixa concentra a escolha na opção mais provável, temperatura alta espalha a probabilidade e torna saídas menos óbvias mais acessíveis. Na prática de mercado virou sinônimo de “controle de criatividade”, e daí saiu a crença mais difundida sobre ele — a de que temperatura zero produz resposta determinística, sempre idêntica para o mesmo prompt. Isso é falso, e há experimento reproduzível medindo: em 1.000 chamadas a temperatura zero, com o mesmo prompt e o mesmo modelo, pesquisadores obtiveram 80 respostas distintas. Os primeiros 102 tokens saíram iguais em todas; a divergência começou no token 103, e a versão mais frequente apareceu 78 vezes entre as mil.
⚠️ E a explicação popular para isso também está errada
Este verbete tem um mito dentro do outro, e o segundo é mais interessante que o primeiro.
Quem já sabia que temperatura zero não garante determinismo costuma atribuir isso a imprecisão de ponto flutuante em GPU — somas em paralelo que dão resultados minimamente diferentes conforme a ordem. Os autores do experimento rejeitam essa explicação de forma explícita: dizem que ela não revela o quadro completo, e que esse tipo de operação está “completamente não envolvido” no não-determinismo de inferência.
A causa real é outra, e tem consequência prática direta. Os cálculos internos do modelo produzem resultados numericamente diferentes conforme o tamanho do lote de requisições processado junto — e esse tamanho varia com a carga do servidor. Traduzindo:
A resposta que você recebe depende de quantas outras pessoas estão usando a API naquele instante.
Não é aleatoriedade do modelo: é efeito da infraestrutura compartilhada. Quando os pesquisadores ajustaram os cálculos para serem invariantes ao tamanho do lote, as 1.000 respostas ficaram idênticas — o que confirma o diagnóstico.
Sobre “temperatura alta aumenta a criatividade”
Uma nota de honestidade, porque a afirmação é repetida em praticamente todo tutorial: não localizamos estudo com metodologia declarada que meça o efeito da temperatura sobre criatividade ou acurácia da saída.
O que o parâmetro faz é mecanicamente claro — aumenta a dispersão da escolha. Que isso produza texto mais criativo, e não apenas mais errático, é uma interpretação que circula sem origem experimental rastreável. Use o parâmetro sabendo o que ele faz de fato, e meça o resultado no seu caso em vez de confiar na regra de bolso.
O que isso muda na prática
A consequência mais concreta atinge quem faz teste A/B de conteúdo gerado por IA: a re-execução do mesmo prompt não reproduz a mesma saída, mesmo com temperatura zero e todos os parâmetros fixos. Isso quebra o pressuposto de que basta versionar o prompt.
- Versione a saída aprovada, não só o prompt. Para peça que vai ao ar, guarde o texto final — reexecutar depois pode produzir outro.
- Não conte com reprodutibilidade exata em auditoria. Se precisar demonstrar como uma decisão foi tomada, registre entrada e saída no momento, porque refazer não garante o mesmo resultado.
- Temperatura baixa para tarefa estruturada — classificação, extração, roteamento, saída em JSON. Reduz a variação, ainda que não a elimine.
- Teste antes de assumir. Rode o mesmo prompt de 10 a 20 vezes e observe a dispersão real. É o que separa expectativa de comportamento.
Vale a conexão com agente de IA: parte da inconsistência que os testes de agentes medem sob repetição tem essa mesma origem. E a instrução que molda o comportamento base está em system prompt.
Fontes
- Defeating Nondeterminism in LLM Inference — Thinking Machines Lab, 10/09/2025; 1.000 completions, 80 resultados distintos
Leitura das fontes em 17/08/2026.