https://mhub.uk/tags/temperature/Recent content in Temperature on Simon의 AI 시대에 살아남는 법Hugoko-KR2026 mhub. 이 블로그의 모든 글·그림과 전자책(그림으로 배우는 시리즈)의 저작권은 mhub에 있으며, 저작권자의 허락 없는 무단 복제·배포·전재를 금지합니다. 이용 허락이나 오류 제보는 문의하기로 보내 주세요.Wed, 28 Oct 2026 08:30:00 +0900https://mhub.uk/posts/it-14-llm-api-sampling-parameters-comparison-2026/Wed, 28 Oct 2026 08:30:00 +0900https://mhub.uk/posts/it-14-llm-api-sampling-parameters-comparison-2026/<p>여러 LLM API를 오가며 자동화 파이프라인을 만들다 보면, 같은 이름의 파라미터라도 플랫폼마다 지원 범위와 동작이 미묘하게 다르다는 걸 자주 느낀다. 헷갈릴 때마다 매번 문서를 다시 뒤지는 대신, 한 번 정리해뒀다.</p> <h2 id="기본-파라미터-정의">기본 파라미터 정의</h2> <ul> <li><strong>temperature</strong>: 확률 분포를 얼마나 평평하게(무작위성을 높게) 만들지 조절. 값이 낮을수록 결정적이고 반복 가능한 출력, 높을수록 다양하고 창의적인 출력.</li> <li><strong>top_p (nucleus sampling)</strong>: 누적 확률이 p에 도달할 때까지의 후보 토큰만 남기고 샘플링.</li> <li><strong>top_k</strong>: 확률 상위 k개 토큰만 후보로 남기고 샘플링.</li> <li><strong>frequency_penalty / presence_penalty</strong>: 이미 등장한 토큰의 재등장 확률을 낮춰 반복을 억제.</li> <li><strong>stop_sequence</strong>: 특정 문자열이 등장하면 생성을 중단.</li> </ul> <h2 id="플랫폼별-지원-범위">플랫폼별 지원 범위</h2> <table> <thead> <tr> <th>파라미터</th> <th>OpenAI</th> <th>Claude</th> <th>Gemini(2026 최신)</th> <th>xAI Grok</th> </tr> </thead> <tbody> <tr> <td>temperature</td> <td>0~2</td> <td>0~1</td> <td>지원(단, 최신 플래시 모델은 비권장)</td> <td>지원</td> </tr> <tr> <td>top_p</td> <td>0~1</td> <td>지원</td> <td>지원(최신 모델은 비권장)</td> <td>지원</td> </tr> <tr> <td>top_k</td> <td>미지원</td> <td>지원</td> <td>지원(최신 모델은 비권장)</td> <td>지원</td> </tr> <tr> <td>frequency_penalty</td> <td>-2~2</td> <td>미지원</td> <td>제한적</td> <td>지원</td> </tr> <tr> <td>presence_penalty</td> <td>-2~2</td> <td>미지원</td> <td>제한적</td> <td>지원</td> </tr> </tbody> </table> <h2 id="눈에-띄는-트렌드-두-가지">눈에 띄는 트렌드 두 가지</h2> <p><strong>1. Claude는 애초에 파라미터 폭이 좁다.</strong> temperature도 0~1 범위로 제한되어 있고, frequency/presence penalty 자체가 없다. 게다가 최근 Opus급 최상위 모델 중 일부는 기본값 이외의 샘플링 오버라이드 자체를 거부하는 경우도 있었다. 세밀한 샘플링 튜닝보다는, 프롬프트 자체의 품질로 원하는 출력을 유도하는 방향에 무게를 두는 설계 철학으로 보인다.</p>