这是什么

我们先说一个反直觉的事实：Temperature=0 时，大模型对同一句 prompt（提示词）的输出是完全确定的——这意味着，"AI 每次回答都不一样"不是它的天性，而是一个被默认值悄悄打开的特性。

Temperature（温度）就是控制这种"随机程度"的参数，数值通常在 0–2 之间。它调节的是模型从概率分布里选字的偏好：温度接近 0，模型倾向选概率最高的字，输出稳定但可能呆板；温度升高，模型更愿意冒险选冷门字，更"有创意"但也更容易跑偏。ChatGPT、文心一言、通义千问、Claude 的 API 都暴露这个参数，但消费级 App 通常替你锁死在 0.7 左右，用户根本看不到它。

行业怎么看

主流共识是：企业级应用几乎默认 Temperature=0。"同样输入必须得到同样输出"是合规、回归测试和审计的前提。这也是为什么代码生成、数学推理、SQL 场景里，低温度几乎成了行业标配。

但也有反对声音。学术界一些研究表明，温度升高带来的"多样性"很多时候是噪音而非真正的创造力——只是把错误包装得更花哨。Anthropic 与 OpenAI 的工程师在公开分享中也更倾向用 system prompt（系统提示词）控制风格，而不是放任温度。

对普通人的影响

对企业 IT：接入大模型 API 时别再照抄示例代码里的 0.7，先明确业务需要"稳定"还是"发散"，再统一默认配置。

对个人职场：用 AI 写代码、做表格、跑分析时，温度调到 0–0.3 准确率会明显上升；写营销文案、头脑风暴再调到 0.8 以上。

对消费市场：消费级 AI 产品不让你调温度，本质是用"千人千面"的体验换掉了"可解释性"——你感觉到的"AI 有时候很聪明、有时候很笨"，多半是这条曲线在背后作祟。