AI資格ドリル
資格を選ぶ↓

用語比較

TemperatureとTop-pの違い

TemperatureとTop-pは、どちらも生成AIの出力のばらつきを調整する設定で、生成AIパスポートの第5章「LMとLLM」にキーワードとして並びます。名前も用途も近いため、同じものとして覚えてしまう人が少なくありません。

違いは、何を調整するかです。Temperatureは出力のランダム性・多様性そのものを調整する設定、Top-pは出現確率の高い候補から順に確率を累積し、累積が一定の割合に達する範囲へ次の単語の候補を絞り込む設定です。

OpenAIの公式API文書は、Temperatureを0から2の間で指定するサンプリング温度と説明し、0.8のような高い値は出力をよりランダムに、0.2のような低い値はより焦点が絞られ決定的にするとしています。Top-pはこのTemperatureによるサンプリングの代替で、nucleus samplingと呼ぶ方法だと説明しています。

このページは、設問で「多様性を高めたい」「候補を絞りたい」と書かれたときに、どちらの設定を指すのか迷う人を対象にしています。数値の上限や既定値はサービスごとに違うため、試験では数字より、調整する対象の違いを答えられることを優先します。

この記事の根拠と出典

本文の主要なセクションでは、公式一次資料と照合した内容と編集部の整理を、見出しの下のラベルで区別しています。 試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。生成AIパスポートの一次情報確認日: 2026-08-31。

結論

Temperature

出力のランダム性・多様性を調整する設定。値を大きくすると多様な出力になりやすく、小さくすると焦点が絞られた決まりやすい出力になります。

Top-p

出現確率の高い候補から順に確率を足し、累積確率が指定の割合に達するまでの候補だけから次の単語を選ばせる設定。nucleus samplingとも呼びます。

違いを表で確認

比較軸TemperatureTop-p
調整する対象出力全体のランダム性・多様性次の単語として選ばれる候補の範囲
仕組みの説明値の大小で出力の多様性を直接調整する確率の高い順に累積し、一定の割合に達するまでの候補へ絞り込む
値の意味OpenAIの公式API文書では0から2の間。高い値ほどランダム、低い値ほど焦点が絞られ決定的OpenAIの公式API文書では、0.1なら確率の合計が上位10%に当たるトークンだけを考慮する
別名・分類サンプリング温度。生成AIのハイパーパラメータの一つnucleus sampling。Temperatureによるサンプリングの代替となる方法
併用の考え方OpenAIの公式API文書は、Top-pかTemperatureのどちらか一方を変えることを一般に推奨している同じ文書がTemperatureと同時に変えないことを一般に推奨している
試験での手掛かり「多様性を調整」「ランダム性」「値を大きくすると」「確率を累積」「一定の割合に達するまで」「候補を絞り込む」

どこで迷っているかを切り分ける

01

キャッチコピーの案を幅広く出したい人

同じ依頼でも毎回違う案が出てほしい場面では、出力の多様性を上げる方向です。設問がランダム性や多様性の調整だけを述べているなら、手掛かりはTemperatureです。

02

規程の要約など、毎回似た結果がほしい人

答えがぶれにくい出力を求めるなら、焦点が絞られ決定的になる低い値の方向です。ただし値を下げても内容が正しくなるわけではなく、事実の確認は別に必要です。

03

確率の低い変な単語を外したい人

確率の累積で候補の範囲を切る説明があれば、Top-pです。確率の高い側から累積して範囲を決めるため、低い確率の候補は範囲の外に残ります。

具体例で使い分ける

例 1

次の単語の候補を、確率の高い順に累積して絞る

次の単語の候補が、確率の高い順にA（50%）、B（30%）、C（15%）、D（5%）だったとします。数字は仕組みを説明するための仮のものです。

  • Top-pを0.8にすると、確率を高い順に足し、AとBで合計80%に達します。この2つが選ばれる範囲です。
  • CとDは範囲の外になるため、次の単語として選ばれません。
  • Top-pを0.5にすると、Aだけで50%に達するため、範囲はAだけになります。

結論: 確率を累積して候補の範囲を決めているので、Top-pの説明です。

例 2

同じ依頼で毎回違う案を出したい

新商品の名前案を出す場面で、実行のたびに違う案が出るようにしたいとします。

  • 候補の範囲ではなく、出力のばらつきそのものを大きくしたい要望です。
  • Temperatureの値を大きくすると、多様な出力になりやすくなります。
  • 逆に、毎回ほぼ同じ文面がほしい場合は値を小さくします。

結論: 出力の多様性を直接動かしたいので、Temperatureを選びます。

例 3

ばらつきを調整したいが、2つの設定をどう使うか迷う

出力が毎回似すぎるので、設定を見直す場面です。設定画面にはTemperatureの欄もTop-pの欄もあります。

  • OpenAIの公式API文書は、TemperatureかTop-pのどちらか一方を変えることを一般に推奨しています。
  • 2つを同時に動かすと、どちらの変更が結果に効いたのか分かりにくくなります。
  • まず一方だけを動かし、結果を見て調整します。

結論: 一方だけを変えて効果を確かめます。この推奨はOpenAIの文書の説明で、他のサービスでは仕様を確認します。

問題文から答えを選ぶ手順

  1. 1

    設問が調整している対象を読む

    出力のランダム性・多様性という全体の性質を述べていればTemperature、次の単語の候補の範囲を述べていればTop-pを疑います。

  2. 2

    確率の累積という語を探す

    確率の高い順に足す、累積確率が一定の割合に達するまで、という説明があればTop-pです。nucleus samplingも同じ方法を指します。

  3. 3

    値を大きくしたときの動きを確認する

    Temperatureは値を大きくすると多様な出力になりやすくなります。Top-pは値の意味が「累積確率の割合」なので、数値が大きいほど候補の範囲が広がる向きだと整理できます。

  4. 4

    数字の上限や既定値を暗記しない

    0から2という範囲は、OpenAIの公式API文書の記述です。サービスや版によって異なるため、設問に数値がなければ対象の違いで答えます。

試験での見分け方

  • 1出力のランダム性・多様性を調整する設定ならTemperature。
  • 2確率の高い候補から累積し、一定の割合に達する範囲へ絞るならTop-p。
  • 3nucleus samplingはTop-pの別名。
  • 4Temperatureを大きくすると多様な出力になりやすい。
  • 5OpenAIの公式API文書は、どちらか一方を変えることを一般に推奨している。
  • 6値を調整しても、出力内容が正しくなるとは限らない。

誤答しやすい選択肢

Top-pを「確率が上位p個の単語だけ選ぶ設定」と覚える

修正: pは単語の数ではなく、確率の累積の割合です。確率の高い順に足していき、その割合に達するまでの候補が範囲になります。

Temperatureを下げると正確になると考える

修正: 下げると出力は焦点が絞られ、決まりやすくなります。ただし、それは出力のばらつきが小さくなるだけで、内容の事実性の保証ではありません。

2つの設定は同じ働きなので、どちらも大きく動かせばよいと考える

修正: OpenAIの公式API文書は、どちらか一方を変えることを一般に推奨しています。働く場所が違うため、一方ずつ動かして効果を確かめます。

Top-pを大きくするとランダム性が小さくなると考える

修正: 累積確率の割合を大きくすると、範囲に入る候補が増える向きです。選べる単語が増えるので、出力は多様になり得ます。

確認問題

Q1出力のランダム性・多様性を調整するパラメータは？

答え: Temperature

出力の多様性を直接調整するのがTemperatureです。値を大きくすると、多様な出力になりやすくなります。

Q2出現確率の高い候補から累積し、一定の割合に達するまでの範囲に候補を絞る設定は？

答え: Top-p

確率の累積で範囲を決める方法で、nucleus samplingとも呼ばれます。

Q3Top-pを0.8に設定すると、確率が50%、30%、15%、5%の4候補のうち、選ばれる範囲は？（数字は説明用）

答え: 確率50%と30%の2候補

確率の高い順に足すと、2つ目で合計80%に達します。残りの2候補は範囲の外です。

Q4OpenAIの公式API文書は、TemperatureとTop-pの使い方をどう推奨している？

答え: どちらか一方を変える

同時に変えるのではなく、一方を変えることを一般に推奨しています。

到達チェック

  • Temperatureを出力の多様性の調整、Top-pを確率の累積による候補の絞り込みとして説明できる
  • Top-pのpが単語の数ではなく、累積確率の割合だと分かる
  • nucleus samplingがTop-pと同じ方法を指すと分かる
  • Temperatureを下げても内容の正しさは保証されないと説明できる
  • OpenAIの公式API文書が一方だけを変えることを一般に推奨していると言える

関連ページで確認する

よくある質問

QTemperatureとTop-pは何が違う？

A

Temperatureは出力のランダム性・多様性を調整する設定、Top-pは確率の高い候補から累積し、一定の割合に達するまでの範囲に次の単語の候補を絞る設定です。どちらも出力のばらつきに関わりますが、調整する対象が違います。

QTop-pのnucleus samplingとは？

A

Top-pと同じ方法の別の呼び方です。OpenAIの公式API文書は、Temperatureによるサンプリングの代替で、nucleus samplingと呼ぶ方法だと説明しています。

QTemperatureの値はいくつまで設定できる？

A

OpenAIの公式API文書では0から2の間です。ただしこれはそのAPIの仕様で、他社のサービスでは範囲が異なることがあります。試験では数値より、値を大きくすると多様な出力になりやすい点を押さえます。

QTemperatureとTop-pは同時に変えてもよい？

A

OpenAIの公式API文書は、どちらか一方を変えることを一般に推奨しています。理由は文書に書かれていませんが、同時に変えるとどちらの変更が結果に効いたのか分かりにくくなる、と考えられます。

QTemperatureを下げれば正確な回答になる？

A

なりません。下げると出力は焦点が絞られ、決まりやすくなりますが、内容が事実かどうかは別の話です。重要な内容は人が確認します。

シェア:XでシェアLINEでシェア

執筆: ミナト編集部（運営者情報を見る）