---
title: "什么是 logprobs？大模型 API 的 token 对数概率 | BroadRouter"
description: "Logprobs 是模型为每个输出 token 给出的对数概率。logprobs 和 top_logprobs 字段如何工作，以及如何用它们判断置信度。"
url: https://broadrouter.com/zh/glossary/logprobs/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。 [阅读英文原文](https://broadrouter.com/glossary/logprobs/) (2026-11-14 更新).

# Logprobs（对数概率）

更新于 2026-11-14

Logprobs 是语言模型为其生成的各个 token 给出的对数概率。返回 logprobs 的 API 会显示每个输出 token 被模型判断的可能性有多大，还可以选择列出该位置上最可能的候选 token。

又称： 对数概率、token 对数概率、token 概率、输出概率、log probabilities、token log probabilities、top\_logprobs、token probabilities

模型写出的每个 token 都是从一个概率分布里挑出来的。logprobs 把这个分布逐个 token 地展示出来。

## 工作原理

每一步，模型都会给词表中的每个 [token](https://broadrouter.com/zh/glossary/token/) 打分，再把分数转换成概率。API 可以报告所选 token 概率的自然对数。之所以用对数，是因为原始数值会变得非常小；对数相加就等于概率相乘。

在 OpenAI 的 Chat Completions API 中，用两个请求字段来获取它们：

-   `logprobs: true` 为每个输出 token 返回一个对数概率。
-   `top_logprobs` 是 “an integer between 0 and 20”（译文：0 到 20 之间的整数），表示每个位置要列出多少个可能的候选。它需要 `logprobs: true`。

`choices[0].logprobs.content` 中的每个条目包含 `token`、它的 `logprob`、它的 UTF-8 `bytes`，以及一个 `top_logprobs` 列表。用 `exp(logprob)` 换算：

| logprob | 概率 |
| --- | --- |
| 0 | 1.00 |
| \-0.105 | 约 0.90 |
| \-0.693 | 约 0.50 |
| \-2.303 | 约 0.10 |

## 为什么重要

OpenAI 的 cookbook 列出了几种实际用法：

-   **分类置信度。** 让模型输出一个单词标签，读取这个 token 的 logprob。把低置信度的条目交给人工处理。
-   **检索检查。** 询问提供的上下文能否回答问题，把 “yes” 的概率当作分数。cookbook 把这与减少[幻觉](https://broadrouter.com/zh/glossary/hallucination/)联系起来。
-   **自动补全。** 只在模型有把握时才推荐下一个词。
-   **困惑度（perplexity）。** 对整段回答的 logprobs 取平均，取负，再求 e 的该次方。困惑度越低，说明模型认为这段文本越可预测。

logprobs 还能让采样过程变得可见。调高[温度](https://broadrouter.com/zh/glossary/temperature/)或 [top-p](https://broadrouter.com/zh/glossary/top-p/) 会放进概率更低的 token，logprobs 会把这一点显示出来。它们随回答一起返回，不需要额外请求，是 [LLM-as-judge](https://broadrouter.com/zh/glossary/llm-as-judge/)（大模型评审）步骤的低成本补充。

## 在 BroadNet Inference 上

BroadNet 的 [API 参考文档](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-logprobs&utm_content=body)没有为任何模型说明 `logprobs` 或 `top_logprobs`。不要假定 OpenAI 兼容的端点一定会返回它们。发一个带 `logprobs: true` 的请求，检查 `choices[0].logprobs` 是否有内容；如果没有，就准备一个后备方案，比如评审提示词。测试所需的客户端配置见 [Python SDK 指南](https://broadrouter.com/zh/guides/openai-python-sdk/)。

## 常见错误

-   把高 logprob 当作事实正确的证据。它只说明模型预料到了这个 token。
-   在不同模型之间比较 logprobs。分词器和校准方式不同，数值不在同一个尺度上。

## 常见问题

### 怎么把 logprob 换算成百分比？

取 e 的 logprob 次方。logprob 为 -0.105 时约等于 0.90，即 90%。logprob 为 0 表示模型给这个 token 的概率是 1。

### logprobs 能衡量答案是否正确吗？

不能。它衡量的是模型对自己措辞有多大把握，而不是事实是否正确。模型完全可能信心满满地答错。

### BroadNet Inference 会返回 logprobs 吗？

BroadNet 的 API 参考没有说明 logprobs。在以此为基础开发之前，请发一个把 logprobs 设为 true 的测试请求，检查响应内容。

## 另请参阅

-   [Token（词元）](https://broadrouter.com/zh/glossary/token/) (术语)
-   [温度（temperature）](https://broadrouter.com/zh/glossary/temperature/) (术语)
-   [Top-p（核采样，nucleus sampling）](https://broadrouter.com/zh/glossary/top-p/) (术语)
-   [AI 幻觉（hallucination）](https://broadrouter.com/zh/glossary/hallucination/) (术语)
-   [LLM-as-a-judge（大模型评审）](https://broadrouter.com/zh/glossary/llm-as-judge/) (术语)
-   [用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/) (指南)
-   [切换服务商之前，如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/) (文章)

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-logprobs&utm_content=page-cta) ·

**来源**

-   [OpenAI API 参考：创建对话补全（logprobs、top\_logprobs）](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook：使用 logprobs](https://developers.openai.com/cookbook/examples/using_logprobs)
-   [BroadNet Inference API 参考 （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-logprobs&utm_content=sources)
