---
title: "什么是 seed 参数？让大模型输出可复现 | BroadRouter"
description: "seed 参数让大模型 API 在重复请求时按同样的方式采样。seed 和 system_fingerprint 如何工作，以及为什么确定性只是“尽力而为”。"
url: https://broadrouter.com/zh/glossary/seed-parameter/
lang: zh-Hans
updated: 2026-11-15
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/seed-parameter/) (2026-11-15 更新).

# seed 参数（随机种子）

更新于 2026-11-15

seed 参数是随请求发送的一个整数，让 API 在重复同一请求时尽量采样出相同的 token。OpenAI 称其为尽力而为：不保证确定性，system\_fingerprint 字段会显示后端配置何时发生了变化。

又称： 随机种子、种子参数、可复现输出、确定性输出、random seed、reproducible outputs、deterministic outputs、system\_fingerprint

采样本来就是故意随机的。seed 把随机性固定下来，让重跑一次有机会得到和第一次一样的结果。

## 工作原理

当[温度](https://broadrouter.com/zh/glossary/temperature/)大于零时，服务器会从模型的分布中随机抽取每一个下一个 token。这些抽取由随机数生成器驱动。把它的初始值，也就是 seed 固定下来，同一个请求就应该得到同样的抽取结果。

OpenAI 的参考文档把 `seed` 标为 Beta。cookbook 说 “our system will make a best effort to sample deterministically”（译文：我们的系统会尽力进行确定性采样）。要得到一致的输出，它要求在各次请求之间保持以下内容不变：

-   `seed` 整数，
-   提示词和消息，
-   `temperature`、[top\_p](https://broadrouter.com/zh/glossary/top-p/) 和 `max_tokens`。

响应中包含 `system_fingerprint`，OpenAI 说它 “represents the backend configuration that the model runs with”（译文：代表模型运行所用的后端配置）。如果两次运行之间它变了，即使 seed 相同，输出也可能不同。

```python
r = client.chat.completions.create(
    model=MODEL, seed=42, temperature=0.7,
    messages=[{"role": "user", "content": "Name a colour."}],
)
print(r.choices[0].message.content, r.system_fingerprint)
```

开源模型服务器也有同样的开关。vLLM 的 `SamplingParams` 有 `seed`，即 “Random seed to use for the generation”（译文：生成时使用的随机种子），默认为空。

## 为什么重要

-   **评测。** 在[评测（eval）](https://broadrouter.com/zh/glossary/eval/)中比较提示词或模型时，固定 seed 能减少多次运行之间的噪声。但仍要跑多个样本；尽力而为不等于保证。
-   **调试。** 带 seed 的请求让奇怪的回复更容易复现。
-   **缓存。** 如果你缓存响应，请把 seed 加进缓存键，就像[响应缓存](https://broadrouter.com/zh/blog/cache-llm-responses-cut-cost/)一文那样做。

## 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-seed-parameter&utm_content=body)没有说明 `seed` 或 `system_fingerprint`。依赖它之前请先测试：把同一个带 seed 的请求发送五次，比较输出。如果结果不同，就降低温度，保存你需要的输出，并在多个样本而不是单个样本上做评估。[迁移代码详解](https://broadrouter.com/zh/blog/migrate-from-openai-api-code-walkthrough/)把 seed 列为需要测试或删除的 OpenAI 字段之一。

## 常见错误

-   把 seed 当成逐字节一致输出的承诺。
-   两次运行之间改了 max\_tokens 或系统提示词，却把差异归咎于 seed。

## 常见问题

### 同样的 seed 一定会得到同样的回答吗？

不一定。OpenAI 说 "Determinism is not guaranteed"（译文：不保证确定性），并且即使参数和 system\_fingerprint 都一致，仍有 "a small chance that responses differ"（译文：回复不同的小概率）。

### 温度设为 0 和设置 seed 是一回事吗？

不完全是。低温度让概率最高的 token 极有可能被选中；seed 则固定随机抽取。很多团队两者都用，但单靠其中任何一个都不能保证输出完全相同。

### BroadNet Inference 支持 seed 吗？

BroadNet 的 API 参考没有说明 seed 或 system\_fingerprint。依赖它之前，请把同一个带 seed 的请求发送几次，比较结果。

## 另请参阅

-   [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)
-   [评测（eval，LLM evaluation）](https://broadrouter.com/zh/glossary/eval/) (术语)
-   [Logprobs（对数概率）](https://broadrouter.com/zh/glossary/logprobs/) (术语)
-   [Chat Completions API（对话补全接口）](https://broadrouter.com/zh/glossary/chat-completions-api/) (术语)
-   [频率惩罚与存在惩罚（frequency / presence penalty）](https://broadrouter.com/zh/glossary/frequency-and-presence-penalty/) (术语)
-   [大模型基准测试（LLM benchmark）](https://broadrouter.com/zh/glossary/llm-benchmark/) (术语)
-   [缓存大模型 API 响应以降低成本：用 Python 实现精确匹配缓存](https://broadrouter.com/zh/blog/cache-llm-responses-cut-cost/) (文章)
-   [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)
-   [从 OpenAI API 迁移：Python、Node 和 cURL 代码实战](https://broadrouter.com/zh/blog/migrate-from-openai-api-code-walkthrough/) (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-seed-parameter&utm_content=page-cta) ·

**来源**

-   [OpenAI API 参考：创建对话补全（seed、system\_fingerprint）（2026-11-15 查阅）](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook：用 seed 参数获得可复现输出（2026-11-15 查阅）](https://developers.openai.com/cookbook/examples/reproducible_outputs_with_the_seed_parameter)
-   [vLLM 文档：SamplingParams（seed）（2026-11-15 查阅）](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
