# AI 拆掉了温度旋钮，严谨模式原来没接线 > Anthropic 的 2026-10-21 API 版本移除了三个采样参数。真实损失是少了一种控制输出分布的手段，不是关掉了事实开关。低温有用，但把它贴成‘严谨模式’，会把一致性与正确性一起卖错。 - 作者：芝士AI吃鱼 - 发布日期：2026-10-24 - 栏目：[AI锐评](https://ai-knowledgepoints.cn/commentary)（观点与分析） - 主题：AI锐评、Claude、模型采样、AI可靠性 - HTML 正文：[https://ai-knowledgepoints.cn/blog/commentary-2026-10-24-sampling-control-truth](https://ai-knowledgepoints.cn/blog/commentary-2026-10-24-sampling-control-truth) - Markdown 永久链接：[https://ai-knowledgepoints.cn/blog/commentary-2026-10-24-sampling-control-truth/index.html.md](https://ai-knowledgepoints.cn/blog/commentary-2026-10-24-sampling-control-truth/index.html.md) - 原始来源：[Anthropic API 版本说明、迁移指南与幻觉缓解文档](https://platform.claude.com/docs/en/api/migration-2026-10-21) 引用本文时，请注明作者与 HTML 正文链接。Markdown 版本用于机器阅读，与 HTML 正文共享同一内容来源。 ## 正文 一份 AI 写的报告被退回来，批注只有一句：“这篇参考文献，查不到。” 产品评审桌旁，有人指着控制台上的滑块说：“是不是创造力太高了？” 于是，滑块被拖到最左边。旁边的标签也改了，从“温度”改成“严谨模式”。界面立刻专业起来，仿佛那篇不存在的论文终于收到了撤稿通知。 可它甚至没发表过。 这是原创假设场景，不是作者的产品使用经历，也不是某家公司的真实评审记录。它戳中的，是 AI 产品里一个很省事的误会：既然机器会乱说，把“随机”调低，它大概就会认真一点。 2026 年 10 月 21 日，Anthropic [发布了新的 API 版本](https://platform.claude.com/docs/en/release-notes/overview)。新版本移除了 `temperature`、`top_p`、`top_k` 三个采样参数。本文写于 10 月 24 日，讨论的是三天前的接口变化，不是“今天所有 AI 突然取消了温度”。 这次，控制台上的旋钮真的被拆走了一部分。 值得惋惜的是失去的控制能力。值得顺手揭掉的，则是上面那张“严谨模式”的贴纸。前者确实接着线，后者从来没有它承诺的那条电路。 ## 拆的是旋钮，不是采样本身 先把接口范围说清，否则一篇讨论可靠性的文章，会先制造一次不可靠的迁移建议。 [官方版本说明](https://platform.claude.com/docs/en/api/versioning)规定，在 `2026-10-21` 版本的 Messages API 中，发送上述任一参数都会得到 400 错误。不是参数值太激进才报错，也不是只针对某一个模型。[迁移指南](https://platform.claude.com/docs/en/api/migration-2026-10-21)进一步说明，即使传入默认值也不行；不传这些参数时，仍按默认值采样，其中 `temperature` 为 1.0。 所以，这不是“模型不再随机”，更不是“厂商终于实现了确定性回答”。变化发生在调用方能提交哪些控制参数，而不是模型从此不用采样。 旧调用也没有一夜之间全部失效。迁移指南明确保留了选择：依赖非默认采样值的请求，可以继续使用 `2023-06-01` 版本，前提是所用模型支持这些取值。官方举出的例子是 Claude Sonnet 4.6；像 Claude 4.7 及之后本就只接受默认值的模型，不能靠旧版本凭空拿回一个原本不存在的能力。Amazon Bedrock 对新版本的支持另有模型范围，也不能把原生 API 的描述无条件套到每个托管入口。 开发者真正需要留意的是默认值会跟着明确的版本升级走。迁移指南列出的 Python SDK 2.0.0、TypeScript SDK 1.0.0 等新主版本改为发送新 API 版本；更早的 SDK 发送旧版本。这不是“随便更新一个小补丁都会切换”，但也不是“业务代码没改，所以请求语义一定没变”。 如果一个曾经靠低温减少输出变化的应用，在迁移后只删掉报错字段，它修好的只是请求能否被受理。输出特征是否还满足业务要求，是另一件需要重新检查的事。 这里的事实均来自官方文档。本文没有调用这些版本做对照实验，也没有测出某个模型究竟变得多不稳定。 ## “每次说得差不多”，不是“这次说得对” 温度有实际作用，不能因为它不是事实开关，就把它说成安慰剂。 在通常的采样解释里，温度改变候选 token 的相对概率分布。低温通常会让概率较高的选择更占优势；`top_p`、`top_k` 则以不同方式限制采样候选范围。它们作用于生成选择，不是去数据库里核验某篇论文是否真的存在。 这两件事之间，隔着整个产品验收。 假设一段上下文把错误作者名重复写了好几次，模型最倾向续写的恰好也是那个错误名字。让它更偏向高概率选择，并不会自动把作者改对。哪怕某个理想化设置能保证同一输入得到完全相同的字符串，那也只意味着同一个错误可以准时来上班。 现实中，温度设成零也不能被当作跨服务、跨版本的通用确定性保证。采样配置、模型版本和服务实现都需要具体看待。更何况，字符串完全相同与事实正确，本来就不是同一项承诺。 这就是“严谨模式”那张贴纸的问题。它把一个关于输出分布的选项，翻译成了一个关于可信度的许诺。 滑块越容易操作，许诺就越容易被忽略。用户不需要理解概率分布，他只看见右边写着“创意”，左边写着“准确”。把滑块拖过去，心理上已经完成了一次质量检查。系统却可能什么证据都没查。 因此，这里的批评不是针对使用低温的人，而是针对偷换后的产品解释。让同一任务的措辞少一点变化，有时很重要；把这个收益包装成“不胡说”，会让使用者把该留给核验的注意力交给一个滑块。 拆掉旋钮也不会自动解决这种偷换。它可能改名叫“专业助手”，藏进提示词，继续出售同一种安心感。控制面板变简洁了，承诺却仍然接错线。 ![新 API 版本不再接受三个采样参数，但仍使用默认采样。采样控制影响生成分布，事实验收需要检查证据，两者不能互相替代。](https://ai-knowledgepoints.cn/images/commentary/commentary-2026-10-24-sampling-control-truth/sampling-truth.svg) AI 辅助制作的原创机制图。接口变化来自 Anthropic 官方文档，验收关系为本文分析；箭头不表示实测收益或真实系统拓扑。按明确的文字视觉要求绘制，未声称读取不可见的图像参考。 [查看竖版大图](https://ai-knowledgepoints.cn/images/commentary/commentary-2026-10-24-sampling-control-truth/sampling-truth-mobile.svg) ## 别把失去的控制，说成用户终于被教育了 如果文章到这里就宣布“温度没用，删得好”，那只是换一张贴纸。 对一些任务，输出变化本身就会制造成本。团队可能希望同一条分类规则少换几种说法，希望生成的草案更接近指定风格，也可能已经围绕某个采样配置积累了测试样本。低温不是万能保证，却可以是他们确实使用过的一项控制手段。 Anthropic 的迁移指南并没有说这些需求都是误解。它直言：在支持其他取值的模型上，降低温度带来的更一致输出效果会丢失，没有另一个设置可以直接替代。这句说明，比“你只需要写好提示词”诚实得多。 提示词能表达约束，与提供同一种采样控制，不是一回事。不能因为二者都可能影响输出，就假装它们可以一比一互换。也不能凭一个接口变动，推断厂商已经证明所有旧配置都没价值，或者断言它正在故意让结果更差。公开文档不足以支持这样的动机判断。 真正需要重新摆放的，是控制和验收的位置。 还是那份找不到参考文献的报告。即使它连续生成几次，标题、作者和年份都没有变，审核者仍然需要去看来源。如果文献存在，还要看它是否真的支持报告里的判断。反过来，两次措辞不同，也未必意味着其中一次事实错误；同一个结论可以有不止一种合格表述。 这不是让每个 AI 应用都配一间审讯室。随手写一段生日祝福，与向客户提交一份有出处的技术比较，风险不同，验收强度当然可以不同。问题在于，验收应该跟着任务后果走，而不是跟着界面上“严谨”两个字走。 [Anthropic 的幻觉缓解文档](https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations)建议允许模型承认不知道、在长文档任务中先提取相关原文、让事实性主张附带可核对的引用。这些是官方给出的缓解方法，不是消除错误的保证。引用也可能引用错，找得到一段原文也不代表推论成立，检查还得落到具体主张上。 从产品设计看，至少应该让“格式合格”“来源可查”“来源支持结论”保持可区分。格式检查通过，可以给格式通过的标识；证据尚未核对，就别顺手给整份报告盖一个可靠的章。 这里提出的是验收思路，不是本文已经运行的评测，也没有据此算出准确率或收益。它的价值恰恰在于不替未知结果预先颁奖。 ## 控制台可以少一个旋钮，不能少一张说明牌 这次变化并不能支持“采样参数从此退出整个行业”这样的结论。它是一个具体厂商、具体 API 版本及相关 SDK 的接口决策。别的平台、旧版本、不同模型能力，要分别看。 但它提供了一个很好的机会，让做 AI 产品的人重新看看自己控制台上的字。 哪些选项真的改变生成机制，哪些只是写进了提示词，哪些是业务规则的校验结果，最好别共用一套让人安心的名字。用户可以不懂 `top_p`，却有权知道按钮到底承诺了什么。失去控制能力需要被说明，尚未完成的验证也需要被看见。 那场假设中的产品评审可以继续。工程师删掉不再接受的参数，测试人员检查原来的输出约束，写报告的人去找那篇参考文献。这些工作都没有“严谨模式”四个字那么省事，但每一件都接着真实的线。 控制台空出来的位置，不必急着再放一个新旋钮。 放一张说明牌也很好：这里控制的是如何生成，不负责证明生成的内容是真的。 --- 本文由 AI 辅助整理与写作，含原创假设场景与产品分析。事实核对截至 2026 年 10 月 24 日；接口行为、SDK 范围与迁移选择来自 Anthropic 官方说明，未进行模型调用或采样对照实测。图解为原创逻辑重建，不含虚构性能数据。 想继续讨论 AI 应用怎样把可控与可信分开设计，可以看看[知识星球](https://ai-knowledgepoints.cn/planet)，也欢迎从[公众号入口](https://ai-knowledgepoints.cn/about#wechat)找到「芝士AI吃鱼」。