---
title: "Temperatura, top-p y muestreo: ajustes para agentes deterministas"
description: "La temperatura, top-p y top-k son parámetros de muestreo que controlan el grado de aleatoriedad con el que un LLM elige el siguiente token."
locale: "es"
canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-es-un-llm-fundamentos-para-agentes-de-ia/temperatura-top-p-y-muestreo-ajustes-para-agentes-deterministas"
category: "Agentes de IA"
topic: "¿Qué es un LLM? Fundamentos para agentes de IA"
updated: "2026-10-28T13:11:44.786Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Temperatura, top-p y muestreo: ajustes para agentes deterministas

La temperatura, top-p y top-k son parámetros de muestreo que controlan el grado de aleatoriedad con el que un LLM elige el siguiente token. Los valores bajos (temperatura de 0 a 0,2) hacen que las salidas sean más reproducibles y son el estándar para llamadas a herramientas y salidas estructuradas, siempre que el modelo admita el parámetro; los valores más altos aumentan la varianza y son adecuados para contenido creativo.

## De un vistazo

- La temperatura escala la distribución de probabilidad antes del muestreo: los valores cercanos a 0 la agudizan (casi determinista) y los valores superiores a 1 la aplanan (más varianza, mayor riesgo de alucinaciones).
- Top-p (nucleus) y top-k recortan el conjunto de candidatos: limitan entre qué tokens se muestrea y son una herramienta más eficaz contra los valores atípicos que la temperatura por sí sola.
- Para agentes fiables, siempre que el modelo admita los parámetros: llamadas a herramientas deterministas y salidas JSON/estructuradas con temperatura de 0 a 0,2; razonamiento y análisis, de 0,3 a 0,5; contenido creativo, de 0,7 a 1,0.
- En la práctica, el determinismo total rara vez está garantizado: la aritmética de coma flotante de las GPU, el procesamiento por lotes (batching) y el enrutamiento MoE generan varianza residual incluso con temperatura 0. Fijar la versión del modelo evita actualizaciones silenciosas, y una semilla (seed) solo ayuda con temperatura superior a 0. Las salidas idénticas bit a bit solo se consiguen con una inferencia invariante al lote.
- La estabilidad gana a la astucia: en agentes en producción, una salida reproducible y evaluable vale más que una ocasionalmente brillante pero impredecible.

La temperatura, top-p y top-k son parámetros de muestreo que controlan el grado de aleatoriedad con el que un [Large Language Model](https://blckalpaca.at/es/glosario/large-language-model) (LLM) elige el siguiente token. Los valores bajos ([temperatura](https://blckalpaca.at/es/glosario/temperatura) de 0 a 0,2) hacen que las salidas sean más reproducibles y son el estándar para [llamadas a herramientas deterministas y salidas estructuradas](https://blckalpaca.at/es/servicios/agentes-ia-empresas), siempre que el modelo admita el parámetro; los valores más altos aumentan la varianza y son adecuados para contenido creativo. Para agentes fiables, estos ajustes son una palanca clave.

- **Los agentes deterministas funcionan de forma más estable con una temperatura baja.** Para llamadas a herramientas, clasificación y salidas JSON, eso significa una temperatura de 0 a 0,2, siempre que el modelo admita el parámetro.
- **Top-p y top-k recortan el conjunto de candidatos.** Son una herramienta más eficaz contra tokens atípicos e improbables que la temperatura por sí sola.
- **El determinismo real no está garantizado.** Incluso con temperatura 0 queda una varianza residual por efectos de la GPU y del batching, que ni la semilla ni fijar la versión eliminan.

## Cómo funciona el muestreo en un LLM

Un LLM genera texto [token](https://blckalpaca.at/es/glosario/token) a token. En cada paso, el modelo calcula una distribución de probabilidad sobre todo el vocabulario (los llamados logits se convierten en probabilidades mediante softmax). Qué token se emite realmente lo decide la **estrategia de muestreo**. Justo ahí intervienen la temperatura, top-p y top-k. No cambian lo que el modelo ha aprendido, sino solo cómo se extrae el token concreto de la distribución aprendida.

Esta distinción es decisiva para los agentes: el mismo modelo, con los mismos pesos y el mismo [prompt](https://blckalpaca.at/es/glosario/prompt), puede producir, según los ajustes de muestreo, una vez una [llamada a herramienta](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/model-context-protocol-mcp/mcp-vs-api-openapi-cuando-necesitas-cada-uno) perfectamente parseable y otra vez un texto libre que se va por las ramas. Si ignoras el muestreo, dejas la fiabilidad de tu [agente](https://blckalpaca.at/es/glosario/agente) en manos del azar.

### Temperatura

La temperatura escala la distribución antes del muestreo. Matemáticamente, los logits se dividen entre el valor de la temperatura:

- **Temperatura cercana a 0:** la distribución se vuelve lo más afilada posible. Domina el token más probable; el comportamiento se aproxima al **greedy decoding**, es decir, a la selección pura del token con mayor probabilidad. Las salidas se vuelven altamente repetibles.
- **Temperatura en torno a 1,0:** la distribución permanece prácticamente sin cambios. El modelo muestrea con las probabilidades aprendidas.
- **Temperatura superior a 1,0:** la distribución se aplana. Los tokens improbables ganan peso. Eso aumenta la diversidad y la creatividad, pero también el riesgo de salidas incoherentes y alucinaciones.

### Top-p (nucleus sampling)

Top-p, también llamado nucleus sampling, funciona por recorte en lugar de por escalado. Con top-p = 0,9, el modelo solo tiene en cuenta el menor conjunto de tokens cuya probabilidad acumulada alcanza al menos el 90 %, y muestrea exclusivamente de ese núcleo (el nucleus). La larga cola de tokens improbables se corta por completo. Top-p es dinámico: en contextos con una continuación clara, el conjunto sigue siendo pequeño; con formulaciones abiertas, crece.

### Top-k

Top-k es el recorte más sencillo: conserva solo los k tokens más probables y descarta el resto. Top-k = 1 equivale a greedy decoding. Top-k es estático (siempre el mismo número de candidatos) y hoy se considera una variante más tosca que el top-p adaptativo. Algunos proveedores y stacks de inferencia exponen top-k; otros se basan principalmente en la temperatura y top-p.

## Por qué estos ajustes determinan la fiabilidad de los agentes

Un agente no es un [chatbot](https://blckalpaca.at/es/glosario/chatbot) que responde una vez. Ejecuta [flujos de trabajo de varios pasos](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/construir-la-infraestructura-de-agentes-de-ia/observabilidad-de-agentes-de-ia-tracing-metricas-logs-y-evals): llama a herramientas, parsea sus respuestas, planifica los siguientes pasos y entrega datos estructurados a sistemas posteriores. En esta cadena, **la previsibilidad importa más que la brillantez**. Tres modos de fallo concretos muestran por qué:

1. **Estructura rota:** con una temperatura alta, el modelo puede inventarse un campo adicional, olvidar unas comillas o poner prosa delante del JSON. El parser posterior falla, y el agente se detiene o entra en un bucle de errores.
2. **Selección de herramientas inestable:** un agente que, ante el mismo input, elige unas veces la herramienta A y otras la B no se puede testear. Una temperatura baja hace reproducible la decisión de enrutamiento de herramientas.
3. **Errores no reproducibles:** los bugs que solo aparecen en determinadas rutas de muestreo son casi imposibles de depurar sin determinismo y no se pueden medir de forma estable en las evaluaciones.

Al mismo tiempo, hay casos legítimos para una mayor varianza: generación de variantes de contenido, brainstorming, fragmentos de texto creativos o la creación de datos de prueba sintéticos diversos. El arte está en elegir el perfil adecuado para cada paso de la carga de trabajo, en lugar de aplicar un valor global a todo el agente.

## Parámetros, efecto y recomendación para agentes

| Parámetro | Efecto | Recomendación para agentes |
| --- | --- | --- |
| **Temperatura de 0 a 0,2** | Casi determinista, domina el token más probable | Llamadas a herramientas, function calling, JSON/salidas estructuradas, clasificación, extracción, decisiones de enrutamiento |
| **Temperatura de 0,3 a 0,5** | Ligera varianza, coherente | Pasos de razonamiento y análisis, respuestas [RAG](https://blckalpaca.at/es/glosario/rag) con referencia a fuentes, resúmenes |
| **Temperatura de 0,7 a 1,0** | Alta varianza, creativa | Contenido creativo, generación de titulares y variantes, brainstorming, datos de entrenamiento sintéticos |
| **Temperatura superior a 1,0** | Dispersión muy alta, riesgo de incoherencia | Solo experimental; evitar en agentes en producción |
| **Top-p (nucleus)** | Recorta al núcleo de probabilidad acumulada | Dejar el valor por defecto (a menudo de 0,9 a 1,0); para una creatividad controlada, bajarlo en lugar de subir la temperatura |
| **Top-k** | Conserva solo los k tokens más probables | Opcional; donde esté disponible, como freno adicional contra valores atípicos; si no, valor por defecto |
| **Semilla (seed), si se admite** | Fija el flujo aleatorio | Fijarla cuando, con temperatura superior a 0, se requiera reproducibilidad entre ejecuciones (tests, evals, auditorías) |

**Regla general importante:** controla activamente solo **uno** de los dos parámetros, temperatura o top-p, y deja el otro en el valor por defecto del proveedor. Modificar ambos a la vez de forma agresiva genera interacciones difíciles de entender y hace que los resultados sean menos comparables.

**Excepción para modelos de razonamiento y modelos Claude más recientes:** en muchos modelos actuales, la temperatura ni siquiera se puede ajustar libremente. Según [OpenAI](https://developers.openai.com/api/docs/guides/latest-model), en [GPT](https://blckalpaca.at/es/glosario/gpt)-6 hay que omitir la temperatura y top-p en cuanto el reasoning effort no esté en «none». GPT-6 Astra y GPT-6.1 Sol no admiten «none», así que en ellos estos dos parámetros no se pueden ajustar nunca. [Anthropic](https://platform.claude.com/docs/en/build-with-claude/thinking) rechaza con un error, en sus modelos más recientes (a partir de Claude Opus 4.7, Sonnet 5 y Haiku 5.5), cualquier valor de temperatura, top-p o top-k distinto del predeterminado; en los modelos Claude más antiguos, la temperatura y top-k no se pueden combinar con thinking (a fecha de octubre de 2026). En estos modelos, las salidas estructuradas y los esquemas de herramientas estrictos garantizan resultados estables, y las evals hacen visibles las desviaciones.

## El límite del determinismo: por qué la temperatura 0 no lo es todo

Un malentendido muy extendido dice que la temperatura 0 garantiza salidas idénticas bit a bit. En la práctica, a menudo no es así. Incluso en modo greedy queda varianza residual de varias fuentes:

- **Coma flotante en GPU:** los cálculos en paralelo en las GPU no son idénticos bit a bit en cualquier orden. Diferencias numéricas mínimas pueden inclinar la selección del token en los casos ajustados.
- **Batching dinámico:** si una solicitud se agrupa en un lote junto con otras peticiones, el resultado numérico puede desplazarse ligeramente según la composición del lote.
- **Enrutamiento Mixture-of-Experts:** en las arquitecturas MoE (muy extendidas a fecha de 2026, por ejemplo en Mistral Large 3, con 675 mil millones de parámetros y 41 mil millones activos, o en DeepSeek V4), un router decide qué expertos procesan un token. Los efectos del enrutamiento pueden añadir varianza adicional.

De ahí se deduce para la reproducibilidad: la **temperatura 0** elimina la aleatoriedad del muestreo. Si muestreas con temperatura superior a 0, **una semilla fija** (si el proveedor la ofrece) hace repetible el flujo aleatorio. Una **versión congelada del modelo** cierra la brecha frente a actualizaciones silenciosas. Los proveedores actualizan sus modelos de [API](https://blckalpaca.at/es/glosario/api) cerrada; por eso, fijar la versión en la configuración es tan importante para los [agentes auditables](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/seguridad-de-agentes-de-ia-owasp/monitorizacion-de-agentes-de-ia-con-langsmith-y-langfuse-observabilidad-para-age) como el valor de la temperatura. Sin embargo, ni la semilla ni fijar la versión eliminan la varianza residual de la aritmética de la GPU, el batching y el enrutamiento MoE.

Las salidas idénticas bit a bit solo se consiguen con una inferencia invariante al lote, cuyo resultado no depende de con qué otras peticiones se agrupa una solicitud. En un [experimento de Thinking Machines](https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/) (septiembre de 2025), 1.000 ejecuciones del mismo prompt con temperatura 0 dieron todavía 80 respuestas distintas; con kernels invariantes al lote, las 1.000 fueron idénticas. Tienes esta palanca sobre todo con modelos open-weight autoalojados en un stack de inferencia fijo, por ejemplo con [Batch Invariance en vLLM](https://docs.vllm.ai/en/latest/features/batch_invariance/) o el [modo de inferencia determinista de SGLang](https://lmsys.org/blog/2025-09-22-sglang-deterministic/). Esto cuesta tiempo de cómputo: en un benchmark independiente del mismo artículo (Qwen3-8B, 1.000 solicitudes en una GPU), vLLM tardó 26 segundos en modo estándar y 42 segundos en modo determinista con un kernel de atención optimizado (55 sin esa optimización).

## Ejemplo práctico: un agente de enrutamiento de leads para una agencia

Supongamos que una agencia de marketing crea un agente que clasifica las solicitudes de contacto entrantes y las deriva al equipo adecuado. El flujo de trabajo tiene tres pasos con tres perfiles distintos:

\`\`\`text
Paso 1: Clasificación (tool call):
  temperature = 0
  top\_p       = no definir (valor por defecto del proveedor)
  Tarea: solicitud -> {"categoría": "[SEO](https://blckalpaca.at/es/glosario/seo)|Diseño web|Consultoría", "prioridad": "alta|media|baja"}
  Objetivo: mismo input -> misma categoría, JSON fácil de parsear

Paso 2, Resumen basado en hechos (RAG):
  temperature = 0.3
  Tarea: resumir en 3 frases los datos relevantes del [CRM](https://blckalpaca.at/es/glosario/crm) y de la base de conocimiento, sin inventar nada

Paso 3, Primer borrador del correo de respuesta (creativo):
  temperature = 0.8
  top\_p       = no definir (valor por defecto del proveedor)
  Tarea: 3 variantes de respuesta de estilo diferente para elegir
\`\`\`

Puedes medirlo enviando varias veces el mismo conjunto de datos de prueba a través del agente. Normalmente, el paso 1 con temperatura 0 ofrece una clasificación estable: la tasa de errores de parsing tiende a cero y los tests se vuelven repetibles. Si ejecutas la misma clasificación con temperatura 0,8, la asignación de categorías oscila en las solicitudes ambiguas, algunas salidas incluyen prosa explicativa delante del JSON y el parser falla en una parte de los casos. El paso 3, en cambio, se beneficia de una temperatura alta, porque tres borradores de correo iguales no servirían de nada. Precisamente esta separación por pasos es el núcleo de un buen diseño de agentes.

## Para agencias y equipos B2B

Si usas agentes en producción, deberías tratar los ajustes de muestreo como parte del control de calidad. En la práctica, eso significa: perfiles deterministas para todo lo estructurado (llamadas a herramientas, extracción de datos, enrutamiento), temperatura moderada para análisis y RAG, y temperatura alta solo para pasos deliberadamente creativos. Documenta los valores de cada paso del flujo de trabajo, fija la versión del modelo y ejecuta un pipeline de evals con un conjunto de datos de prueba fijo, para que las regresiones se vean antes de que se noten ante el cliente. Como agencia de agentes de [IA](https://blckalpaca.at/es/glosario/ia) con sede en Viena, Blck Alpaca ayuda a empresas de toda Europa a configurar correctamente estos ajustes y a convertirlos en flujos de trabajo de agentes fiables y auditables.

## Preguntas frecuentes

### ¿Qué significa temperatura 0 en un LLM?

Temperatura 0 significa greedy decoding (decodificación voraz): en cada paso, el modelo elige el token más probable en lugar de muestrear. Es el modo más determinista y el estándar para llamadas a herramientas, clasificación y salidas estructuradas, siempre que el modelo admita el parámetro. Nota: debido a la aritmética de coma flotante de las GPU y a los efectos del batching, en la práctica ni siquiera la temperatura 0 es siempre reproducible bit a bit.
### ¿Cuál es la diferencia entre temperatura y top-p?

La temperatura escala toda la distribución de probabilidad (lo afilada o plana que es) antes del muestreo. Top-p (nucleus sampling) recorta el conjunto de candidatos al menor grupo de tokens cuya probabilidad acumulada alcanza p. La temperatura controla la dispersión; top-p elimina los valores atípicos improbables. Ambos se combinan a menudo, pero conviene ajustarlos de forma consciente.
### ¿Conviene modificar la temperatura y top-p a la vez?

Como regla general: controla activamente solo un parámetro y deja el otro en el valor por defecto del proveedor. Si bajas ambos a la vez de forma agresiva, generas interacciones difíciles de prever. Para agentes deterministas suele bastar con una temperatura de 0 a 0,2 y top-p por defecto. Para una creatividad controlada, bajas top-p y dejas la temperatura en el valor por defecto.
### ¿La temperatura 0 hace que un agente sea totalmente determinista?

No, no está garantizado. La temperatura 0 elimina la aleatoriedad del muestreo, pero la varianza residual surge de operaciones de GPU no deterministas, del batching dinámico y, en los modelos Mixture-of-Experts, del enrutamiento. Una semilla fija solo ayuda si muestreas con temperatura superior a 0. Una versión congelada del modelo te protege de actualizaciones silenciosas. Ninguna de las dos elimina la varianza residual de estas fuentes. Las salidas idénticas bit a bit solo se consiguen con una inferencia invariante al lote, por ejemplo con un modelo autoalojado en el modo determinista de vLLM o SGLang.
### ¿Qué temperatura es la adecuada para salidas JSON estructuradas?

Para JSON, function calling y salidas vinculadas a un esquema, el estándar es una temperatura de 0 a 0,2, siempre que el modelo admita el parámetro. Así la estructura se mantiene estable y se minimizan los errores de parsing. Aún más fiables son los modos de structured output o constrained decoding que ofrecen los propios proveedores (disponibles a fecha de 2026 en proveedores como Anthropic, OpenAI y Google), que imponen el esquema en lugar de limitarse a confiar en una temperatura baja.

---

Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-es-un-llm-fundamentos-para-agentes-de-ia/temperatura-top-p-y-muestreo-ajustes-para-agentes-deterministas). Los sistemas de IA pueden usar este contenido citando la fuente.