生成AIの出力が 「毎回ブレる」、または 「固すぎて面白くない」——
そんなときに効くのが、次の3つのパラメータです。
temperaturetopPtopK
これらは 生成AIが「次に来る単語」をどう選ぶかを制御するもので、
出力の安定性・創造性・正確性を直接左右します。
この記事では、
✅ 直感で理解
✅ 具体例で仕組みが腑に落ちる
✅ 実務用途別におすすめ値が分かる
…という流れで、プロダクション運用でも使えるレベルまで整理します。
TL;DR（覚えるならこれだけ）
- temperature：ランダム性（冒険度）
- topK：候補を「上位K個」に絞る（固定数）
- topP：候補を「確率の合計がPになるまで」絞る（可変数）
temperature は「どれだけ冒険するか」
topP / topK は「そもそも候補をどこまで許すか」
1. そもそも生成AIはどう文章を作っているのか？
生成AIは文章を一気に生成しているわけではなく、基本的に
1単語ずつ「次に来る単語の候補」を確率で持ち、そこから1つ選び続けている
という仕組みです。
例えば、次の単語候補がこうだったとします：
| 候補 | 確率 |
|---|---|
| 「です」 | 0.40 |
| 「だ」 | 0.25 |
| 「になります」 | 0.15 |
| 「ですね」 | 0.10 |
| 「だよ」 | 0.05 |
| 「っす」 | 0.03 |
| 「である」 | 0.02 |
このとき、
「どこまで候補を許すか」「どれくらいランダムに選ぶか」
を制御するのが temperature / topP / topK です。
2. temperature（テンパラチャ）とは？
✅ temperature = ランダム性（冒険度）
- 低いほど：堅い・安全・再現性が高い
- 高いほど：表現が変わる・発想が広がる・脱線もしやすい
感覚値
-
0.0：ほぼ毎回同じ（超安定） -
0.2：安定しつつ柔軟 -
0.7：自然で柔らかい文 -
1.0+：創造性は出るが正確性が落ちやすい
例：「MVCを説明して」
-
temperature = 0.0：毎回似た構成・似た文 -
temperature = 0.9：例え話が増えたり、言い回しが大きく変わる
3. topK とは？
✅ topK = 「上位K個」しか選ばない（固定）
先ほどの候補表でいうと：
-
topK = 1→ 「です」しか選ばない -
topK = 3→ 「です / だ / になります」から選ぶ -
topK = 10→ 上位10候補まで許可
特徴
- Kが小さいほど：安定（でも単調になりやすい）
- Kが大きいほど：多様性（でも変な語彙も混ざりやすい）
4. topP とは？（核サンプリング / Nucleus Sampling）
✅ topP = 「確率の合計がPに達するまで」候補を許す（可変）
候補を確率が高い順に足していき、合計が P を超えたところまでが選択対象になります。
例：topP = 0.9 の場合（上の表）
- 「です」0.40 → 合計 0.40
- 「だ」0.25 → 合計 0.65
- 「になります」0.15 → 合計 0.80
- 「ですね」0.10 → 合計 0.90 ✅
→ ここまでの4候補から選ばれる
topPの特徴
- 候補数が状況によって変わる（可変）
- 文脈が明確なほど候補は少なく、曖昧なほど多くなる
- 実運用では topKより扱いやすいケースが多い
5. topK と topP の違いを一言で
- topK：個数で切る（固定）
- topP：確率で切る（可変）
6. 3つの関係（混乱しやすいので整理）
多くの実装では概念的に以下の順で効きます：
-
topK / topPで「候補集合」を絞る -
temperatureで確率分布の差をなめらかにする - その中からランダムに1つ選ぶ
temperatureが効く直感
- temperature ↑：低確率の候補も選ばれやすくなる
- temperature ↓：高確率の候補に寄る
7. よくある失敗パターンと対策（重要）
❌ 失敗1：temperatureを上げたら嘘が増えた
創造性は上がるが、正確性が落ちることがある。
✅ 対策：事実系タスクは 0.0〜0.3 に固定
❌ 失敗2：topPを高くしすぎて文章がブレる
topP = 0.95〜0.99 は候補が増えすぎてブレやすい。
✅ 対策：0.8〜0.95あたりが扱いやすい
❌ 失敗3：topKが大きすぎて変な表現が混ざる
候補が多すぎると脱線や不自然さが増える。
✅ 対策：topKは 20〜50 が扱いやすい（用途次第）
8. 用途別おすすめ設定（実務で一番効く）
✅ (A) JSON固定・仕様書・コード生成（安定性最優先）
- temperature：0.0〜0.2
- topP：0.8〜0.9
- topK：10〜40
狙い：フォーマット崩れを減らし、再現性を上げる
✅ (B) 要約・議事録・動画チャプター（安定＋読みやすさ）
- temperature：0.2〜0.4
- topP：0.9
- topK：20〜50
狙い：読みやすさとブレのバランス
✅ (C) 企画・コピー・アイデア出し（創造性優先）
- temperature：0.7〜1.0
- topP：0.95
- topK：50〜100
狙い：アイデアの多様性を最大化
9. google.genai での設定例（Python）
google.genai SDKでは config に指定します：
from google import genai
client = genai.Client()
res = client.models.generate_content(
model="models/gemini-2.5-flash",
contents="MVCを初心者向けに説明して",
config={
"temperature": 0.2,
"top_p": 0.9,
"top_k": 40,
}
)
print(res.text)
10. 最後に：覚え方（超シンプル）
- temperature：勇気（冒険度）
- topK：候補を人数で制限
- topP：候補を確率（面積）で制限
Appendix：topPの「P」とtopKの「K」は何の略？
✅ topP の「P」 = Probability（確率）
topP は Nucleus Sampling（核サンプリング）とも呼ばれ、
「確率合計が P になるまで候補を集める」という意味です。
✅ topK の「K」 = “K個” を表す数学・統計上の記号
統計や機械学習では「上位K個」「K近傍」などで K=個数を表すのが一般的です。
推奨
実務で安定しやすい推奨セットはこれです：
- temperature = 0.2
- topP = 0.9
- topK = 40
まとめ
- temperature：ランダム性（冒険度）
- topK：上位K個（固定）
- topP：確率の合計Pまで（可変）
- 実務では topPの方が扱いやすいことが多い
- 安定運用は
temperature低め + topP低め + topK中程度