Fabrício Mainenti
RedatorChatGPT, Gemini, Claude, DeepSeek e outras inteligências artificiais (IA) parecem simples: digitamos, enviamos uma solicitação ou pergunta e recebemos uma resposta. No entanto, por trás dessa simplicidade existem dois parâmetros que influenciam fortemente a qualidade da resposta que obtemos — e eles frequentemente passam despercebidos.
Não podemos ajustar diretamente a temperatura e a extensão da resposta nas interfaces de chat padrão; essas configurações geralmente são acessadas via APIs ou ferramentas avançadas. A boa notícia, porém, é que podemos simular seus efeitos usando o prompt adequado.
A temperatura afeta a criatividade da resposta, enquanto a extensão determina o nível de detalhamento do modelo de IA. O mais importante é que a combinação de ambos permite transformar completamente o resultado de uma mesma pergunta.
O que esses dois parâmetros realmente fazem
Os modelos de linguagem que usamos hoje não "sabem" as respostas para nossas perguntas. Na realidade — em linhas gerais — eles calculam a próxima palavra mais provável, uma de cada vez. É só isso. Nesse contexto, a temperatura determina em que medida o modelo se desvia dessa opção mais provável.
Uma temperatura baixa (próxima de 0) quase sempre seleciona a escolha previsível. Uma temperatura alta, por outro lado, permite opções menos prováveis — oferecendo mais variedade, mas também um risco maior de fugir do foco. Não existe uma temperatura "correta" única; tudo depende da tarefa.
Para resumir um contrato, explicar um conceito ou traduzir um texto, prefere-se uma temperatura baixa. Mas, para fazer um brainstorming de nomes, escrever um e-mail ou gerar ideias, o oposto é melhor.
Embora poucas interfaces de aplicativos de IA permitam ajustar esse parâmetro diretamente, podemos simular seu efeito por meio de instruções explícitas. Se digitarmos o seguinte no Claude ou no ChatGPT:
"Dê-me uma resposta muito conservadora e literal, sem especular ou adicionar suas próprias nuances",
estaremos, na prática, solicitando um comportamento equivalente a uma temperatura baixa. Se, por outro lado, escrevermos:
"Seja o mais original possível. Prefiro ideias não convencionais — até mesmo arriscadas — em vez das mais óbvias",
o modelo se comportará de maneira muito semelhante a como agiria com a temperatura definida no máximo.
Algo semelhante ocorre com a extensão da resposta, embora o mecanismo seja diferente. O modelo gera texto até decidir parar ou atingir um limite de tokens predefinido; uma resposta mais longa não significa necessariamente uma resposta melhor. Na verdade, raramente isso acontece.
Sem instruções, a maioria dos modelos tende a divagar, acrescentando nuances de que nem sempre precisamos. Por outro lado, se buscamos uma explicação detalhada, uma resposta curta deixará a desejar. O problema não é o modelo em si, mas o fato de não especificarmos a extensão desejada para a resposta.
A solução é simples: basta incluir no prompt uma instrução explícita sobre o tamanho do texto — variando de "responda em uma única frase" a "elabore com o máximo de profundidade possível". Além disso, é possível combinar os dois parâmetros: uma temperatura baixa aliada a uma resposta curta resulta em respostas cirúrgicas e precisas — ideais para temas técnicos.
Já uma temperatura alta combinada com uma resposta mais extensa permite que a IA elabore ideias e ouse mais, tornando-se perfeita para a geração de novas ideias.
Compreender ambos os parâmetros — mesmo que apenas de forma indireta, por meio das orientações que damos ao modelo em cada prompt — nos permite solicitar exatamente o que precisamos, em vez de nos contentarmos com o que a IA fornece por padrão.
Imagem de capa | gerada pelo Xataka a partir de um prompt criado pelo Gemini e inserido no ChatGPT.
Ver 0 Comentários