> Для получения чистого Markdown любой страницы добавьте `.md` к URL‑адресу страницы. > Для полного индекса документации см. https://api.vega.chat/docs/llms.txt. > Для полного содержания документации см. https://api.vega.chat/docs/llms-full.txt. > Для интеграции AI‑клиентов (Claude Code, Cursor и др.) подключитесь к MCP‑серверу по адресу https://api.vega.chat/docs/_mcp/server. # Параметры Параметры сэмплирования формируют процесс генерации токенов моделью. Вы можете отправлять любые параметры из приведённого ниже списка, а также другие, в VEGA. VEGA будет использовать значения по умолчанию, указанные ниже, если некоторые параметры отсутствуют в вашем запросе (например, `temperature` — 1.0). Мы также передаём некоторые провайдер‑специфичные параметры, такие как `safe_prompt` для Mistral или `raw_mode` для Hyperbolic, непосредственно соответствующим провайдерам, если они указаны. Пожалуйста, обратитесь к разделу провайдера модели, чтобы подтвердить, какие параметры поддерживаются. Для подробных рекомендаций по управлению провайдер‑специфичными параметрами — [нажмите здесь](/docs/guides/routing/provider-selection#requiring-providers-to-support-all-parameters-beta). ## Temperature * Ключ: `temperature` * Необязательно, **float**, от 0.0 до 2.0 * По умолчанию: 1.0 * Объясняющее видео: [Смотреть](https://youtu.be/ezgqHnWvua8) Эта настройка влияет на разнообразие ответов модели. Низкие значения приводят к более предсказуемым и типичным ответам, а высокие — к более разнообразным и редким. При значении 0 модель всегда выдаёт один и тот же ответ на одинаковый ввод. ## Top P * Ключ: `top_p` * Необязательно, **float**, от 0.0 до 1.0 * По умолчанию: 1.0 * Объясняющее видео: [Смотреть](https://youtu.be/wQP-im_HInk) Эта настройка ограничивает выбор модели процентом наиболее вероятных токенов: только те токены, чьи суммарные вероятности достигают P. Низкое значение делает ответы модели более предсказуемыми, а значение по умолчанию позволяет использовать весь диапазон токенов. По сути, это динамический Top‑K. ## Top K * Ключ: `top_k` * Необязательно, **integer**, 0 или больше * По умолчанию: 0 * Объясняющее видео: [Смотреть](https://youtu.be/EbZv6-N8Xlk) Ограничивает набор токенов, из которых модель выбирает на каждом шаге. Значение 1 заставит модель всегда выбирать наиболее вероятный следующий токен, что приводит к предсказуемым результатам. По умолчанию параметр отключён, и модель рассматривает все варианты. ## Frequency Penalty * Ключ: `frequency_penalty` * Необязательно, **float**, от -2.0 до 2.0 * По умолчанию: 0.0 * Объясняющее видео: [Смотреть](https://youtu.be/p4gl6fqI0_w) Настройка направлена на снижение повторения токенов в зависимости от того, как часто они встречаются во входных данных. Токены, часто встречающиеся во вводе, будут использоваться реже, пропорционально их частоте. Штраф масштабируется с количеством появлений. Отрицательные значения поощряют повторное использование токенов. ## Presence Penalty * Ключ: `presence_penalty` * Необязательно, **float**, от -2.0 до 2.0 * По умолчанию: 0.0 * Объясняющее видео: [Смотреть](https://youtu.be/MwHG5HL-P74) Регулирует, насколько часто модель повторяет конкретные токены, уже использованные во вводе. Более высокие значения делают такие повторы менее вероятными, отрицательные — напротив. Штраф не масштабируется с количеством появлений. Отрицательные значения поощряют повторное использование токенов. ## Repetition Penalty * Ключ: `repetition_penalty` * Необязательно, **float**, от 0.0 до 2.0 * По умолчанию: 1.0 * Объясняющее видео: [Смотреть](https://youtu.be/LHjGAnLm3DM) Помогает уменьшить повторение токенов из входа. Более высокое значение делает модель менее склонной к повторениям, но слишком большое значение может ухудшить связность текста (часто появляются «бегущие» предложения без небольших слов). Штраф масштабируется в зависимости от исходной вероятности токена. ## Min P * Ключ: `min_p` * Необязательно, **float**, от 0.0 до 1.0 * По умолчанию: 0.0 Определяет минимальную вероятность токена для его учёта, относительно вероятности самого вероятного токена. (Значение меняется в зависимости от уровня уверенности самого вероятного токена.) Если `min_p` установлен в 0.1, модель будет рассматривать только токены, вероятность которых как минимум в 10 раз меньше лучшего варианта. ## Top A * Ключ: `top_a` * Необязательно, **float**, от 0.0 до 1.0 * По умолчанию: 0.0 Учитывает только токены с «достаточно высокой» вероятностью относительно самого вероятного токена. По сути, это динамический Top‑P. Низкое значение Top‑A фокусирует выбор на токенах с наивысшей вероятностью, но в более узком диапазоне. Высокое значение не обязательно повышает креативность, а скорее уточняет процесс фильтрации на основе максимальной вероятности. ## Seed * Ключ: `seed` * Необязательно, **integer** Если указан, инференс будет детерминированным: повторные запросы с тем же seed и теми же параметрами должны возвращать одинаковый результат. Детерминизм не гарантируется для некоторых моделей. ## Max Tokens * Ключ: `max_tokens` * Необязательно, **integer**, от 1 и выше Устанавливает верхний предел количества токенов, которые модель может сгенерировать в ответе. Модель не превысит этот лимит. Максимальное значение — длина контекста минус длина подсказки. ## Max Completion Tokens * Ключ: `max_completion_tokens` * Необязательно, **integer**, от 1 и выше Устанавливает верхний предел количества токенов, которые модель может сгенерировать в ответе. Модель не превысит этот лимит. Максимальное значение — длина контекста минус длина подсказки. ## Logit Bias * Ключ: `logit_bias` * Необязательно, **map** Принимает JSON‑объект, сопоставляющий токены (по их ID в токенизаторе) со значением смещения от -100 до 100. Математически смещение добавляется к логитам модели перед сэмплированием. Точный эффект зависит от модели, но значения от -1 до 1 обычно уменьшают или увеличивают вероятность выбора; значения -100 или 100 приводят к полному запрету или обязательному выбору соответствующего токена. ## Logprobs * Ключ: `logprobs` * Необязательно, **boolean** Определяет, возвращать ли лог‑вероятности выходных токенов. Если `true`, возвращаются лог‑вероятности каждого сгенерированного токена. ## Top Logprobs * Ключ: `top_logprobs` * Необязательно, **integer** Целое число от 0 до 20, указывающее количество наиболее вероятных токенов, которые следует вернуть для каждой позиции, вместе с их лог‑вероятностями. Параметр `logprobs` должен быть установлен в `true`, если используется этот параметр. ## Response Format * Ключ: `response_format` * Необязательно, **map** Принуждает модель выдавать ответ в определённом формате. Установка `{ "type": "json_object" }` включает режим JSON, гарантируя, что сгенерированное сообщение будет корректным JSON. **Примечание**: при использовании режима JSON также следует явно попросить модель генерировать JSON через системное или пользовательское сообщение. ## Structured Outputs * Ключ: `structured_outputs` * Необязательно, **boolean** Если модель поддерживает структурированные выводы, можно использовать `response_format` → `json_schema`. ## Stop * Ключ: `stop` * Необязательно, **array** Прерывает генерацию сразу, как только модель встретит любой токен, указанный в массиве `stop`. ## Tools * Ключ: `tools` * Необязательно, **array** Параметр вызова инструментов, соответствующий форме запроса OpenAI. Для провайдеров, не являющихся OpenAI, будет выполнено соответствующее преобразование. [Нажмите здесь, чтобы узнать больше о вызове инструментов](/docs/guides/features/tool-calling) ## Tool Choice * Ключ: `tool_choice` * Необязательно, **string or object** Определяет, какой (если какой‑то) инструмент будет вызван моделью. `none` — модель не будет вызывать инструменты и просто сгенерирует сообщение. `auto` — модель может выбрать между генерацией сообщения и вызовом одного или нескольких инструментов. `required` — модель обязана вызвать один или несколько инструментов. Указание конкретного инструмента через `{"type": "function", "function": {"name": "my_function"}}` принудительно заставит модель вызвать именно его. ## Parallel Tool Calls * Ключ: `parallel_tool_calls` * Необязательно, **boolean** * По умолчанию: **true** Определяет, включён ли параллельный вызов функций при использовании инструментов. Если `true`, модель может вызывать несколько функций одновременно. Если `false`, функции вызываются последовательно. Применяется только при наличии параметра `tools`. ## Include Reasoning * Ключ: `include_reasoning` * Необязательно, **boolean** Устаревший синоним для `reasoning.exclude`. При значении `true` токены рассуждений возвращаются в ответе, если модель их поддерживает. ## Reasoning * Ключ: `reasoning` * Необязательно, **map** Управляет поведением рассуждений у моделей, поддерживающих токены мышления, включая включение рассуждений, их усилие, максимальное количество токенов и исключение рассуждений из ответа. ## Reasoning Effort * Ключ: `reasoning_effort` * Необязательно, **enum** (xhigh, high, medium, low, minimal, none) Настройка усилия рассуждения в стиле OpenAI. Более высокие значения позволяют модели тратить больше токенов на внутренние рассуждения, если это поддерживается. ## Web Search Options * Ключ: `web_search_options` * Необязательно, **map** Конфигурирует нативные параметры веб‑поиска для моделей и провайдеров, поддерживающих ответы, связанные с веб‑поиском. ## Verbosity * Ключ: `verbosity` * Необязательно, **enum** (low, medium, high, xhigh, max) Ограничивает степень подробности ответа модели. Низкие значения дают более лаконичные ответы, высокие — более детальные и всесторонние. Параметр введён OpenAI для API Responses. Для моделей Anthropic этот параметр сопоставляется с `output_config.effort`. Уровень `xhigh` поддерживается Anthropic Claude 4.7 Opus и более новыми моделями. Уровень `max` поддерживается Anthropic Claude 4.6 Opus и более новыми моделями.