
สารบัญ
Temperature คืออะไร ค่าความสร้างสรรค์ของ LLM ทำไม AI ตอบไม่เหมือนเดิม
สวัสดีครับ วันนี้แมวส้มขอคลายข้อสงสัยเรื่องที่คุณอาจเจอมากับตัว ถาม AI คำถามเดิมสองรอบ ทำไมได้คำตอบไม่เหมือนกัน ตัวการหนึ่งชื่อว่า temperature อ่านจบคุณจะรู้ว่ามันคืออะไร แต่ละค่ายตั้งค่านี้ต่างกันยังไง และวัดเองได้ว่าแบรนด์คุณโผล่ในคำตอบ AI บ่อยแค่ไหน
Temperature คือค่าตั้งของ LLM (ตัว AI ที่ฝึกจากข้อความมหาศาลจนเขียนภาษาได้ เช่น โมเดล GPT ที่อยู่เบื้องหลัง ChatGPT) ที่คุมว่าโมเดลจะสุ่มเลือกคำถัดไปมากแค่ไหน ค่าต่ำทำให้คำตอบนิ่งและตรงตัว ค่าสูงทำให้คำตอบหลากหลายและเดายากขึ้น
หรือจะพูดแบบภาษาบ้าน ๆ ก็คือ ปุ่มคุมความกล้าลองของใหม่ของ AI นั่นเอง ค่าต่ำคือเล่นท่าเดิม ค่าสูงคือกล้าหยิบคำแปลก ๆ มาใช้บ่อยขึ้น
ถ้าแยกคำ Temperature แปลว่า อุณหภูมิ ส่วน Sampling แปลว่า การสุ่มเลือก ภาษาไทยบางคนเรียกว่า “ค่าความสร้างสรรค์ของ LLM” ชื่ออังกฤษคือ LLM temperature หรือ sampling temperature ชื่ออาจฟังเหมือนวิชาฟิสิกส์ แต่จริงๆ ใกล้ตัวกว่านั้นมาก
Temperature เหมือนอะไรในชีวิตจริง
Temperature เหมือนนิสัยการสั่งข้าวของเพื่อนสองคน เพื่อนที่ temperature ต่ำไปร้านเดิมทีไรก็สั่งข้าวมันไก่จานเดิม เพราะเป็นเมนูที่ชอบที่สุด
ส่วนเพื่อนที่ temperature สูงก็ชอบข้าวมันไก่ที่สุดเหมือนกัน แต่บางวันลองข้าวหมูแดง บางวันลองเกาเหลา คำตอบของเขาเลยเดายากกว่า
ในโมเดล ทุกครั้งที่จะเขียนคำถัดไป มันมีรายชื่อคำที่เป็นไปได้พร้อมโอกาสของแต่ละคำ temperature ต่ำทำให้เลือกคำที่โอกาสสูงสุดแทบทุกครั้ง temperature สูงทำให้คำที่โอกาสรองๆ ถูกเลือกบ่อยขึ้น
แมวส้มชอบภาพเพื่อนสองคนนี้ เพราะมันบอกว่า temperature สูงไม่ได้ทำให้ AI เปลี่ยนเมนูโปร แค่เมนูรอง ๆ ได้ขึ้นโต๊ะบ่อยขึ้น ส่วนคุณเป็นเพื่อนแบบไหน แมวส้มไม่ขอเดานะ 5 5 ทีนี้ความสุ่มเล็ก ๆ นี้แหละ ที่ไปกระทบงานคนทำเว็บ
ทำไม Temperature สำคัญกับ SEO, AEO และ GEO
Temperature สำคัญเพราะมันคือเหตุผลหนึ่งที่คำตอบ AI ไม่เหมือนเดิมทุกครั้ง เรื่องนี้กระทบ SEO, AEO และ GEO (งานทำให้เว็บติดอันดับ ถูกหยิบไปตอบ และถูก AI ยกไปอ้าง) โดยตรง ถาม ChatGPT ครั้งเดียวแล้วเห็นแบรนด์ตัวเอง อย่าเพิ่งดีใจ ไม่เห็นก็อย่าเพิ่งเสียใจ
เพราะแบบนี้ การวัดว่าแบรนด์โผล่ในคำตอบ AI แค่ไหน ต้องถามซ้ำหลายรอบแล้วนับเป็นสัดส่วน
ทีนี้มาดูตัวเลขจริง ค่านี้ตั้งได้ผ่าน API (ช่องทางให้โปรแกรมเรียกใช้ AI ตรงๆ ไม่ผ่านหน้าแชต) และแต่ละค่ายต่างกัน API ของ OpenAI ให้ตั้ง temperature ได้ระหว่าง 0 ถึง 2 โดย 0.8 จะสุ่มมากขึ้น 0.2 จะนิ่งขึ้น และแนะนำให้ปรับ temperature หรือ top_p (อีกปุ่มที่คุมความสุ่ม) อย่างใดอย่างหนึ่ง ไม่ใช่ทั้งคู่
แล้วถามว่า.. ฝั่ง Claude ล่ะ API ของ Claude เวอร์ชันเดิม (2023-06-01) ตั้งค่าเริ่มต้นไว้ที่ 1.0 แต่การตั้ง 0 ก็ไม่ได้รับประกันว่าผลจะเหมือนเดิมทุกครั้ง
อันนี้แมวส้มว่าน่าสนใจที่สุด โมเดลตั้งแต่ Claude Opus 4.7 ขึ้นไป รับ temperature ได้แค่ 1.0 ค่าอื่นจะถูกปฏิเสธด้วย error 400 (รหัสแจ้งว่าคำขอไม่ถูกต้อง) และ API เวอร์ชันใหม่ 2026-10-21 ตัดค่าตั้งนี้ทิ้งไปเลย ส่ง temperature ไปเมื่อไรก็ได้ error 400 แม้จะเป็นค่าเริ่มต้นก็ตาม
ฝั่ง Google คู่มือ Gemini 3 (ตอนนี้ Google ติดป้ายว่าเลิกใช้แล้ว) แนะนำให้คงค่าไว้ที่ 1.0 เพราะลดต่ำกว่านั้นอาจทำให้โมเดลวนลูป (พูดซ้ำวนไปไม่จบ) หรือทำงานแย่ลง
ส่วนรุ่นล่าสุด คู่มือ What’s new in Gemini 4 Argon (อัปเดต 27 ต.ค. 2026) บอกให้ลบ temperature, top_p และ top_k (ปุ่มที่จำกัดให้เลือกจากคำโอกาสสูงสุดไม่กี่คำ) ออกจากคำขอไปเลย เพราะส่งไปก็ถูกเมิน
พอไล่ดูครบสามค่าย แมวส้มเห็นทิศทางเดียวกัน รุ่นใหม่ ๆ ค่อย ๆ เอาปุ่มนี้ออกจากมือคนใช้ สิ่งที่แมวส้มเอาไปใช้จริงคือ เลิกหวังว่าจะหมุนปุ่มให้ AI ตอบเหมือนเดิม แล้วหันมาวัดผลด้วยการถามซ้ำแทน
แล้วจะทำยังไงดีล่ะ ไปดูขั้นตอนวัดเองกันเลย
ลองวัดเองว่าคำตอบ AI แกว่งแค่ไหน
วิธีวัดคือถามคำถามเดิมหลายรอบแล้วนับว่าแบรนด์โผล่กี่รอบ ใช้เวลาราว 20 นาที และเป็นวิธีพื้นฐานของการวัด AI visibility (แบรนด์โผล่ในคำตอบ AI บ่อยแค่ไหน) แบบทำเองฟรี ทำตาม 5 ขั้นนี้ ผลรอบแรกอาจไม่สวยอย่างที่หวัง แต่นั่นคือภาพจริงที่ควรรู้
- เลือกคำถามที่ลูกค้าจริงน่าจะถาม เช่น “แนะนำร้านซ่อมแอร์ย่านบางนา ราคาไม่แพง”
- เปิดแชตใหม่ทุกครั้ง แล้วถามคำถามเดิมเป๊ะๆ 5 รอบ
- จดลงตาราง 3 ช่อง รอบที่เท่าไร แบรนด์คุณโผล่ไหม และมีลิงก์มาที่เว็บคุณไหม
- นับสัดส่วน เช่น โผล่ 2 ใน 5 รอบ คือ 40% ของการทดสอบรอบนี้
- ทำซ้ำทุกเดือนด้วยคำถามชุดเดิม จะเห็นแนวโน้มจริงมากกว่าการถามครั้งเดียว
ถ้าให้แมวส้มเลือกขั้นที่ห้ามข้าม แมวส้มเลือกขั้นที่ 5 เพราะผลรอบเดียวยังแกว่งตามความสุ่มได้ การถามชุดเดิมทุกเดือนจึงเห็นแนวโน้มจริง ไม่ใช่แค่ดวงของวันนั้น อยากเห็นว่าแต่ละค่ายต่างกันตรงไหน ดูตารางถัดไปได้เลย
Temperature ของแต่ละค่ายต่างกันยังไง
แต่ละค่ายให้ช่วงค่าและคำแนะนำไม่เหมือนกัน และโมเดลรุ่นใหม่เริ่มล็อกค่านี้ไว้แล้ว
| ค่าย | ช่วงค่า | สิ่งที่เอกสารแนะนำ |
|---|---|---|
| OpenAI (Responses API) | 0 ถึง 2 | ปรับ temperature หรือ top_p อย่างใดอย่างหนึ่ง |
| Anthropic (Claude API) | ค่าเริ่มต้น 1.0 | โมเดลตั้งแต่ Claude Opus 4.7 ขึ้นไปรับแค่ 1.0 ส่วน API เวอร์ชัน 2026-10-21 ไม่รับค่านี้แล้ว |
| Google (Gemini 3) | ค่าเริ่มต้น 1.0 | คงไว้ที่ 1.0 ลดลงอาจวนลูปหรือแย่ลง |
| Google (Gemini 4 Argon) | ไม่ใช้ค่านี้แล้ว | ลบ temperature ออกจากคำขอ ส่งไปก็ถูกเมิน |
แมวส้มมองว่าถ้าอ่านช่องสุดท้ายจากบนลงล่าง จะเห็นคำแนะนำเปลี่ยนจาก “เลือกปรับได้” เป็น “อย่าส่งมาเลย” สำหรับคนทำ SEO แปลว่าความสุ่มนี้ค่าย AI เป็นคนคุม ไม่ใช่เรา ยังมีคำถามค้างอยู่ ไล่ดูต่อเลย
คำถามที่พบบ่อย
คำที่เกี่ยวข้อง
- Large Language Model (LLM) โมเดลที่มีค่า temperature
- Reasoning Model โมเดลคิดก่อนตอบ ที่ปรับระดับการคิดแทน
- AI Hallucination คำตอบผิดที่ฟังดูมั่นใจ
- Prompt Engineering การเขียนคำสั่งให้ได้ผลนิ่งขึ้น
ถ้าให้แมวส้มเลือกอ่านต่อคำแรก แมวส้มเลือก Reasoning Model เพราะตารางด้านบนบอกว่ารุ่นใหม่เริ่มล็อกค่า temperature แล้ว และโมเดลแบบคิดก่อนตอบก็ให้ปรับระดับการคิดแทน
อยากวัดว่าแบรนด์โผล่ในคำตอบ AI แค่ไหนแบบเป็นระบบ อ่านต่อที่ AI Visibility คืออะไร วัดยังไงว่าแบรนด์ถูกพูดถึงใน AI แค่ไหน และถ้าอยากได้เครื่องมือช่วยวัด ไปที่ เครื่องมือวัด AI Visibility
แหล่งอ้างอิง
- Create a model response (temperature, top_p) OpenAI API reference (ตรวจ 20 ต.ค. 2026)
- Migrating to API version 2026-10-21 (Sampling parameters are removed) Claude API docs (ตรวจ 25 ต.ค. 2026)
- Gemini 3 developer guide Google AI for Developers (อัปเดต 9 ต.ค. 2026 หน้านี้ติดป้ายเลิกใช้แล้ว)
- What’s new in Gemini 4 Argon Google AI for Developers (อัปเดต 27 ต.ค. 2026)
เขียนโดย
แมวส้มคือมาสคอตของทีม BIQDADDY เอเจนซี SEO และ AISO ในไทย เล่าเรื่อง AI SEO, GEO และ AEO แบบเข้าใจง่าย บทความเขียนด้วยระบบ AI ตามมาตรฐานของทีม ตรวจข้อเท็จจริงกับแหล่งต้นทาง และผ่านผู้ตรวจ AI อิสระก่อนเผยแพร่ ทีม BIQDADDY เป็นผู้ดูแลเว็บและแก้ไขเมื่อมีผู้แจ้งข้อผิดพลาด อ่านนโยบายการเขียน
เรียบเรียงเนื้อหาโดย วุฒิภัทร อุณหะกะ Co-Founder และ COO ของ BIQDADDY










