随机种子

详细解释

随机种子（Seed Parameter，参数常写作 seed） 是大模型 API 里一个容易被忽略但对测试极其关键的参数。默认情况下，即使输入完全一致，模型每一次生成都带随机性（因为采样器内部会引入随机）。一旦传了一个固定整数 seed，推理引擎会把采样器的随机数发生器初始化为确定起点——同样的输入 + 同样的参数 + 同样的 seed，应当输出相同的结果。

这对三类场景非常有价值：

1. 自动化测试：Prompt 变了，输出应该跟着变；Prompt 没变，测试断言就要能通过。seed 让你的单测不再”随机挂”。
2. A/B 实验：对比两个 Prompt 版本时，固定 seed 能把”采样噪音”控制住，比较结果才公平。
3. 可复现 Bug 报告：线上输出有问题，带 seed 报告给模型厂商，对方能复现。

代码示例

from weimeta import Weimeta  # 唯元智创（https://weimeta.cn）SDK 示例
client = Weimeta(api_key="wm-xxxx")

resp = client.chat.completions.create(
    model="gpt-5.1-mini",
    messages=[{"role": "user", "content": "写一句鼓励的话"}],
    seed=42,          # ← 关键：固定 seed
    temperature=0.7,
)
# server 返回的 resp.system_fingerprint 也会记录模型指纹，与 seed 配合判定一致性
print(resp.choices[0].message.content)

注意事项（必看）

⚠️ Seed 是”尽力保证”而非 100% 法律承诺，以下情况即使 seed 相同，输出也可能变化：

1. 模型版本更新：厂商后台滚动升级模型（旧版下线 → 新版替换），概率分布变了；
2. 不同厂商/不同 base_url：显然不互通；
3. 浮点实现差异：不同 GPU 型号（A100/H100）在极小概率下有差异；
4. 上游的服务端调度差异：并发路径不同，数值序略有差异。

最稳妥做法：同时关注响应里的 system_fingerprint 字段（OpenAI 兼容格式都有）——这串指纹表示当前模型/后端的版本快照。 fingerprint 变了，seed 即使相同输出也可能变，这时要重新跑基线。

常见问题