本页详细说明 OpenRouter API 支持的所有采样参数：temperature（随机性）、top_p（核采样）、top_k（词表截断）、frequency_penalty/presence_penalty（重复惩罚）、repetition_penalty、min_p、top_a、seed（确定性输出）、max_tokens、response_format（JSON 输出）、structured_outputs、stop、tools/tool_choice（函数调用）、parallel_tool_calls，以及 verbosity（响应详细程度）。

API 参数完整指南

采样参数控制模型的 token 生成过程。可以发送以下列表中的任意参数。

OpenRouter 会为缺省的参数设置默认值（如 temperature 默认 1.0）。部分提供商特定参数（如 Mistral 的 safe_prompt、Hyperbolic 的 raw_mode）会直接透传给对应提供商。

参阅模型的提供商章节确认哪些参数被支持。关于提供商特定参数的管理，点击此处。

---

Temperature

• Key: temperature
• 类型: float，范围 0.0 ~ 2.0
• 默认值: 1.0

控制模型响应的多样性。值越低，响应越可预测；值越高，响应越多样。设为 0 时，相同输入始终产生相同输出。

---

Top P

• Key: top_p
• 类型: float，范围 0.0 ~ 1.0
• 默认值: 1.0

将模型的选择限制在累计概率达到 P 的 token 集合内。值越低，响应越可预测。类似动态的 Top-K。

---

Top K

• Key: top_k
• 类型: integer，0 或以上
• 默认值: 0（禁用）

限制每步可选的 token 数量。设为 1 时，模型始终选最可能的下一个 token。默认禁用（模型考虑所有候选）。

---

Frequency Penalty（频率惩罚）

• Key: frequency_penalty
• 类型: float，范围 -2.0 ~ 2.0
• 默认值: 0.0

基于输入中的出现频率控制 token 重复。出现频率越高的 token，被重新使用的可能性越低（与出现次数成比例）。负值鼓励重用。

---

Presence Penalty（存在惩罚）

• Key: presence_penalty
• 类型: float，范围 -2.0 ~ 2.0
• 默认值: 0.0

调整已出现过的 token 被重复的概率。与 frequency_penalty 不同，不按出现次数缩放（只要出现过就惩罚）。负值鼓励重用。

---

Repetition Penalty（重复惩罚）

• Key: repetition_penalty
• 类型: float，范围 0.0 ~ 2.0
• 默认值: 1.0

降低输入中已有 token 的重复概率。值过高可能导致输出不连贯（长句中缺少小词）。惩罚基于原始 token 的概率缩放。

---

Min P

• Key: min_p
• 类型: float，范围 0.0 ~ 1.0
• 默认值: 0.0

设置 token 被考虑的最低概率阈值（相对于最可能的 token）。例如 Min-P = 0.1，则只允许概率至少为最佳选项 1/10 的 token。

---

Top A

• Key: top_a
• 类型: float，范围 0.0 ~ 1.0
• 默认值: 0.0

动态 Top-P 变体，只考虑概率"足够高"的 token。值越低，越聚焦于高概率 token；值越高，筛选范围越宽。

---

Seed（随机种子）

• Key: seed
• 类型: integer

设置后，相同 seed 和参数的重复请求应产生相同结果。注意：部分模型不保证确定性。

---

Max Tokens / Max Completion Tokens

• Key: max_tokens / max_completion_tokens
• 类型: integer，1 或以上

设置模型能生成的 token 上限。最大值为上下文长度减去 prompt 长度。

---

Logit Bias

• Key: logit_bias
• 类型: map（token ID → bias）

调整特定 token 的选中概率。bias 范围 -100 ~ 100，加到 logits 上。-1 ~ 1 微调概率，-100 或 100 分别禁止或强制选中该 token。

---

Logprobs / Top Logprobs

• Key: logprobs（boolean）、top_logprobs（integer，0 ~ 20）

logprobs: true 返回输出 token 的对数概率。top_logprobs 指定每个位置返回多少个最可能的 token（需先开启 logprobs）。

---

Response Format（响应格式）

• Key: response_format
• 类型: map

强制模型输出特定格式：

// JSON 对象模式
{ "type": "json_object" }

// JSON Schema 模式
{
  "type": "json_schema",
  "json_schema": { "name": "...", "schema": { ... }, "strict": true }
}

使用 JSON 模式时，需同时在 system/user message 中要求模型输出 JSON。

---

Structured Outputs

• Key: structured_outputs
• 类型: boolean

如果模型支持，使用 response_format.json_schema 返回结构化输出。

---

Stop

• Key: stop
• 类型: array

遇到指定的任意 token 时立即停止生成。

---

Tools（工具调用）

• Key: tools
• 类型: array

工具调用参数，遵循 OpenAI 工具调用格式，非 OpenAI 提供商会自动转换。详见工具调用文档。

---

Tool Choice

• Key: tool_choice
• 类型: string 或 object

控制模型使用工具的方式：

值	含义
'none'	不调用工具，直接生成消息
'auto'	自动决定是生成消息还是调用工具
'required'	必须调用一个或多个工具
{ "type": "function", "function": { "name": "..." } }	强制调用指定工具

---

Parallel Tool Calls

• Key: parallel_tool_calls
• 类型: boolean
• 默认值: true

是否允许并行函数调用。true 时模型可同时调用多个工具，false 时按顺序调用。仅在提供了 tools 时有效。

---

Verbosity（响应详细程度）

• Key: verbosity
• 类型: enum（low / medium / high / xhigh / max）
• 默认值: medium

控制响应的详细程度。值越低越简洁，值越高越详细。

对于 Anthropic 模型，映射到 output_config.effort：

• xhigh：Claude 4.7 Opus 及以上支持
• max：Claude 4.6 Opus 及以上支持

---

常见问题

Q: temperature 和 top_p 能同时设置吗？

A: 可以，但建议只调整其中一个。同时修改两个参数效果难以预测，通常选一个调整即可。

Q: 设置 seed 后是否能保证完全相同的输出？

A: 不一定。部分模型不支持确定性输出，即使支持，因底层基础设施差异也可能有微小变化。

Q: 如何知道某个模型支持哪些参数？

A: 通过 Models API 返回的 supported_parameters 字段查看。