La diferencia en una frase
La temperatura alta tiende a explorar opciones menos obvias y dar respuestas más variadas; la baja tiende a quedarse con lo más probable y dar respuestas más estables. No es mejor una que otra: es una perilla que tiene que coincidir con la tarea, y su efecto depende del modelo.
Cuándo usar cada uno
Cuando el modelo permite ajustarla, la temperatura modifica la variedad de las respuestas. La alta puede venir bien para lo que pide ideas y opciones: nombres, eslóganes, descripciones con un giro distinto.
La baja puede venir bien para lo que quieres estable: respuestas sobre políticas, condiciones, datos que van a un cliente o a un documento que se firma.
Ojo con el matiz clave: bajar la temperatura no verifica datos. Una respuesta estable puede ser falsa. La exactitud se comprueba contra la fuente. Sigue la recomendación de ese modelo y prueba el efecto: no garantiza creatividad, repetibilidad ni exactitud.
Ejemplo práctico
Una tienda en línea usa la IA para dos tareas. Para describir cada producto prueba la temperatura alta; para contestar dudas de envíos y devoluciones prueba la baja. Mismo modelo, dos ajustes, y la persona prueba el efecto de cada uno y revisa el dato antes de publicar.
Así no
Elegir la temperatura suponiendo que por sí sola garantiza creatividad, estabilidad o exactitud.
Así sí
Como punto de partida, si el modelo permite ajustarla y su documentación lo recomienda, prueba una temperatura mayor para explorar y menor para reducir variación; compruébalo en tu caso. Y en cualquier caso, verifica el dato contra la fuente.
Bajar la temperatura no verifica: puede reducir la variación, pero no garantiza repetibilidad ni exactitud; el efecto depende del modelo.
El error típico
Los dos extremos, y un malentendido de fondo. El primero: usar la temperatura alta para todo, incluidos datos exactos, donde la creatividad se vuelve alucinación —una cifra que nadie dio, un plazo que no existe—. El segundo: bajarla tanto que todo suena plano y repetido, incluso donde pedías ideas.
El malentendido: creer que bajar la temperatura hace que la respuesta sea correcta. No. Puede reducir la variación, pero no garantiza repetibilidad ni exactitud; el efecto depende del modelo. El dato se verifica igual, alta o baja. Como con cualquier ajuste, prueba el efecto y mira el resultado.