Bestes LLM für Roleplay 2025: Worauf du achten solltest

Was ein Modell gut für Roleplay macht

Frag nach dem besten LLM für Roleplay 2025 und du erhältst von jedem Forumsthread eine andere Antwort, weil Menschen unterschiedliche Dinge schätzen. Statt einen Sieger zu nennen, den ich nicht verifizieren kann, ist es nützlicher, die Qualitäten aufzulisten, die entscheiden, ob eine Roleplay-Sitzung funktioniert, und jedes Modell daran zu prüfen.

• Bereitschaft, in der Fiktion zu bleiben. Ein Modell, das die Rolle verlässt, um dich zu belehren, oder eine Szene ablehnt, die ein Romanautor schreiben könnte, zerstört den Fluss. Dies ist die häufigste Beschwerde über allgemeine Assistenten, die zum Geschichtenerzählen genutzt werden.
• Speicher der Szene. Namen, Orte, Versprechen und Verletzungen müssen über Dutzende von Zügen überdauern. Dies hängt von der Kontextlänge und davon ab, wie du den Verlauf verwaltest.
• Konsistente Stimme. Der Charakter sollte im Zug 80 genauso klingen wie im Zug 5.
• Kosten und Geschwindigkeit pro Zug. Roleplay bedeutet viele kurze Austausche. Ein Modell, das pro Token günstig ist, erlaubt dir, lange Verläufe zu speichern.
• Kontrolle. Temperatur, Penalties und Stop-Sequenzen erlauben es dir, Kreativität einzustellen und das Modell daran zu hindern, die Zeilen deines Charakters zu schreiben.

Kein einzelnes Modell gewinnt in allen fünf Punkten. Größere proprietäre Modelle schreiben oft glänzenderen Text; prüfe ihre aktuellen Preise und Inhaltsregeln und vergleiche sie mit deiner eigenen Testszene. Ein gehostetes Open-Weight-Modell, das auf Refusals abgestimmt ist, um Ablehnungen zu vermeiden, tauscht etwas Glanz gegen Freiheit und einen niedrigen Preis.

Was diese API für Roleplay bietet

Der Dienst bietet ein Modell über eine OpenAI-kompatible API an, betrieben von einem unabhängigen Anbieter. Es ist ein Open-Weight-Modell, das darauf optimiert ist, ohne Inhaltsablehnungen bei rechtmäßiger Erwachsenennutzung zu antworten. Es ist nicht die offizielle API eines großen Anbieters und kein Router, der zwischen Modellen wählt, also ist das, was du testest, das, was du bekommst.

Die Fakten, die für Roleplay wichtig sind:

• Modell-ID uncensored bei https://api.llmapisource.com/v1, unter Verwendung von POST /v1/chat/completions.
• Ein 100.000-Token-Kontextfenster, das Prompt und Completion teilen. Das ist lang genug, um eine sehr lange Szene im Prompt zu halten.
• Streaming über SSE, damit Antworten erscheinen, während sie geschrieben werden.
• Temperatur, top_p, Stopp, Seed und die Frequenz- und Präsenz-Penalties werden durchgereicht.
• Prompts werden nicht zum Training verwendet.

Die Grenzen sind ebenso klar. Es ist Text-only: keine Bildgenerierung, keine Stimme, kein Video. Es gibt kein Fine-Tuning, also formst du den Charakter mit dem Prompt. Und eine Regel ist fest: kein sexueller Inhalt, der Minderjährige betrifft, in keiner Form. Der Dienst ist für Fiktion, Roleplay und Companion-Apps für Erwachsene gedacht.

Eine funktionierende Konfiguration

Die Qualität von Roleplay hängt mehr von deinem System-Prompt ab als von irgendeinem Schalter. Ein guter ist kurz, konkret und gibt das Format vor. Hier ist ein Muster für einen Noir-Krimi, mit den Regeln als klare Anweisungen:

Copyfrom openai import OpenAI

client = OpenAI(
    base_url="https://api.llmapisource.com/v1",
    api_key="YOUR_KEY",
)

SYSTEM = (
    "You are the narrator and all non-player characters in a 1940s detective story. "
    "Write in second person for the player, present tense, 2 to 4 short paragraphs. "
    "Never write the player's actions or dialogue. "
    "Keep track of clues, names and injuries. "
    "End each turn with a situation the player can respond to. "
    "Stay in the fiction; do not add disclaimers."
)

history = [{"role": "system", "content": SYSTEM}]

def turn(player_text):
    history.append({"role": "user", "content": player_text})
    reply = client.chat.completions.create(
        model="uncensored",
        messages=history,
        temperature=0.9,
        top_p=0.95,
        frequency_penalty=0.3,
        presence_penalty=0.3,
        stop=["Player:"],
    )
    text = reply.choices[0].message.content
    history.append({"role": "assistant", "content": text})
    return text

print(turn("I step into the office and close the door behind me."))

Die stop-Sequenz ist ein günstiger Schutz gegen das Schreiben der nächsten Zeile des Spielers durch das Modell. Die Penalties reduzieren wiederholte Phrasen, was der übliche Weg ist, wie lange Sitzungen langweilig werden. Wenn du eine Szene genau wiederholen möchtest, während du den Prompt bearbeitest, gib einen festen seed an.

Wichtige Einstellungen

Einstellung	Startwert	Was es ändert
Temperatur	0,8 bis 1,0	Ein höherer Wert führt zu überraschenderem Text und einer stärkeren Abweichung von den Fakten der Szene
top_p	0,9 bis 0,95	Kürzt unwahrscheinliche Wörter; senke es, wenn Antworten seltsam werden
frequency_penalty	0,2 bis 0,5	Schneidet wiederholte Wörter und Satzanfänge
presence_penalty	0,2 bis 0,5	Drängt zu neuen Themen und Details
stop	ein Sprecherkennzeichen	Verhindert, dass das Modell für dich spricht
max_tokens	optional	Begrenzt die Länge einer einzelnen Antwort

Dies sind Startpunkte, keine getesteten Optima. Ändere immer nur einen Wert und spiele dieselbe Szene mit einem festen Seed ab, um den Effekt zu sehen. Wenn du ein Frontend wie SillyTavern nutzt, das es dir erlaubt, einen OpenAI-kompatiblen Endpunkt hinzuzufügen, gib die Basis-URL, den Schlüssel und die Modell-ID uncensored ein, und füge dann dieselben Sampler-Werte in seine Einstellungen ein. Die Schnellstartanleitung enthält curl- und Node-Versionen des obigen Aufrufs.

Speicher und das 100k-Kontextfenster

Hunderttausend Token sind eine Menge Geschichte, etwa die Länge eines kurzen Romans, aber es ist nicht unendlich und es ist nicht kostenlos. Jeder Durchlauf sendet den gesamten Verlauf erneut, also steigen Kosten und Latenz, wenn die Sitzung wächst. Drei Gewohnheiten halten das im Zaum.

1. Halte eine angepinnte Zusammenfassung. Frage das Modell alle 20 bis 30 Züge nach einer kurzen Zusammenfassung von Fakten, Namen und offenen Fäden und ersetze dann die ältesten Züge damit.
2. Halte ein Charakterblatt im System-Prompt. Aussehen, Ziele, Sprechgewohnheiten und Geheimnisse gehören dorthin, nicht 60 Züge zurück vergraben.
3. Schneide Smalltalk ab. Außerhalb der Rolle stehende Kommentare und neu gewürfelte Antworten müssen nicht im Verlauf bleiben.

Das Modell kann Details tief in einem sehr langen Prompt immer noch verlieren, also gehe nicht davon aus, dass ein volles Fenster perfekte Erinnerung bedeutet. Wenn eine Tatsache wichtig ist, wiederhole sie in der Zusammenfassung.

Eine Anfrage wird abgelehnt, wenn Prompt plus Completion 100.000 Token überschreiten würden, also musst du den Verlauf irgendwann kürzen, wenn du eine Sitzung ohne Trimmen wachsen lässt.

Ein Modell für deinen Stil testen

Bewertungen können dir nicht sagen, ob ein Modell zu deinem Geschmack passt, also erstelle einen kleinen, wiederholbaren Test. Wähle drei Szenen, die verschiedene Fähigkeiten herausfordern: ein angespanntes Gespräch mit einem Geheimnis, eine lange Action-Szene und eine ruhige Szene, in der der Charakter sich an etwas erinnern muss, das früher gesagt wurde. Führe jede mit einem festen Seed und demselben System-Prompt aus, und lies dann die Ausgabe auf die Fehler, die dich interessieren: gebrochene Rolle, Zeilen, die für dich geschrieben wurden, wiederholte Phrasen, vergessene Details.

Mache Notizen über das, was du siehst, und führe dieselben drei Szenen auf jedem anderen Modell aus, das du in Betracht ziehst. Das dauert unter einer Stunde und sagt dir mehr als ein Ranking, das für den Geschmack eines anderen geschrieben wurde. Da diese API OpenAI-kompatibel ist, ist das Ändern der Basis-URL und der Modell-ID im obigen Skript die einzige Änderung, die ein Vergleich benötigt.

Was eine Session kostet

Die Preise liegen bei $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token, vom Prepaid-Guthaben. Da Input jeder Zug erneut gesendet wird, dominiert Input die Rechnung in einer langen Sitzung. Hier ist ein realistisches Beispiel.

Eine Sitzung von 200 Durchläufen, mit einem durchschnittlichen Prompt von 6.000 Token und einer durchschnittlichen Antwort von 300 Token:

• Input: 200 x 6.000 = 1.200.000 Token, das ist 1,2 x $0,15 = $0,18
• Output: 200 x 300 = 60.000 Token, was 0,06 x $0,50 = $0,03 entspricht
• Gesamt: $0,21

Jetzt das Extrembeispiel: Ein Turn mit 90.000 Input-Token und 400 Output-Token kostet 90.000 × $0,15 / 1.000.000 = $0,0135 für Input und 400 × $0,50 / 1.000.000 = $0,0002 für Output, also insgesamt $0,0137. 100 Turns in dieser Größe kosten $1,37. Das Zusammenfassen, um die Prompts kurz zu halten, ist der Hauptweg, das zu senken.

Neue Nutzer können nach dem Anmelden mit einem Klick $0,50 Testguthaben beanspruchen, das keine Karte benötigt und 7 Tage gültig ist, sodass du ein paar vollständige Szenen durchspielen kannst, bevor du zahlst. Aufladungen starten bei $20, mit Boni von 5 % ab $50, 10 % ab $100 und 15 % ab $200, und das Guthaben verfällt nie. Sieh dir die Preisseite für Zahlungsoptionen an, einschließlich Karte und Krypto, oder hol dir einen Schlüssel, um es auszuprobieren.

Wobei eine andere Option besser passt

Sei realistisch bezüglich der Kompromisse. Wenn du Bilder deiner Charaktere, Stimmen oder eine polierte Mobile-App willst, ist eine Text-only-API nur der Motor und du baust den Rest. Wenn du die feinste literarische Prosa brauchst und dir Inhaltsfilter egal sind, liest sich ein großes proprietäres Modell für einige Szenen vielleicht besser. Wenn du alles privat auf deinem eigenen Computer laufen lassen willst, ist ein lokales Modell die richtige Wahl, solange deine Hardware das bewältigen kann.

Ein gehosteter unzensierter Endpunkt eignet sich für einen engeren Anwendungsfall: Du willst Fiktion und Begleit-Chat für Erwachsene ohne Ablehnungen, du willst eine OpenAI-kompatible API, mit der deine bestehenden Tools bereits sprechen, und du willst einen Token-Preis, der lange Sessions erschwinglich macht. Wenn das passt, ist der schnellste Test, deine schwierigste Szene mit dem Testguthaben darüber laufen zu lassen.

Weitere Anleitungen

• Gibt es LLMs mit einer kostenlosen API? Was kostet das Kostenlose?
• AnythingLLM API-Schlüssel: Verbinde einen benutzerdefinierten OpenAI-Endpunkt
• LiteLLM vs. direkte unzensierte LLM-API