2025 最佳角色扮演 LLM：該注意什麼

什麼讓模型擅長角色扮演

詢問哪個是2025 最佳角色扮演 LLM，你會從每個論壇討論中得到不同的答案，因為人們重視不同的事物。與其命名一個我無法驗證的贏家，列出決定角色扮演會話是否成功的特質，然後用這些特質檢查任何模型，會更有用。

• 維持小說情境的意願。 模型若跳出角色說教，或拒絕小說家可寫的場景，會破壞流程。這是將一般助手用於敘事時最常見的抱怨。
• 場景記憶。 名稱、地點、承諾與傷勢需能跨越數十個回合。這取決於上下文視窗大小以及如何管理歷史記錄。
• 一致的語氣。 角色在第 80 回合的聲音應與第 5 回合相同。
• 每回合成本與速度。 角色扮演意味著許多短對話。每 token 便宜的模型可讓你保留長歷史記錄。
• 控制。溫度、懲罰與停止序列可調整創造力，並防止模型代你寫出角色的台詞。

單一模型無法在所有五項表現上皆勝出。較大的專有模型通常能寫出更精緻的文筆；請檢查其目前的定價與內容規則，並與你自己的測試場景進行比較。經過調整以避免拒絕的託管開放權重模型，以自由度和低價格換取部分精緻度。

此 API 為角色扮演提供的功能

該服務透過 OpenAI 相容 API 提供單一模型，由獨立供應商託管。這是一個開放權重模型，針對合法成人用途調整為不拒絕內容。它不是任何大型廠商的官方 API，也不是在模型之間選擇的路由器，所以你測試的就是你得到的。

對角色扮演重要的事實：

• 模型 ID uncensored 在 https://api.llmapisource.com/v1，使用 POST /v1/chat/completions。
• 提示詞與補完共用 100,000 token 上下文視窗。這足夠長，可在提示詞中保留一個非常長的場景。
• 透過 SSE 串流輸出，讓回覆邊生成邊顯示。
• 溫度、top_p、stop、seed 以及頻率與存在懲罰都會被傳遞。
• 提示詞不會用於訓練。

限制同樣明確。僅限文字：無圖像生成、無語音、無影片。無微調，因此你用提示詞塑造角色。且有一項規則固定：無論何種情境，皆無涉及未成年人的性內容。該服務旨在供成人用於小說、角色扮演與陪伴應用程式。

實際可用的設定

角色扮演品質較取決於你的系統提示詞，而非任何開關。好的提示詞應簡短、具體並說明格式。以下是黑色懸疑故事的範例，規則以純指令形式撰寫：

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."))

stop序列是防止模型寫出玩家下一行內容的低成本防護。懲罰機制可減少重複片語，這是長會話變得不生動的主要原因。若想在編輯提示詞時完全重播場景，請傳入固定的 seed。

重要的設定

設定	起始值	它帶來的變化
temperature	0.8 至 1.0	較高的設定值會產生更具驚喜感的文筆，並更偏離場景的事實
top_p	0.9 至 0.95	剔除低機率詞彙；若回覆變得不合理，請調低此值
frequency_penalty	0.2 至 0.5	減少重複詞彙與句子開頭的出現頻率
presence_penalty	0.2 至 0.5	傾向於新主題與細節
stop	說話者標記	防止模型代你說話
max_tokens	選填	限制單一回覆的長度

這些是起始點，而非經過測試的最佳值。一次只變更一個參數，並使用固定的 seed 重播同一場景，以便觀察效果。若你使用如 SillyTavern 等前端介面（它允許你新增相容於 OpenAI 的端點），請輸入基礎 URL、金鑰與模型 ID uncensored，然後將相同的採樣器數值貼至其設定中。快速入門提供了上述呼叫的 curl 與 Node.js 版本。

記憶與 100k 上下文視窗

十萬個 token 是大量的故事，大約相當於短篇小說的長度，但它並非無限且並非免費。每個回合都會重新發送整個歷史記錄，因此隨著對話串增長，成本與延遲也會增加。有三個習慣可控制這一點。

1. 保持固定摘要。 每 20 到 30 個回合，要求模型撰寫事實、名字與未解決線索的簡短摘要，然後用其替換最舊的回合。
2. 在系統提示詞中保持角色卡。 外觀、目標、說話習慣與秘密應放在那裡，而不是埋在 60 個回合之前。
3. 修剪閒聊。 脫離角色的評論與重新擲骰的回覆不需要保留在歷史記錄中。

模型仍可能在非常長的提示詞深處遺失細節，所以不要假設完整視窗意味著完美記憶。如果某個事實很重要，請在摘要中重申它。

當提示詞加上補完超過 100,000 token 時，請求會被拒絕，因此若讓對話串增長而不修剪，你最終仍必須截斷歷史記錄。

測試適合你風格的模型

評論無法告訴你模型是否符合你的口味，因此建立一個可重複的小型測試。選擇三個能考驗不同技能的場景：帶有秘密的緊張對話、長動作場景，以及角色必須記住先前所說內容的安靜場景。使用固定種子與相同的系統提示詞運行每個場景，然後閱讀輸出結果，找出你在意的失敗之處：角色崩壞、代你發言、重複短語、遺忘細節。

記錄你所見的內容，並在考慮的任何其他模型上運行相同的三個場景。這不到一小時，比為他人口味撰寫的排名更能告訴你真相。因為此 API 與 OpenAI 相容，僅需變更腳本中的基礎 URL 與模型 ID 即可進行比較。

一次對話的成本

定價為每 1M 輸入 token $0.15 與每 1M 輸出 token $0.50，從預付額度扣除。因為輸入每個回合都會重新發送，所以在長工作階段中輸入佔據帳單的大部分。這是一個實際範例。

200 回合的工作階段，平均提示詞為 6,000 token，平均回覆為 300 token：

• 輸入：200 x 6,000 = 1,200,000 token，即 1.2 x $0.15 = $0.18
• 輸出：200 x 300 = 60,000 token，即 0.06 x $0.50 = $0.03
• 總計：$0.21

現在來看極端情況。一次包含 90,000 個 token 輸入與 400 個 token 輸出的回合，輸入成本為 90,000 x $0.15 / 1,000,000 = $0.0135，輸出成本為 400 x $0.50 / 1,000,000 = $0.0002，總計 $0.0137。以該規模運行 100 次回合需 $1.37。透過摘要保持提示詞精簡是降低成本的關鍵方法。

新用戶註冊後可一鍵領取 $0.50 免費試用額度，無需信用卡且有效期 7 天，因此你可以在付費前運行幾個完整場景。儲值從 $20 起，贈額為 $50 起贈 5%、$100 起贈 10%、$200 起贈 15%，且額度永不過期。請見 定價頁面 了解付款方式（包括信用卡與加密貨幣），或 取得金鑰 進行試用。

其他選項更適合的情況

對權衡取捨保持現實。若你想要角色圖像、語音或精緻的行動應用程式，純文字 API 僅是引擎，其餘由你構建。若你需要最精緻的文學文筆且不介意內容過濾，大型專有模型在某些場景下閱讀體驗可能更好。若要在自己的電腦上完全私有運行，本地模型是正確的選擇，只要你的硬體能負荷即可。

託管的無審查端點適合較狹窄的情境：你想要成人向的虛構與伴侶式聊天且無需拒絕回覆、希望現有工具能直接呼叫相容於 OpenAI 的 API，以及希望每 token 的價格讓長會話負擔得起。若符合這些需求，最快的測試方式是使用免費試用額度，將你最難的場景透過它執行一次。

更多指南

• 有哪些 LLM 提供免費 API？免費成本為何
• AnythingLLM API 金鑰：連接自訂 OpenAI 端點
• LiteLLM 與直接無審查 LLM API