繁中 ▾
取得 API 金鑰

Best LLM API 指南

2026 最佳角色扮演 LLM:該注意什麼

沒有單一模型能在所有角色扮演設定中勝出,因此實際問題是哪個模型能維持角色、保持在場景中且運行成本低。以下是如何自行測試。

更新日期:

舞台上的戲劇面具和發亮的聊天氣泡,代表 LLM 角色扮演角色

重點摘要

  • 根據拒絕機制、角色一致性、記憶力和每次會話的成本來評估角色扮演模型。
  • 此 API 提供一個無審查的開放權重模型,具有 100,000 token 的上下文視窗,僅限文字。
  • 良好的系統提示詞和合理的採樣設定與模型本身同樣重要。
  • 任何場景中都不允許未成年人;這是硬性限制。

對這個問題的公平回答

搜尋 2026 年角色扮演最佳 LLM的人通常想要排名。可靠的排名並不存在,因為角色扮演品質是主觀的,取決於你的類型、提示詞以及你對回覆緩慢的容忍度。任何稱霸的列表都在推銷產品,或是重複測量其他指標的排行榜。

你可以做的是決定需求,然後在自己的場景中測試候選模型一小時。本文提供評估標準、測試流程,以及針對 OpenAI 相容 API 的連線設定範例。此處提供的模型為單一開放權重模型,由獨立業者託管,針對合法成人用途調整為無審查回答。它並非任何模型廠商的官方 API。

角色扮演模型真正重要的是什麼

拒絕機制和語調漂移

成人故事包含衝突、暴力、悲傷和浪漫。一個為了說教而停止場景的模型,或悄悄軟化每個反派的模型,都會破壞沉浸感。經過調整以不拒絕的模型將控制權交給作者。這就是無審查模型作為產品類別存在的原因。限制在於,永遠不允許涉及未成年人的性內容,且服務會強制執行此規定。

角色一致性

角色在 60 輪之後是否保持其聲音、秘密和怪癖?這取決於模型、你的角色卡有多清晰以及上下文長度。測試方法是在第 3 輪植入一個事實,並在第 50 輪詢問它。

記憶和上下文

此處的上下文視窗為 100,000 token,包含提示詞加上回覆。對於典型的小說式交換,它能維持非常長的場景,但並非無盡。當歷史記錄變長時,請計畫摘要舊的輪次。

每次會話的成本

長篇角色扮演每一輪都會重新發送歷史記錄,因此輸入 token 佔主導。輸入每 1M token 為 $0.15,輸出每 1M token 為 $0.50,數字很小,下一節將展示具體有多小。

格式

這是一個僅限文字的服務。它不生成圖片、語音或影片,因此想要圖片或語音的應用程式需要其他服務來處理這些部分。

系統提示詞承擔大部分工作

兩個人可以使用相同的模型卻得到截然不同的故事。差異幾乎總是來自列表中的第一條訊息。模糊的角色卡(「一個海盜,要有趣」)會產生通用輸出。具體的角色卡包含目標、說話習慣、弱點以及與使用者角色的關係,則能產生有進展的場景。

使用第二人稱或純描述撰寫角色卡,並控制在約 400 字以內。長卡片並非錯誤,但會在每一輪都會重新發送,因此在長對話中每個額外段落需付費數百次。將絕對不能遺失的事實放在頂部,風格說明放在底部。

一次對話的成本

取一個 40 輪的場景。假設系統提示詞和角色卡為 1,200 token,每輪增加約 400 token(你的訊息加上回覆),且每個回覆約 300 token 長。

由於歷史記錄被重新發送,第 n 輪的輸入大約是 1,200 + 400 x (n - 1) token。在 40 輪中總計,那就是 40 x 1,200 + 400 x (0 + 1 + ... + 39) = 48,000 + 400 x 780 = 360,000 輸入 token。輸出為 40 x 300 = 12,000 token。

  • 輸入:360,000 / 1,000,000 x $0.15 = $0.054
  • 輸出:12,000 / 1,000,000 x $0.50 = $0.006
  • 總計:整個 40 輪會話為 $0.06

因此,$20 的儲值可支援約 333 次此類對話。$0.50 的免費試用額度有效期為 7 天且無需信用卡,可支援約 8 次。如果你整天進行伴侶式聊天,精簡歷史記錄就是關鍵。請見定價以了解儲值贈額。

連線設定範例:系統提示詞與 API 呼叫

當系統提示詞設定四項內容時,角色表現最佳:角色是誰、說話方式、場景是什麼,以及模型必須避免的行為(替用戶說話、出戲、搶先行動)。保持簡潔具體。

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.bestllmapi.com/v1", api_key=os.environ["LLM_API_KEY"])

SYSTEM = (
    "You are Captain Isolde Varn, a weary smuggler pilot in a rain-soaked "
    "port city. You speak in short, dry sentences and distrust officials. "
    "Stay in character. Describe actions in plain third-person prose. "
    "Never write the user's lines or decisions. End each reply with a hook "
    "the user can respond to. All characters in the story are adults."
)

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

def turn(user_text):
    history.append({"role": "user", "content": user_text})
    resp = client.chat.completions.create(
        model="uncensored",
        messages=history,
        temperature=0.9,
        top_p=0.95,
        max_tokens=400,
    )
    reply = resp.choices[0].message.content
    history.append({"role": "assistant", "content": reply})
    return reply

print(turn("I step into the hangar, rain dripping off my coat."))

注意聲明所有角色都是成年人的那行字。將它放在卡片中是好習慣,這與服務的單一硬性規則相符。

改變感覺的設定

  • 溫度 0.8 至 1.0可產生更生動的文本。如果角色偏離劇本,請將溫度降至約 0.6。
  • top_p 0.9 到 0.95 可以剔除最奇怪的詞語選擇,同時不會使回覆變得平淡。
  • 頻率和存在懲罰 會被傳遞。小的頻率懲罰,例如 0.2,會減少長場景中的重複短語。
  • 停止序列在模型開始寫入你的下一行時很有用,例如在換行符後加上你的角色名稱作為停止條件。
  • seed 有助於你在同一場景中比較兩個提示詞版本。
  • max_tokens 設為 300 到 500 可保持回覆的易讀長度並保持輸出成本低。

一次只更改一個設定並重新運行相同的五個開場訊息。否則你無法知道是什麼導致了差異。

常見角色扮演問題與解決方法

模型寫出你角色的台詞

在系統提示詞中加入明確規則:絕不寫出使用者的對話、想法或決定。在您的前端用於您名稱的行首加上 stop 序列。這兩項措施可修正大多數情況。

回覆重複相同的短語

稍微提高頻率懲罰並變更場景。重複通常來自充滿幾乎相同回合的歷史記錄,因此以新的引子結束回覆比任何設定都更有效。

角色遺忘早期事實

保留一個簡短的「截至目前的故事」區塊。每 20 輪,要求模型在 200 字以內摘要場景,然後用該摘要替換舊的輪次。這可以保持輸入成本低,並將關鍵事實保留在提示詞的頂部。

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.bestllmapi.com/v1", api_key=os.environ["LLM_API_KEY"])

def compress(history, keep_last=8):
    old, recent = history[1:-keep_last], history[-keep_last:]
    if not old:
        return history
    text = "\n".join(m["role"] + ": " + m["content"] for m in old)
    r = client.chat.completions.create(
        model="uncensored",
        messages=[{"role": "user", "content": "Summarize this scene in under 200 words, keeping names, facts and open threads:\n" + text}],
        max_tokens=300,
    )
    summary = {"role": "system", "content": "Story so far: " + r.choices[0].message.content}
    return [history[0], summary] + recent

回覆太短或太長

在提示詞中說明("兩到四段")並使用 max_tokens 作為輔助。提示詞設定目標;token 上限僅用於防止回覆失控。

使用前端而不是編寫程式碼

許多角色扮演使用者偏好聊天前端。例如 SillyTavern 允許你新增 OpenAI 相容的端點。通常你選擇自訂或 OpenAI 相容的連線,貼上 https://api.bestllmapi.com/v1 作為 Base URL,貼上你的金鑰,並輸入 uncensored 作為模型名稱。選單標籤因應用程式和版本而異,請查看應用程式的文件以獲取確切欄位。

兩個實用技巧。首先,將前端的上下文大小設為低於 100,000 的數字並讓它修剪舊訊息,這樣失控的聊天就不會不斷增加你的輸入成本。其次,使用前端的串流輸出選項,因為串流回覆在對話中感覺更快。記住,串流請求會佔用一個並行請求槽位(完整金鑰為 8 個,試用金鑰為 2 個),直到結束。

一小時測試計畫

  1. 在 API 金鑰頁面領取 $0.50 免費試用額度。
  2. 撰寫一個角色卡和一個場景,並運行 30 輪。
  3. 早期植入一個事實,並在第 25 輪左右檢查回憶。
  4. 嘗試一個你通常的模型會拒絕的合法但黑暗場景,看看故事是否繼續。
  5. 以不同類型的第二個角色重複測試。
  6. 使用回應中的使用區塊比較成本。

如果語音合適且成本可接受,請進行儲值。如果不合適,你僅花費幾美分確認結果。快速入門提供了請求詳情,若遇到錯誤可參考。提示詞不用於訓練,失敗或被拒絕的請求不會計費。

問答

角色扮演有最好的 LLM 嗎?

沒有。這取決於你的類型、角色卡以及對拒絕的容忍度。在你自己的場景中測試,並比較一致性、語氣和每次會話的成本。

它能為我的角色生成圖片或語音嗎?

不能。該服務僅限文字,不支援圖片、音訊或影片生成。

角色扮演會話可以持續多久?

提示詞加上回覆必須在 100,000 token 以內。對於更長的內容,請摘要較早的對話輪次,並將摘要保留在系統提示詞中。

有內容限制嗎?

該模型在合法成人用途下不會拒絕內容。涉及未成年人的性內容則絕對禁止。

只差一張表單,即可取得金鑰

建立帳號、複製金鑰、更改基礎 URL。這就是整個設定過程。

取得 API 金鑰