Best LLM API 指南
2026 最佳角色扮演 LLM:选购要点
没有单一模型能赢得所有角色扮演设置,因此实际问题是哪个模型能保持角色、留在场景中且运行成本低。以下是如何自行测试。
更新时间:

要点
- 根据拒答、角色一致性、记忆和每轮会话成本来评估角色扮演模型。
- 此 API 提供一个无审查的开放权重模型,具有 100,000 token 上下文,仅支持文本。
- 良好的系统提示词和合理的采样设置与模型本身同样重要。
- 任何场景中都不允许未成年人,这是一个硬性限制。
对问题的公平回答
寻找 2026 年最佳角色扮演 LLM 的人通常想要一个排名。可靠的排名并不存在,因为角色扮演的质量是主观的,取决于你的流派、你的提示词以及你对回复延迟的容忍度。任何宣称唯一胜者的列表都在推销产品,或者重复了衡量其他指标的排行榜。
你可以做的是确定需求,然后在你自己的场景中测试候选模型一小时。本文为你提供标准、测试工作流程以及针对 OpenAI 兼容 API 的有效设置。此处提供的模型是一个开放权重模型,由独立提供商运行,经过调整以在合法成人用途下不进行内容拒答。它不是任何模型供应商的官方 API。
角色扮演模型真正重要的是什么
拒答和语气漂移
成人故事包含冲突、暴力、悲伤和浪漫。一个在场景中停下来给你上课,或者悄悄软化每个反派的模型,会破坏沉浸感。经过调整以避免拒答的模型将控制权交给作者。这就是无审查模型作为一个产品类别存在的原因。限制是,永远不允许涉及未成年人的性内容,并且服务会强制执行这一点。
角色一致性
角色在 60 轮对话后是否保持其声音、秘密和怪癖?这取决于模型、你的角色卡有多清晰以及上下文长度。通过在轮次 3 植入一个事实并在轮次 50 询问它来进行测试。
记忆和上下文
此处的上下文窗口为 100,000 token,包含提示词加回复。对于典型的小说式对话,它支持非常长的场景,但不是无限的。当历史记录变长时,计划总结之前的对话。
每轮会话成本
长角色扮演会话会在每一步重新发送历史记录,因此输入 token 占主导地位。每 1M 输入 $0.15,每 1M 输出 $0.50,数字很小,下一部分将展示具体有多小。
格式
这是一个纯文本服务。它不生成图像、语音或视频,因此想要图片或语音的配套应用需要其他服务来处理这些部分。
系统提示词承担大部分工作
两个人可以运行同一个模型,但得到截然不同的故事。差距几乎总是列表中的第一条消息。模糊的角色卡("一个海盗,要有趣")会产生通用的输出。具体的角色卡,包含目标、说话习惯、弱点以及与用户角色的关系,会产生有进展的场景。
用第二人称或纯描述编写角色卡,并保持约 400 字以内。长角色卡没有错,但它们会在每轮重新发送,因此在长会话中,每增加一段都要支付数百次费用。将绝不能丢失的事实放在顶部,将风格说明放在底部。
会话成本
取一个 40 轮的场景。假设系统提示词和角色卡共 1,200 token,每轮增加约 400 token(你的消息加回复),每条回复约 300 token 长。
因为历史被重新发送,第 n 轮的输入大约是 1,200 + 400 x (n - 1) token。40 轮总和为 40 x 1,200 + 400 x (0 + 1 + ... + 39) = 48,000 + 400 x 780 = 360,000 输入 token。输出为 40 x 300 = 12,000 token。
- 输入:360,000 / 1,000,000 x $0.15 = $0.054
- 输出:12,000 / 1,000,000 x $0.50 = $0.006
- 总计:整个 40 轮会话 $0.06
因此,$20 的充值可以覆盖大约 333 次此类会话。$0.50 的试用额度有效期 7 天,无需信用卡,可以覆盖大约 8 次。如果你整天进行伴侣式聊天,精简历史记录是关键。有关充值奖励,请参阅 定价。
有效设置:系统提示词和 API 调用
当系统提示词设定四件事时,角色效果最佳:角色是谁、他们如何说话、场景是什么,以及模型必须不做的事(替用户说话、出戏、跳步)。保持简洁具体。
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."))
注意声明所有角色都是成年人的那行。将其放入角色卡是良好的做法,这也符合服务的硬性规则。
改变感觉的设置
- 温度 0.8 到 1.0 能生成更生动的文本。如果角色偏离剧本,将其降低到 0.6 左右。
- top_p 0.9 到 0.95 可以剔除最奇怪的词选择,同时不会让回复变得平淡。
- 频率和存在惩罚 会被透传。较小的频率惩罚(如 0.2)可减少长场景中的重复短语。
- 停止序列 很有用,可以在模型开始写你的下一行时截断回复,例如在换行符后加上你的角色名称作为停止序列。
- seed 有助于你在同一场景中比较两个提示词版本。
- max_tokens 设为 300 到 500 可保持回复长度易读并保持输出成本低。
一次只更改一个设置并重新运行相同的五条开场消息。否则你无法知道是什么导致了差异。
角色扮演常见问题及解决方法
模型写你角色的台词
在系统提示词中添加明确规则:绝不写用户的对话、想法或决定。在前端用于你名字的行前缀上添加一个 stop 序列。这两者结合可解决大多数情况。
回复重复相同的短语
稍微提高频率惩罚并改变场景。重复通常来自充满近乎相同轮次的历史,因此在回复末尾添加新钩子比任何设置都更有帮助。
角色忘记了早期事实
保持一个简短的“故事至此”块。每 20 轮,要求模型在 200 字以内总结场景,然后用该摘要替换旧轮次。这可降低输入成本并将关键事实保持在提示词顶部。
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
回复太短或太长
在提示词中说明(“两到四段”)并用 max_tokens 支持它。提示词措辞设定目标;token 上限仅防止回复失控。
使用前端而不是编写代码
许多角色扮演用户更喜欢聊天前端。例如,SillyTavern 允许你添加 OpenAI 兼容的接口。通常你选择自定义或 OpenAI 兼容的连接,粘贴 https://api.bestllmapi.com/v1 作为 Base URL,粘贴你的密钥,并输入 uncensored 作为模型名称。菜单标签因应用和版本而异,因此请查看应用自己的文档以获取确切字段。
两个实用技巧。首先,将前端的上下文大小设置为低于 100,000 的数字并让它修剪旧消息,这样失控的聊天就不会不断增加你的输入成本。其次,使用前端流式输出选项,因为流式回复在对话中感觉更快。记住,流式请求会占用一个并发槽位(完整密钥为 8 个,试用密钥为 2 个),直到结束。
一小时测试计划
- 在 API 密钥页面 领取 $0.50 试用。
- 编写一个角色卡和一个场景,运行 30 轮。
- 早期植入一个事实,并在第 25 轮左右检查回忆。
- 尝试一个你的常用模型会拒答的合法黑暗场景,看看故事是否继续。
- 用不同题材的第二个角色重复。
- 使用响应中的使用块比较成本。
如果效果合适且成本可接受,请充值。如果不合适,你只花了几美分就摸清了情况。如果遇到错误,快速入门提供了请求详情。提示词不用于训练,失败或被拒绝的请求不收费。
更多指南
问答
角色扮演有一个最好的 LLM 吗?
没有。这取决于你的题材、角色卡以及对拒绝的容忍度。在你的场景中测试,并比较一致性、语气和每次会话的成本。
它可以为我的角色生成图片或语音吗?
不可以。该服务仅支持文本,不支持图像、音频或视频生成。
角色扮演会话最长能持续多久?
提示词加回复必须控制在 100,000 token 以内。对于更长的故事,请总结之前的对话,并将摘要保留在系统提示词中。
有内容限制吗?
该模型在合法成人用途下不进行内容拒绝。涉及未成年人的性内容始终不允许。
只差一张表单,即可获得密钥
创建账户,复制密钥,更改基础 URL。这就是全部设置。