在我們測試的四款 GPT 模型中,GPT-6.1 Sol 是我們進行角色扮演的首選。它能保持角色設定的一致性,將決策權留給玩家,並在所有 39 次回覆中都嚴格遵守了我們要求的長度。GPT-6 Sol 適合需要快速互動的場景,而 GPT-6 Luna 則擁有我們記錄到的最低成本。
我們讓這些模型進行了同樣尷尬的對話、處理同樣的失蹤指南針謎團,並面對同樣固執的探險隊長。隨後,我們將我們的 GPT 選擇與 Kimi K3.1 Pro 進行了比較。最關鍵的差異不在於誰能寫出優美的句子,而在於對話的質感、等待時間的長短以及會話的成本。
我們的測試於 2026 年 11 月 16 日透過 GPTProto 使用 SillyTavern 進行。以上結果僅適用於該設定下的指定 GPT 模型;ChatGPT 自有的介面、記憶功能和設定可能會產生不同的體驗。
哪款 ChatGPT 模型最適合角色扮演?
如果您想要我們測試最徹底的 GPT 選項,請從 GPT-6.1 Sol 開始。如果快速回覆最重要,請選擇 GPT-6 Sol;若追求低成本的中間方案,請選擇 Terra;若預算考量優先,則選擇 Luna。
樣本大小有所不同:Sol 在篩選後進行了額外的測試。因此,總花費並非此表格中所有項目的直接價格比較。這些是記錄的短期對話成本,而非訂閱價格或未來對話的報價。
所有四款模型皆通過了篩選階段的主要事實檢查。排序反映了我們的實務建議,而非創意能力上有巨大的測量差距。
如果您對其他模型系列感興趣,我們關於 最佳角色扮演 AI 模型 的更廣泛指南中有單獨介紹。
我們如何測試這些模型
角色扮演需要的遠不止流暢的文筆。角色應該擁有獨特的語氣,能記住剛發生的事情,並將對話的主導權留給你。

這種差異也體現在社群的回饋中。在關於長篇互動故事的討論中,一位玩家描述了角色變得過於溫和,而浪漫情節陷入停滯的情況。另一篇關於角色崩壞的討論中,既有對不必要的安撫行為的抱怨,也有關於成功進行長時間 RPG 遊戲的報告。這些經驗有助於構建我們的測試問題;但它們並不能定義我們所測試版本的實際表現。
我們使用了三個固定的英文場景:
| 測試 |
場景 |
檢查重點 |
| 慢熱對話:5 次回覆 |
兩位成年博物館同事、一場暴雨和一把雨傘 |
冷幽默、漸進的興趣,且沒有虛構玩家的行動或感受 |
| 偵探 RPG:5 次回覆 |
遺失的黃銅指南針、無法閱讀的紙條和一扇鎖上的門 |
物品清單、證人證詞、既定事實,以及模型是否擅自替玩家採取行動 |
| 角色衝突:3 次回覆 |
探險隊長拒絕穿過一座未經檢查的橋樑 |
角色是否堅持立場,並在給出相關證據後重新考慮 |
每個 GPT 模型都完成了一次 13 次回覆的篩選測試。GPT-6.1 Sol 隨後進行了兩次額外測試,總計 39 次回覆。Kimi K3.1 Pro 完成了三次相同場景的測試,同樣總計 39 次回覆。這使得所有五個模型總共記錄了 117 次回覆,其中原始的 Sol 篩選測試計入一次。
我們保留了第一次回答,而不是為了獲得滿意的結果而反覆重新生成。不同模型之間的用戶訊息完全相同。設置使用了 SillyTavern 1.19.0、串流回應、溫度設定為 1.0,以及完整的對話歷史記錄,沒有進行摘要或截斷。GPT 請求使用了 max_completion_tokens=4096;Kimi 使用了 max_tokens=4096。我們沒有明確標準化推理強度,因此結果描述的是這些特定配置下的表現,而非所有可能的設置。
回覆長度目標為 80–120 個單字。我們對照原始文本檢查了記錄的單字數。下方的時間是指從發送請求到完整回應到達的時間,而不僅僅是第一個可見文字出現的時間。成本來自測試報告中記錄的支出。
這些都是簡短、非露骨的場景,每次對話最多五次回覆。我們沒有測試長達數月的戰役、長上下文回憶、多語言對話或成人內容限制。
1. GPT-6.1 Sol:我們的首選
GPT-6.1 Sol 給了我們繼續遊玩的最強理由:它的角色能夠表達自我,而不會喧賓奪主地替我們的角色做決定。
在博物館場景中,Rowan 的性格內斂、善於觀察且帶有冷幽默。其開場回應包括:
「這些畫作有極好的保險,但我的鞋子可沒有。」
這個笑話非常符合一個試圖迴避情感表白的人。更具啟發性的是後續的一次測試,當玩家質疑 Rowan 的臆測時:
「我想與你同行。這是我的部分,並非對你的結論。」
劇情繼續推進。Rowan 表達了偏好,但接下來發生的事仍由玩家決定。沒有出現虛構的臉紅、強行接受或突如其來的關係里程碑。
Sol 在處理謎題時也非常謹慎。在第一次運行中,它明確將 Inez 的說法與已確認的觀察結果區分開來。當我們詢問一個尚未建立的筆記時,它並沒有自動捏造出一條館長桌上的驗證訊息。
在 39 次回覆中,所有記錄的字數都保持在 80–120 字之間。中位完成時間為 7.85 秒。我們記錄的總花費為 0.0785 美元,即此測試集中每次回覆約 0.00201 美元。
缺點是 Sol 並非最快或最便宜的 GPT 選項。它在偵探場景中細緻的狀態總結有時感覺更像遊戲日誌,而非流暢的虛構小說。偏好流暢文筆的玩家可能會希望減少這類顯眼的庫存更新。
我們的看法: 如果你重視角色對話中對你選擇的尊重,且這與寫作風格同樣重要,請從這裡開始。它額外的運行次數為我們提供了比其他 GPT 候選者更多的證據,但這並不代表它在所有類型的故事中都能勝出。
2. GPT-6 Sol:快速回覆與冷幽默
GPT-6 Sol 是篩選階段中最快的模型,中位完整回應時間為 4.09 秒。如果你喜歡短促的交流,且不希望在等待時失去節奏,這是一個合理的首選比較對象。
它在博物館場景中的角色也擁有令人印象深刻的語氣。當被問及員工名錄中沒有的東西時,Rowan 描述了它會保留一份夾在圖書館書籍中的物品清單:一張公車票、一片壓花,以及一張提醒自己買洋蔥的嚴肅便條。這個笑話源於檔案管理員的工作,而非無關的閒聊。
船長在受到質疑時保持堅定,並在玩家提供新證據後接受了更安全的替代路線。謎題也保留了主要的庫存和角色事實。
在 13 次回覆中,有 12 次達到了要求的長度。唯一的例外是一段 55 字的非角色事實總結。它準確回答了所提出的問題,因此我們不會將其長度不足視為嚴重的角色扮演失敗。為了填補檢查清單而增加字數,並不一定會讓它變得更好。
記錄的 13 次回覆成本為 0.0290 美元,每次約 0.00223 美元。儘管版本號較舊,但在本樣本中,它每次觀察到的回覆成本並不比 6.1 Sol 低。生成的內容和對話長度會影響帳單。
我們的看法: 嘗試將 GPT-6 Sol 用於閒聊和快速的角色交流。它的速度表現令人期待,但我們只進行了一次篩選測試;我們無法斷言這種優勢在所有負載或設置下都能保持。
3. GPT-6.1 Terra:兼顧成本的中間選項
GPT-6.1 Terra 通過了核心場景檢查,所有 13 次回覆均在要求的字數範圍內,且回應的中位數時間為 4.88 秒。
它所扮演的 Rowan 提供了不同類型的個人細節:一份過去在電影院的工作,並根據海報顏色推薦電影。回應最後詢問這是否符合資格,或者玩家是否想要更具罪證性的內容。它為我們提供了對話的開端,而沒有預設我們的反應。
在偵探場景中,Terra 正確保留了剩餘的銀幣,並維持了 Inez 無法閱讀的設定。它沒有將「檢查門」變成「打開門」。這些雖是小細節,但遺失它們對遊戲造成的破壞比普通句子更快。
我們記錄的 13 次回覆總花費為 0.0148 美元,平均每次約 0.00114 美元。這使得 Terra 在投入常規角色聊天並選擇更昂貴的模型之前,非常值得一試。
測試中出現過一次 TLS 連線失敗,隨後重試成功。我們將其記錄為傳輸問題,而非寫作能力較弱的證據。Terra 也對 Rowan 使用了 they/them 代詞;由於提示詞未指定性別,這是一個合理的詮釋。
我們的觀點: Terra 是適合短時間對話的實用中間選項。此測試並未證明其文筆遜於 Sol;它證明了該模型能以更低的記錄成本完成這些任務,且無需過多重複測試。
4. GPT-6 Luna:我們測試過成本最低的模型
GPT-6 Luna 在 13 次回覆中花費了 0.0022 美元,在此次簡短測試中,平均每次回覆約 0.00017 美元。它同樣通過了主要的事實檢查,且每次記錄的回應都符合要求的長度。
這一點很重要,因為成本最低的候選模型並非完全不可用。它更新了銀幣庫存,保留了鎖門的前提,並允許船長在收到安全過境的證據後重新考慮她的決定。
其回應的中位數時間為 6.37 秒。最便宜並不代表最快:GPT-6 Sol 和 Terra 在篩選測試中完成的速度都更快。
我們發現了一個小格式缺陷,即第一次船長回應中出現了一個未閉合的引號。這值得注意,但不足以將該模型標記為糟糕的寫作者。同樣地,它與 GPT-6 Sol 的圖書館書籍軼事重疊是一種有趣的相似之處,而非它們是同一個模型的證據。
我們的觀點: 如果您想要負擔得起的短篇角色聊天,Luna 值得一試。在將其用於長期運行的劇本之前,請測試您自己的大型角色陣容、背景設定和累積的歷史。我們在此並未驗證這些能力。
ChatGPT 與 Kimi 在角色扮演中的對決:相同的場景,不同的權衡
我們使用 GPT-6.1 Sol 與 Kimi K3.1 Pro 對每個場景進行了三次測試。兩者在處理角色主動性和事實核查方面表現均佳。我們偏好 Sol 主要源於其響應速度、長度控制以及成本——這並非斷言 Kimi 無法進行角色扮演。
| 衡量指標 |
GPT-6.1 Sol |
Kimi K3.1 Pro |
| 記錄的回覆數 |
39 |
39 |
| 中位數完整回覆時間 |
7.85 秒 |
33.33 秒 |
| 80–120 字內的回覆 |
39/39 |
35/39 |
| 記錄測試花費 |
$0.0785 |
$0.5214 |
| 平均單次回覆記錄成本 |
$0.00201 |
$0.01337 |
Kimi 的中位數完成時間約為 Sol 的 4.25 倍,記錄花費則高出約 6.64 倍。這些結果僅針對本次配置與提示詞,並非模型整體的固定比例。我們沒有足夠的帳單細節來將此差異歸因於特定的內部處理過程。
Kimi 仍產生了值得關注的細節。在懸疑場景中,Inez 提供了一個清潔標籤。Kimi 將其追蹤為:
「已提供,未領取:清潔標籤。」
該物品在後續回覆中保持未領取狀態,並未悄悄進入玩家的物品欄。在另一輪測試中,Kimi 在場景中引入了館長,隨後正確更新了最終摘要,說明玩家已見過他。保持狀態準確性包括在事件變更時更新事實,而不僅僅是重複開場設定。
其船長也對改變主意給出了特別清晰的解釋:
「我當時是為了安全過境而堅持,並非為了贏得爭論而固執己見。」
我們對這些樣本的解讀是,Kimi 往往提供更密集的描述,而 Sol 則顯得更為克制。這屬於風格判斷。更可衡量的差異在於長度控制:Kimi 有四次超過了 120 字的上限,最高達到 131 字。這些屬於輕微超標,而非失控的冗長。
如果您重視對話的流暢度,請優先選擇 Sol。如果您喜歡 Kimi 的描述風格,且願意接受觀察到的等待時間與成本,不妨嘗試使用相同的角色卡進行測試。若需了解該系列內的比較,請參閱我們針對最佳 Kimi 角色扮演模型的測試指南。
如何開始使用您選擇的模型進行角色扮演
想要親自比較回覆嗎?開啟 GPT Proto 的角色扮演聊天,選擇一個角色和可用的模型,直接在 GPT Proto 上開始對話。嘗試用相同的角色、訊息和對話記錄使用另一個模型,然後比較兩者的回應:哪一個聽起來更自然、更貼近角色設定,並且給出了您真正想回應的內容?利用這些差異來選擇最適合您角色扮演風格的模型。
給予模型明確的角色、場景以及清晰的控制權限劃分。「保持沉浸感」留下了太多模糊地帶。「撰寫 Rowan 的行動,但絕不要決定 Alex 的感受」給了它一條您可以實際檢核的規則。
以下是我們慢熱型測試中的開場提示詞:
我們正在以英文撰寫一個互動式虛構場景。
所有角色皆為成年人。請保持場景內容非露骨。
你扮演 Rowan,一位 29 歲的博物館檔案管理員。
我扮演 Alex,一位 28 歲的自由譯者。
Rowan 善於觀察、帶有冷幽默且性格內斂。Rowan 不喜歡
誇張的表態,並透過實際的舉動來表達興趣。
我們已經共事三週。我們並非戀人關係。
場景:我們正在暴雨中關閉博物館。
門邊有一把雨傘。
規則:
- 僅撰寫 Rowan 的對話、行動以及可觀察到的周遭環境。
- 不要捏造 Alex 的對話、行動、感受或個人背景。
- 每次回覆長度請保持在 80 到 120 字之間。
- 讓關係透過當前的互動自然發展。
- 為我的下一個行動留出空間。不要直接結束整個場景。
我的開場:
"你已經檢查那把鎖三次了。你是擔心那些畫作,還是你在逃避跟我一起走回家?"
若要在 ChatGPT 內進行角色扮演,請開啟新對話並貼上提示詞,然後使用您帳戶可用的模型選項。若要使用角色卡工作流程,請從 GPT Proto 的 OpenAI 模型集合中選擇一個模型,然後依照我們的 SillyTavern 整合指南進行操作。如果您改用 Janitor AI,請依照 Janitor AI API 設定指南進行操作。
在比較模型時,請使用相同的開場白開啟全新的對話,並發送相同的後續訊息。保留您的第一次回應。從典型的尷尬回覆中,您能學到的東西遠比反覆重新生成直到每個模型看起來都很完美還要多。
選用:發送小型測試請求
如果您正在構建自己的角色介面,此 cURL 範例使用了 GPT-6.1 Sol 模型頁面上顯示的端點和模型 ID。請先在您的本地環境中設置 GPTPROTO_API_KEY。這是一個較短的連接範例,並非上述完整的基準測試提示詞。
curl --fail-with-body --request POST 'https://gptproto.com/v1/chat/completions' \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "gpt-6.1-sol",
"temperature": 1.0,
"max_completion_tokens": 4096,
"stream": true,
"messages": [
{
"role": "user",
"content": "Write an interactive fictional scene. You play Rowan, a private, dryly funny adult museum archivist. I play Alex, an adult colleague. We are closing the museum during a rainstorm. Write only Rowan and the surroundings, never my actions or feelings. Keep your reply between 80 and 120 words. I say: Are you avoiding walking home with me?"
}
]
}'
對於後續對話,請將先前的用戶和助理訊息與新訊息一併包含在內。保留較長的歷史記錄也會改變請求成本。請查看 當前定價以及您的實際使用量,而不是將我們的簡短測試平均值乘以得出每月預算。
在進行首次比較時,請使用 GPT-6.1 Sol 和另一個較便宜的 GPT 選項,並使用相同的角色進行測試。判斷您是否想要回答下一條訊息、模型是否會干涉您的決定,以及等待時間是否符合您的遊玩習慣。