> For the complete documentation index, see [llms.txt](https://docs.convai.com/api-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.convai.com/api-docs/zh/convai-playground/character-customization/core-ai-settings.md).

# 核心 AI 设置

了解如何为你的 AI 角色配置审核、基础模型选择和温度参数

该 **核心 AI 设置** 本节通过控制安全过滤器、底层语言模型以及回复的创造性程度，来定义您的 AI 角色的基础行为。这些设置会显著影响角色与用户的互动方式，在安全性、准确性和创造性之间取得平衡。

<figure><img src="https://2402152281-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FEtUJA212Zc1S9ACc8T4l%2Fuploads%2FNO0tjYZYpRNeVkNILApg%2Fimage.png?alt=media&amp;token=de0e10fb-b496-4880-8d7a-a37da8aa226e" alt=""><figcaption></figcaption></figure>

***

## 主要功能

### 1. 启用审核过滤器

* 此设置可让您过滤掉可能有害的内容，包括仇恨言论、脏话或不适当语言。您可以使用页面顶部的切换开关来打开或关闭审核过滤器。默认情况下，此设置已启用。

<figure><img src="https://2402152281-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FEtUJA212Zc1S9ACc8T4l%2Fuploads%2FSk43Oe0HSYmhVRsoNG0I%2Fimage.png?alt=media&amp;token=16d5ea84-6de2-4f9a-ac2b-32abb742a68e" alt=""><figcaption></figcaption></figure>

{% hint style="warning" %}
禁用审核过滤器会使某些基础模型不可用。
{% endhint %}

{% hint style="warning" %}
诸如 **叙事设计** 和 **多语言支持** 等功能在禁用审核时将无法工作。
{% endhint %}

***

### 2. 选择基础模型

从各种 **大语言模型（LLMs）** 中进行选择，来自领先提供商：

* OpenAI
* Anthropic
* Google
* Llama

<figure><img src="https://2402152281-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FEtUJA212Zc1S9ACc8T4l%2Fuploads%2F5QPv2xvJcnBhL1Rysy9W%2Fimage.png?alt=media&amp;token=d1533adc-ea0a-420f-a64d-d10d64b865c5" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
模型可用性取决于是否启用审核过滤器。
{% endhint %}

***

### 受支持的 LLM

下面是在 Convai Playground 中可用的大语言模型（LLMs）列表，位于 **核心 AI 设置**。\
标有 ✅ 的模型 *旗舰* 是提供商最高端、最强大的模型——但使用这些模型受 **旗舰交互上限** 的限制，具体取决于您的套餐。

> **旗舰 LLM**\
> 这是您使用旗舰 LLM 可进行交互次数的上限。
>
> **示例：**\
> 在 *独立开发者* 套餐下，您每月共有 **3000 次交互**。但是， **旗舰 LLM 交互上限** 是 **1500**。\
> 如果您在 1500 次交互后继续使用 GPT-4.1，您的旗舰 LLM 配额将会耗尽。\
> 此后，您需要在剩余的 1500 次交互中切换到非旗舰 LLM。

***

### 实时 / 直播模型

#### OpenAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>GPT 实时 1.5（beta）</td><td>gpt-realtime-1.5</td><td>false</td></tr><tr><td>GPT 实时 Mini（beta）</td><td>gpt-realtime-mini</td><td>false</td></tr></tbody></table>

#### Google

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Gemini 2.5 Flash Live（beta）</td><td>gemini-2.5-flash-live</td><td>false</td></tr><tr><td>Gemma 4 31B Fast（beta）</td><td>realtime-gemma-4-31b-it</td><td>false</td></tr><tr><td>Gemma 4 26B A4B Fast（beta）</td><td>realtime-gemma-4-26b-a4b-it</td><td>false</td></tr></tbody></table>

### 标准模型

#### OpenAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>GPT-5.4</td><td>gpt-5.4</td><td>false</td></tr><tr><td>GPT-5.x（最新）</td><td>gpt-5.x</td><td>true</td></tr><tr><td>GPT-OSS-120B（beta）</td><td>gpt-oss-120b</td><td>false</td></tr><tr><td>GPT-5.1（beta）</td><td>gpt-5.1</td><td>false</td></tr><tr><td>GPT-4.1</td><td>gpt-4.1</td><td>false</td></tr><tr><td>GPT-5.4-nano</td><td>gpt-5.4-nano</td><td>false</td></tr><tr><td>GPT-5.x-nano（最新）</td><td>gpt-5.x-nano</td><td>true</td></tr><tr><td>GPT-5.4-mini</td><td>gpt-5.4-mini</td><td>false</td></tr><tr><td>GPT-5.x-mini（最新）</td><td>gpt-5.x-mini</td><td>true</td></tr><tr><td>GPT-4.1-mini</td><td>gpt-4.1-mini</td><td>false</td></tr><tr><td>GPT-5.3 Instant</td><td>gpt-5.3-instant</td><td>false</td></tr><tr><td>GPT-4o</td><td>gpt-4o</td><td>false</td></tr><tr><td>GPT-4.1-nano</td><td>gpt-4.1-nano</td><td>false</td></tr><tr><td>GPT-4o-mini</td><td>gpt-4o-mini</td><td>false</td></tr></tbody></table>

#### Anthropic

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Claude 4.5 Sonnet（beta）</td><td>claude-4-5-sonnet</td><td>false</td></tr><tr><td>Claude 4.5 Haiku（beta）</td><td>claude-4-5-haiku</td><td>false</td></tr><tr><td>Claude Sonnet（最新）</td><td>claude-sonnet</td><td>true</td></tr><tr><td>Claude Haiku（最新）</td><td>claude-haiku</td><td>true</td></tr></tbody></table>

#### Google

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Gemini 3.5 Flash</td><td>gemini-3.5-flash</td><td>false</td></tr><tr><td>Gemini Flash（最新）</td><td>gemini-flash</td><td>true</td></tr><tr><td>Gemini 3.1 Flash Lite</td><td>gemini-3.1-flash-lite</td><td>false</td></tr><tr><td>Gemini Flash Lite（最新）</td><td>gemini-flash-lite</td><td>true</td></tr><tr><td>Gemini 2.5 Flash</td><td>gemini-2.5-flash</td><td>false</td></tr><tr><td>Gemini 2.5 Flash Lite</td><td>gemini-2.5-flash-lite</td><td>false</td></tr></tbody></table>

Gemini 3.8 Flash 提供以下推理配置：

| 模型                  | 模型代码                      |
| ------------------- | ------------------------- |
| Gemini 3.8 Flash（低） | `gemini-3.8-flash-low`    |
| Gemini 3.8 Flash（中） | `gemini-3.8-flash-medium` |
| Gemini 3.8 Flash（高） | `gemini-3.8-flash-high`   |

低、中、高三种配置用于选择 Gemini 3.8 Flash 执行多少推理。它们的提供商 token 价格相同；额外的推理会增加输出 token 的使用量。

这三种配置都使用 **每 1,000 个输入 token 0.75 Convai credits** 和 **每 1,000 个输出 token 3.75 credits**，包括推理。每一轮还包含 **平台费用** 为 <code class="expression">space.vars.platform\_fee\_credits</code> credits。语音、会话时长、记忆、知识检索以及其他已启用服务会各自产生用量，Convai 会将每轮总计向上取整到下一个完整 credit。请参阅 [Convai credits 的工作原理](/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/how-convai-credits-work.md).

<details>

<summary>Gemini 3.8 Flash 延迟和 credits 测量</summary>

这些预发布测量在 2026 年 9 月 5 日进行，每种配置使用 30 个合成请求，涵盖对话、使用所提供参考笔记的提问以及规划，每个请求约 3,900 个输入 token。请求按一次一个执行。延迟衡量的是从语言模型请求到第一段文本响应的时间，包括推理。它不包括连接建立、语音识别、语音合成以及传输到您的设备：

| 配置文件 | 首个文本，中位数 | 首个文本，第 95 百分位 | 平均 LLM credits | 平均生成 credits |
| ---- | -------: | ------------: | -------------: | -----------: |
| 低    |   1.06 秒 |        3.65 秒 |           4.03 |        10.03 |
| 中    |   4.26 秒 |        7.49 秒 |           8.63 |        14.63 |
| 高    |   5.57 秒 |        9.28 秒 |          11.03 |        17.03 |

LLM 列单独说明语言模型，使用测得的输入、可见输出和推理 token。生成列显示观测到的预发布费用，包括六个 credit 的 **平台费用**。两列都不包含会话时长费用和其他服务。这些工作负载平均值不能保证生产环境中的成本或响应时间。

</details>

Google 的入门提供商价格为 **每百万未缓存输入 token 0.75 美元** 和 **每百万输出 token 3.75 美元**，包括推理，有效期至 2026 年 12 月 31 日。提供商价格描述的是 Google 的收费，与 Convai credits 不同。请参阅 [Google Gemini API 定价](https://ai.google.dev/gemini-api/docs/pricing).

#### Qwen

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Qwen3.6 27B（beta）</td><td>qwen3.6-27b</td><td>false</td></tr><tr><td>Qwen3.6 35B A3B（beta）</td><td>qwen3.6-35b-a3b</td><td>false</td></tr></tbody></table>

#### Llama

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Llama 4 Maverick（beta）</td><td>llama-4-maverick</td><td>false</td></tr><tr><td>Llama 4 Scout（beta）</td><td>llama-4-scout</td><td>false</td></tr><tr><td>Llama3 70B</td><td>llama3-70b</td><td>false</td></tr></tbody></table>

#### xAI

<table><thead><tr><th>模型</th><th>模型代码</th><th data-type="checkbox">旗舰</th></tr></thead><tbody><tr><td>Grok 4.3</td><td>grok-4.3</td><td>false</td></tr></tbody></table>

***

### 3. 温度控制

<figure><img src="https://2402152281-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FEtUJA212Zc1S9ACc8T4l%2Fuploads%2Ff9hN5jQ31MP0zmIe8JYt%2Fimage.png?alt=media&amp;token=9d060665-3d32-48eb-87d5-eccd068e0647" alt=""><figcaption></figcaption></figure>

* **功能：** 调整 AI 回复中的随机性和创造性。
* **滑块范围：** `0.0` （最确定性）到 `1.0` （最具创造性）。

| 温度范围           | 行为              | 适用场景          |
| -------------- | --------------- | ------------- |
| **低（0.0–0.3）** | 确定性强、一致稳定       | 事实问答、合规关键交互   |
| **中（0.4–0.7）** | 准确性与创造性的平衡      | 对话代理、客服支持     |
| **高（0.8–1.0）** | 多样、富有创造性，有时难以预测 | 讲故事、头脑风暴、角色扮演 |

{% hint style="info" %}
较低的温度会使概率分布更尖锐，从而更容易做出可预测的词语选择。

较高的温度会使分布更平坦，让不太可能的词语更频繁地出现。
{% endhint %}

***

### 4. 推理级别

位于 **高级设置**中，在 Temperature 旁边。

* **功能：** 控制模型在回答前进行多少内部推理。
* **可用性：** 仅对支持此功能的模型显示。没有推理控制的模型——例如 Gemma、Llama、Qwen 和 GLM 系列——不会显示此设置。

推理会以延迟换取答案质量。更多推理通常能更好地处理多步骤问题和指令，但首次响应会更慢。

#### 可用选项

具体列表取决于所选模型，因为每个提供商开放的级别不同。

| 选项              | 行为                                               |
| --------------- | ------------------------------------------------ |
| **自动**          | 不会发送任何级别。模型会应用其自适应默认值，在困难请求上进行更多推理，在简单请求上进行更少推理。 |
| **关闭** / **最低** | 模型提供的最低设置。首次响应最快。                                |
| **低**           | 少量推理。                                            |
| **中**           | 平衡。大多数提供商的默认值。                                   |
| **高** 及以上       | 最大推理。速度最慢，最适合复杂的多步骤请求。                           |

{% hint style="info" %}
**Auto 通常是合适的起点。** 当前模型已经会根据每个请求的难度自行调整推理程度，因此 Auto 通常能让简单轮次保持快速，同时在请求确实需要时仍允许模型进行思考。当您需要可预测的延迟，或已测得某个特定级别更适合您的用例时，请固定一个明确的级别。
{% endhint %}

{% hint style="warning" %}
更高的推理级别会同时增加响应延迟和 token 消耗。如果您的体验对延迟敏感——例如实时语音代理——在提高级别之前请先测量其影响。
{% endhint %}

#### 切换模型

如果您更改基础模型，并且新模型也支持推理级别，则会保留您的推理级别。当新模型不支持时，该设置会回退到 **自动**，因此角色绝不会发送其模型会拒绝的值。

#### 在此设置出现之前创建的角色

从未设置过推理级别的角色会显示 **模型默认值** 并保持它们一直以来的行为。编辑并保存其他设置不会改变这一点。选择任何其他选项都会让角色启用该功能，而之后无法再回到 **模型默认值** ——如果您希望 **自动** 由模型自行决定，请选择

***

## 结论

核心 AI 设置让您可以精确控制角色的基础模型、安全过滤器和回复风格。通过调整这些参数，您可以创建一个在安全性、可靠性和创造性之间取得平衡的 AI，以满足您的特定应用需求。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.convai.com/api-docs/zh/convai-playground/character-customization/core-ai-settings.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.