> 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

“ **核心 AI 设置** ”部分通过控制安全过滤器、底层语言模型以及回复的创造性水平，定义 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，并在安全性、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

* 此设置可过滤潜在有害内容，包括仇恨言论、脏话或不当用语。您可以使用页面顶部的开关来启用或停用审核过滤器。此设置默认启用。

<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" %}
停用审核过滤器后，部分基础模型将无法使用。
{% endhint %}

{% hint style="warning" %}
诸如 **叙事设计** 和 **多语言支持** 等功能将在停用审核功能时失效。
{% endhint %}

***

### 2. 选择基础模型

可从领先提供商提供的多种 **大型语言模型（LLM）** 中进行选择：

* 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" %}
模型是否可用取决于审核过滤器是否启用。
{% endhint %}

***

### 支持的 LLM

以下列出了 Convai Playground 的 **核心 AI 设置**中提供的大型语言模型（LLM）。\
标记为 ✅ *旗舰* 的模型是各提供商能力最强的顶级模型，但其使用受 **旗舰模型交互上限** 限制，具体取决于您的套餐。

> **旗舰 LLM**\
> 这是您使用旗舰 LLM 可进行的交互次数上限。
>
> **示例：**\
> 在 *独立开发者* 套餐中，您的每月总配额为 **3000 次交互**。不过， **旗舰 LLM 交互上限** 为 **1500**。\
> 如果您在完成 1500 次交互后使用 GPT-4.1，旗舰 LLM 配额将耗尽。\
> 之后，您需要切换到非旗舰 LLM，完成剩余的 1500 次交互。

***

### 实时 / Live 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 Realtime 1.5（测试版）</td><td>gpt-realtime-1.5</td><td>false</td></tr><tr><td>GPT Realtime Mini（测试版）</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 3.8 Live</td><td>gemini-3.8-live</td><td>false</td></tr><tr><td>Gemma 4 31B Fast（测试版）</td><td>realtime-gemma-4-31b-it</td><td>false</td></tr><tr><td>Gemma 4 26B A4B Fast（测试版）</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（测试版）</td><td>gpt-oss-120b</td><td>false</td></tr><tr><td>GPT-5.1（测试版）</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 Haiku（测试版）</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 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 可搭配低推理配置使用：

| 模型                  | 模型代码                   |
| ------------------- | ---------------------- |
| Gemini 3.8 Flash（低） | `gemini-3.8-flash-low` |

Low 配置档位决定 Gemini 3.8 Flash 执行推理的程度。推理计入输出 token 用量。

Gemini 3.8 Flash（Low）的费用为 **每 1,000 个输入 token 收取 0.75 Convai 积分** ， **每 1,000 个输出 token 收取 3.75 积分**，其中包括推理。每轮还需支付 **平台费** ，金额为 <code class="expression">space.vars.platform\_fee\_credits</code> 积分。语音、会话时长、记忆、知识检索和其他已启用的服务会产生各自的用量费用，Convai 会将每轮总费用向上取整至下一个整数积分。请参阅 [Convai 积分的运作方式](https://docs.convai.com/api-docs/zh/ji-fen-yu-ji-fei/convai-credits/how-convai-credits-work.md).

<details>

<summary>Gemini 3.8 Flash 延迟和积分测量结果</summary>

这些预发布环境测量于 2026 年 9 月 5 日进行，使用了 30 个合成请求，涵盖对话、基于提供的参考笔记回答问题以及规划，每个请求约有 3,900 个输入 token。请求逐一执行。延迟测量从发出语言模型请求到收到首个文本响应的时间，包括推理时间，但不包括连接建立、语音识别、语音合成和向设备传送的时间：

| 配置档位 | 首个文本响应时间中位数 | 首个文本响应时间第 95 百分位数 | 平均 LLM 积分 | 平均生成积分 |
| ---- | ----------: | ----------------: | --------: | -----: |
| 低    |      1.06 秒 |            3.65 秒 |      4.03 |  10.03 |

LLM 列根据测得的输入、可见输出和推理 token，仅计算语言模型本身的费用。生成积分列显示预发布环境中观察到的费用，包括 6 积分的 **平台费**。两列均不包括会话时长费用和其他服务费用。这些工作负载的平均值不保证实际生产环境中的成本或响应时间。

</details>

Google 的供应商优惠期价格为 **每百万个未缓存的输入 token 收取 0.75 美元** ， **每百万个输出 token 收取 3.75 美元**，其中包括推理，优惠期截至 2026 年 12 月 31 日。供应商价格指 Google 收取的费用，与 Convai 积分不同。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（测试版）</td><td>qwen3.6-27b</td><td>false</td></tr><tr><td>Qwen3.6 35B A3B（测试版）</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（测试版）</td><td>llama-4-maverick</td><td>false</td></tr><tr><td>Llama 4 Scout（测试版）</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 响应的随机性和创造性。
* **滑块范围：** `0.0` （最确定）到 `1.0` （最具创造性）。

| 温度范围           | 行为            | 使用场景           |
| -------------- | ------------- | -------------- |
| **低（0.0–0.3）** | 确定、一致         | 事实问答、合规要求严格的交互 |
| **中（0.4–0.7）** | 兼顾准确性与创造性     | 对话代理、客户支持      |
| **高（0.8–1.0）** | 多样、有创意，有时难以预测 | 故事创作、头脑风暴、角色扮演 |

{% hint style="info" %}
较低的温度会使概率分布更加集中，从而让词语选择更可预测。

较高的温度会使分布更加平缓，让概率较低的词语更频繁地出现。
{% endhint %}

***

### 4. 推理级别

位于 **高级设置**中，紧邻“温度”。

* **功能：** 控制模型在回答前进行多少内部推理。
* **可用性：** 仅适用于支持此功能的模型。不支持推理控制的模型（例如 Gemma、Llama、Qwen 和 GLM 系列）不会显示此设置。

推理是在延迟与回答质量之间进行权衡。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

具体选项取决于所选模型，因为各个提供商提供的级别范围不同。

| 选项              | 行为                                              |
| --------------- | ----------------------------------------------- |
| **自动**          | 不发送任何级别。模型会采用自身的自适应默认设置：对困难请求进行更多推理，对简单请求则减少推理。 |
| **关闭** / **最低** | 模型提供的最低设置。首次响应最快。                               |
| **低**           | 进行少量推理。                                         |
| **中**           | 均衡。也是大多数提供商的默认设置。                               |
| **高** 及以上       | 最大程度的推理。速度最慢，但最适合复杂的多步骤请求。                      |

{% hint style="info" %}
**通常建议从 Auto 开始。** 当前的模型已能根据每个请求的难度自适应调整推理，因此 Auto 通常能让简单对话保持快速，同时在请求确实需要时允许模型深入思考。如果你需要可预测的延迟，或者经过测试确认某个特定级别更适合你的使用场景，可以固定选择该级别。
{% endhint %}

{% hint style="warning" %}
较高的推理级别会增加响应延迟和 token 消耗。如果你的应用对延迟敏感（例如实时语音代理），请先测量影响，再调高推理级别。
{% endhint %}

#### 切换模型

如果更改基础模型，而新模型也支持当前推理级别，该级别将予以保留。如果新模型不支持，则设置会回退到 **Auto**，因此角色绝不会发送模型不接受的值。

#### 此设置推出前创建的角色

从未设置过推理级别的角色会显示 **模型默认值** ，并保持原有行为。编辑并保存其他设置不会改变这一点。选择任何其他选项即表示为该角色启用此设置，之后无法再恢复为 **模型默认值** ——如果希望由模型自行决定，请选择 **Auto** 。

***

## 总结

核心 AI 设置让你能够精确控制角色的基础模型、安全过滤器和响应风格。调整这些参数后，你可以创建一个兼顾安全性、可靠性与创造性的 AI，以满足特定应用场景的需求。


---

# 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.
