Migliore API per SillyTavern: scelta del modello, contesto e costo mensile

SillyTavern non vende alcuna API né alcun abbonamento, quindi scegliere la migliore API per SillyTavern equivale ad acquistare un modello e un provider — e il numero decisivo è il costo di un singolo turno alla tua Context Size, non il prezzo in evidenza per milione di token. SillyTavern reinvia la scheda del personaggio, il prompt di sistema e quanta più cronologia possibile a ogni generazione, quindi il conto cresce con la conversazione anche se la tariffa non cambia mai.

La versione 1.19.0 è stata pubblicata il 14 settembre 2026 con licenza AGPL-3.0, e l'ultimo push al repository risale al 14 settembre 2026 (verificato il 18 settembre 2026). Due cose che non sono SillyTavern: TavernAI, il progetto antenato separato — la documentazione fa risalire SillyTavern a «febbraio 2023 come fork di TavernAI 1.2.8» — e SillyTavern-Extras, la cui descrizione del repository ora inizia con «[OBSOLETE]». I tutorial che indicano di installare Extras sono obsoleti.

Cosa è gratuito e cosa no

Fonti verificate il 18 settembre 2026: il repository del progetto e le FAQ ufficiali. Le FAQ dividono i backend in modelli autogestiti, gratuiti da eseguire, e servizi web a pagamento che, secondo le loro parole, «costano denaro per essere utilizzati».

Come una chat di SillyTavern genera il proprio costo

La documentazione di SillyTavern sulla Context Size definisce l'impostazione come il numero massimo di token che SillyTavern invierà all'API come prompt, meno la lunghezza della risposta, e afferma che il contesto «comprende informazioni sul personaggio, prompt di sistema, cronologia della chat, ecc.». I messaggi sopra la linea tratteggiata nella chat semplicemente non vengono inviati, invece di essere riassunti. Quindi un turno costa all'incirca context tokens × input rate + reply tokens × output rate, e una risposta rigenerata paga nuovamente per intero la parte di input.

Il contesto predefinito di Chat Completion è di 4.095 token, impostato nei valori predefiniti distribuiti (letti il 18 settembre 2026); il cursore lo aumenta di ordini di grandezza, e ulteriormente con il contesto sbloccato. La Context Size è quindi il principale controllo del budget nell'applicazione: quadruplicarla quadruplica all'incirca il costo dell'input per ogni messaggio successivo alla stessa tariffa.

Selezione dei modelli e costo di ciascuno

USD per milione di token di input / output: tariffe attuali del catalogo Kunavo accanto al prezzo di listino pubblicato dal provider, tutto verificato il 18 settembre 2026.

I prezzi dei provider provengono dalla pagina dei prezzi di Anthropic e dai prezzi per sviluppatori di OpenAI.

Una stima mensile con numeri concreti

Supponiamo 100 generazioni in un mese, un prompt cresciuto fino a circa 16.000 token, risposte di 300 token e nessuna rigenerazione. Sono 1,6 milioni di token di input e 30.000 token di output. Alle tariffe di catalogo sopra indicate:

Questa è aritmetica dei token basata su numeri ipotizzati, non una sessione misurata né un limite massimo di quanto ti verrà addebitato. Cambia qualsiasi ipotesi e cambia anche il risultato: aumentare la Context Size, rigenerare le risposte o eseguire 500 turni invece di 100 fa crescere tutto il lato input. Sono inoltre esclusi i costi della cache, a cui è dedicata la sezione successiva.

Il divario della cache che decide il costo di una chat lunga

Questa è la parte invisibile dall'interno dell'interfaccia. Nel ramo di rilascio 1.19.0 del backend di chat completions (letto il 18 settembre 2026), ogni marcatore cache_control si trova dietro un controllo sulla sorgente integrata: la sorgente Claude, la sorgente ElectronHub per gli ID modello claude-, la sorgente OpenRouter per gli ID modello anthropic/claude, nuovamente la sorgente OpenRouter per gli ID google/gemini che rileva come memorizzabili nella cache, e un flag NanoGPT. Il ramo Custom (compatibile con OpenAI) non compare in nessuno di questi controlli e non imposta alcun campo cache_control — ciò che imposta è logprobs, un response_format se hai configurato uno schema JSON, i parametri Include Headers e Include Body Parameters, e reasoning_effort o verbosity dove li hai richiesti. Né esiste una sezione custom: in la configurazione distribuita, dove risiedono gli switch di caching claude: e gemini:.

La conseguenza è specifica del protocollo Anthropic: la sorgente Custom non imposta mai un marcatore cache_control, quindi su un modello Claude l'intera cronologia viene nuovamente fatturata al prezzo pieno dell'input a ogni turno, a meno che l'endpoint non inserisca autonomamente i breakpoint. Questo non significa che su questo percorso non venga memorizzato nulla nella cache. Il prompt caching di OpenAI è abilitato per impostazione predefinita sui modelli supportati e non richiede nulla al client, quindi una route GPT attraverso la stessa sorgente Custom può usare la cache mentre una route Claude no. Il caching è deciso dal modello e dall'endpoint, non da ciò che invia SillyTavern. La traduzione da OpenAI ad Anthropic di Kunavo li inserisce — sui blocchi degli strumenti e del sistema, oltre a un breakpoint scorrevole sull'ultimo messaggio quando la conversazione contiene già un turno dell'assistente, che è la struttura di una chat SillyTavern dopo il primo turno. Sono necessari 8.192 caratteri di prompt prima che si attivi e non supera mai il limite di quattro breakpoint del provider. Un messaggio di sistema inviato dopo la prima risposta del modello, come l'Author's Note inserita nella chat a una certa profondità, resta nella conversazione e i breakpoint vengono disposti di conseguenza: quando il prompt termina con un messaggio del genere, il breakpoint scorrevole va sul blocco immediatamente precedente, e i breakpoint ancora disponibili vanno davanti agli ultimi messaggi di questo tipo seguiti da qualcos'altro. I dettagli sono nella documentazione sul caching, scritta per i chiamanti che impostano autonomamente i breakpoint.

Quanto vale, nel caso migliore e non come previsione: se 12.000 di quei 16.000 token di prompt fossero letti dalla cache a ogni turno alla tariffa di lettura della cache di Kunavo per Claude Sonnet 5 ($0,14 per milione), gli stessi 100 turni arriverebbero a circa $0,94 invece di $2,45. Consideralo il risparmio massimo disponibile, non un limite superiore di quanto pagherai: presuppone un cache hit a ogni turno e non conta le scritture nella cache, quindi una fattura reale sarà superiore. Anthropic applica per una lettura dalla cache 0,1× dell'input di base (0,025× su Fable 5.1), ma per una scrittura nella cache 1,25× per una finestra di cinque minuti — un utente di roleplay che impiega più tempo di così tra un messaggio e l'altro paga nuovamente la scrittura invece della lettura. Anthropic vende anche una scrittura della durata di un'ora a 2×. Per questa guida nessuna sessione SillyTavern reale è stata fatturata tramite il gateway, quindi controlla prima l'utilizzo riportato nella tua prima chat lunga prima di fare un budget basato sui cache hit.

Quando conviene il diretto, un gateway, un abbonamento o il locale

Numeri concreti, verificati il 18 settembre 2026. OpenRouter trasferisce i prezzi dei provider e applica il 5,5% (minimo $0,80) sugli acquisti di credito con carta, con i modelli gratuiti limitati a 50 richieste al giorno, o 1.000 dopo aver acquistato almeno $10 di crediti. NanoGPT vende il pagamento a consumo più un abbonamento opzionale da $12 al mese, con un deposito minimo di $0,10 in criptovaluta o $1 con carta. Arli AI offre un livello gratuito più livelli mensili da $10, $15, $20, $30 e $160, che differiscono per lunghezza massima del contesto (12K nel livello gratuito fino a 512K nel livello superiore), dimensione del modello e richieste parallele; Infermatic elenca un piano gratuito più piani da $9, $16 e $20; Featherless elenca Chat a $25 al mese e Developer a $50. AI Horde si descrive come «Free · community run · open source»; le sue FAQ spiegano che la posizione in coda segue il saldo totale dei kudos e che gli utenti anonimi partono da zero, quindi gli utenti registrati si classificano sopra di loro. Google pubblica un livello gratuito Gemini, ma la sua pagina sui limiti di velocità non elenca numeri per modello del livello gratuito e rimanda ad AI Studio, quindi considera non verificata qualsiasi quota specifica del livello gratuito letta altrove.

Kunavo non offre un livello gratuito né credito alla registrazione: il minimo è $10 di credito prepagato, senza abbonamento e con un saldo che non scade. Anche una stima di catalogo non è un limite massimo di prezzo — consulta billing per sapere come viene regolato un addebito.

Le regole sui contenuti vengono prima del prezzo

Le FAQ di SillyTavern affermano che i servizi web a pagamento «sono spesso censurati e rifiuteranno di chattare con te su determinati argomenti». È un'informazione di prima parte ed è l'aspettativa corretta da impostare. La Usage Policy di Anthropic vieta le chat erotiche e la generazione sessualmente esplicita, senza eccezioni per gli utenti adulti, e un gateway non modifica la policy applicata al modello — la policy di Kunavo afferma che le policy dei provider upstream si applicano a ciò che invii. Nulla in questa pagina deve essere interpretato come offerta di un endpoint senza filtri. Se il roleplay adulto senza restrizioni è un requisito, la risposta onesta è un modello locale o un hosting open-weight, e la selezione di modelli sopra non è lo scaffale giusto.

Configurarlo, poi controllare il costo

Il percorso documentato è Chat Completion → Custom (compatibile con OpenAI), compilando Custom Endpoint (Base URL) e Custom API Key. Non aggiungere /chat/completions; aggiungi /v1 se la connessione non riesce. Quattro cose da sapere prima della prima chat lunga:

1. I parametri di campionamento vengono inviati a meno che l'ID modello non sia in un elenco di esclusione. Il generatore di richieste del frontend inserisce temperature, top_p, frequency_penalty e presence_penalty in ogni richiesta Chat Completion. Nel ramo di rilascio 1.19.0 elimina poi questi quattro più top_k per qualsiasi ID modello corrispondente a claude-fable, claude-opus-5 o claude-sonnet-5 — la regola è basata sull'ID modello senza controllo della sorgente, quindi si attiva anche sulla sorgente Custom. Non copre Claude Haiku 4.5, mentre la regola GPT-5 comparabile accanto ad essa viene eseguita solo per le sorgenti integrate OpenAI, Azure e OpenRouter, quindi tali ID trasportano ancora i campi di campionamento attraverso un endpoint custom. Il catalogo di Kunavo indica separatamente temperature, top_p e top_k come non supportati sui modelli Claude 5 elencati sopra e li rimuove prima della chiamata upstream; su un endpoint che non lo fa, lasciali vuoti tramite Exclude Body Parameters nel pannello Additional Parameters, altrimenti un modello che rifiuta quei campi risponde con un 400.
2. Inizia con Prompt Post-Processing impostato su None. L'API Messages di Anthropic combina autonomamente i turni consecutivi dello stesso ruolo e riceve il prompt di sistema come parametro di primo livello, quindi è il gateway di traduzione a decidere dove va ogni messaggio di sistema. Kunavo inserisce in quel parametro i messaggi di sistema inviati prima che il modello risponda per la prima volta; uno inviato dopo, come l'Author's Note o una voce di World Info inserita nella chat a una certa profondità, resta nel turno in cui è stato inviato. La documentazione di SillyTavern definisce None come «nessuna elaborazione esplicita applicata salvo quando strettamente richiesta dall'API», Semi-strict come unione dei ruoli e consentendo un solo messaggio di sistema opzionale, e Strict come requisito aggiuntivo che il primo messaggio sia dell'utente — quindi, se visualizzi un 400 sui ruoli dei messaggi, passa a Semi-strict. Nota che Merge, Semi-strict e Strict rimuovono anche le chiamate agli strumenti, a meno che tu scelga la variante «with tools».
3. Il contatore dei token è una stima. La documentazione del tokenizer di SillyTavern afferma che i conteggi sono «stimati in base al tipo di tokenizer selezionato» quando il backend non ne fornisce uno, e le sue regole Best-match nominano provider specifici invece di un endpoint custom arbitrario. Anthropic afferma che i modelli Claude 4.7 e successivi utilizzano un tokenizer più recente che produce «circa il 30% di token in più per lo stesso testo», quindi un conteggio prodotto da un tokenizer precedente risulta inferiore rispetto a ciò che tali modelli fatturano.
4. Il pannello Reverse Proxy è una funzionalità diversa. Il blocco di avviso nella UI distribuita è limitato alle sorgenti integrate (data-source="openai,claude,mistralai,…") e recita «ANY support requests will be REFUSED if you are using a proxy.» La pagina della documentazione con quel nome riguarda l'esecuzione di SillyTavern stesso dietro Traefik, NGINX o Caddy, che è un argomento ancora diverso. La sorgente Custom è il percorso supportato e non corrisponde a quel pannello.

Kunavo pubblica una guida alla configurazione di SillyTavern con i valori esatti dei campi — una configurazione scritta, non un test di compatibilità in esecuzione effettuato per tuo conto. Se le tariffe sopra indicate si adattano alle tue chat, crea un account e inizia con il minimo di $10 invece di un abbonamento.

Domande frequenti

Stato delle release di SillyTavern, documentazione, sorgente distribuita e prezzi dei concorrenti verificati il 18 settembre 2026. Le tariffe Kunavo sono lette dal catalogo attivo; tutti i totali qui indicati sono aritmetica dei token basata sulle ipotesi dichiarate, non sessioni misurate.