SillyTavern 最佳 API：模型选择、上下文与月度成本

SillyTavern 不销售 API，也不销售订阅，因此为 SillyTavern 选择最佳 API，实际是在购买模型和提供商服务——决定性数字是在你的 Context Size 下进行一轮对话的成本，而不是宣传的每百万 token 价格。SillyTavern 在每次生成时都会重新发送角色卡、系统提示词，以及能容纳的尽可能多的历史记录，因此即使费率始终不变，账单也会随着对话增长。

1.19.0 版本于 2026 年 9 月 14 日发布，采用 AGPL-3.0 许可证；仓库最后一次推送是在 2026 年 9 月 14 日（于 2026 年 9 月 18 日核查）。有两个项目并不是 SillyTavern：一是 TavernAI，它是独立的前身项目——文档记载，SillyTavern 于“2023 年 2 月作为 TavernAI 1.2.8 的分支”诞生；二是 SillyTavern-Extras，其仓库描述现在以“[OBSOLETE]”开头。要求安装 Extras 的教程已经过时。

哪些免费，哪些收费

于 2026 年 9 月 18 日核查的来源：项目仓库和官方 FAQ。FAQ 将后端分为可免费运行的自托管模型，以及用其原话来说“使用需要花钱”的付费网络服务。

SillyTavern 聊天如何产生费用

SillyTavern 的 Context Size 文档将该设置定义为 SillyTavern 作为提示词发送给 API 的最大 token 数减去回复长度，并说明上下文“包含角色信息、系统提示词、聊天历史等”。聊天中虚线上方的消息只是不会被发送，并不会被总结。因此，一轮对话的成本大约为 context tokens × input rate + reply tokens × output rate，而重新生成回复会再次支付完整的输入费用。

Chat Completion 的默认上下文为 4,095 个 token，设置在随软件提供的默认配置中（于 2026 年 9 月 18 日查阅）；滑块可以将其提高多个数量级，解锁上下文后还可进一步提高。因此，Context Size 是应用中影响预算最大的控制项：将其增至四倍，在费率相同的情况下，之后每条消息的输入费用也会大致增至四倍。

模型候选清单及各自费用

每百万输入 / 输出 token 的美元价格：当前 Kunavo 目录费率与供应商自行公布的标价并列展示，均于 2026 年 9 月 18 日核查。

供应商价格来自 Anthropic 的定价页面和 OpenAI 的开发者定价页面。

月度费用估算示例

假设一个月生成 100 次，提示词已增长到约 16,000 个 token，每次回复为 300 个 token，且不重新生成。这相当于 1.6 百万个输入 token 和 30,000 个输出 token。按上述目录费率计算：

这是基于假设数字进行的 token 费用计算，并非实测聊天结果，也不是实际收费的上限。任何假设变化都会改变结果：提高 Context Size、重新生成回复，或进行 500 轮而不是 100 轮，都会按比例增加输入端费用。此估算还不包含缓存费用，下一节将讨论这一点。

影响长对话成本的缓存差异

这一部分在用户界面中看不到。在其 chat-completions 后端的 1.19.0 发行分支中（于 2026 年 9 月 18 日查阅），每个 cache_control 标记都受内置来源检查约束：Claude 来源、针对 claude- 模型 ID 的 ElectronHub 来源、针对 anthropic/claude 模型 ID 的 OpenRouter 来源、同样由 OpenRouter 来源处理且被判定为可缓存的 google/gemini ID，以及一个 NanoGPT 标志。Custom (OpenAI-compatible) 分支不在任何这些检查中，也不设置任何形式的 cache_control 字段——它实际设置的是 logprobs、在你配置了 JSON schema 时设置的 response_format、你配置的 Include Headers 和 Include Body Parameters，以及在你要求时设置的 reasoning_effort 或 verbosity。随软件提供的配置中也没有 custom: 节，而 claude: 和 gemini: 缓存开关就位于该配置中。

这一后果特指 Anthropic 协议：Custom 来源从不设置 cache_control 标记，因此使用 Claude 模型时，除非端点自行插入断点，否则每一轮都会按完整输入价格对全部历史记录重新计费。但这并不意味着此路径完全没有缓存。OpenAI 的提示词缓存对受支持的模型默认启用，不要求客户端执行任何操作，因此通过同一个 Custom 来源调用 GPT 的路由可以有缓存，而 Claude 路由可能没有。缓存由模型和端点决定，而不是由 SillyTavern 发送的内容决定。Kunavo 的 OpenAI 到 Anthropic 协议转换确实会插入这些断点——在工具块和系统块上插入，并在对话已包含一轮助手回复后，在最后一条消息上设置一个滚动断点；SillyTavern 聊天在第一轮之后就具有这样的结构。提示词达到 8,192 个字符后才会启用这一机制，而且断点数绝不会超过供应商规定的四个断点上限。在模型首次回答之后发送的系统消息，例如按指定深度插入聊天中的 Author's Note，会留在对话中，断点也会围绕它来设置：如果提示词以这样一条消息结尾，滚动断点就放在紧挨着它前面的那个块上；剩余可用的断点则放在最后几条后面还有内容的此类消息前面。详情见缓存文档，该文档面向自行设置断点的调用方编写。

以下说明其在最佳情况下的价值，并非预测：如果这 16,000 个提示词 token 中，每轮有 12,000 个按 Kunavo 对 Claude Sonnet 5 的缓存读取费率（每百万 $0.14）从缓存读取，那么同样的 100 轮费用约为 $0.94，而不是 $2.45。请将其视为可获得的最大节省金额，而不是实际付款的上限：它假设每一轮都命中缓存，且未计入任何缓存写入费用，因此实际账单会高于此值。Anthropic 的定价将缓存读取费用定为基础输入价格的 0.1×（Fable 5.1 为 0.025×），而五分钟有效期的缓存写入费用为 1.25×——如果角色扮演用户两条消息之间的间隔超过这一时间，就会再次支付写入费用，而不是读取费用。Anthropic 还提供一小时有效期的缓存写入，价格为 2×。本指南未通过网关对真实的 SillyTavern 聊天会话进行计费测试，因此在按缓存命中情况规划预算前，请先检查你自己的第一次长对话所报告的用量。

何时直连、网关、订阅或本地运行更合适

以下具体数字于 2026 年 9 月 18 日核查。OpenRouter 按提供商价格原价计费，并在使用银行卡购买额度时收取 5.5% 的费用（最低 $0.80）；免费模型每天限 50 次请求，购买至少 $10 的额度后则为 1,000 次。NanoGPT 提供按量付费服务，以及可选的每月 $12 订阅；使用加密货币充值的最低金额为 $0.10，使用银行卡则为 $1。Arli AI 提供免费套餐，以及每月 $10、$15、$20、$30 和 $160 的套餐，区别在于最大上下文长度（免费套餐为 12K，最高档套餐为 512K）、模型大小和并行请求数；Infermatic 列出免费套餐，以及 $9、$16 和 $20 的套餐；Featherless 列出每月 $25 的 Chat 套餐和 $50 的 Developer 套餐。AI Horde 将自身描述为“免费 · 社区运营 · 开源”；其 FAQ 说明，排队位置取决于你的 kudos 总余额，匿名用户的初始余额为零，因此注册用户排在他们前面。Google 公布了 Gemini 免费套餐，但其速率限制页面未列出免费套餐中各模型的具体限额，而是让你前往 AI Studio 查看，因此应将你在其他地方看到的任何具体免费套餐配额视为未经核实。

Kunavo 没有免费套餐，也没有注册赠送额度：最低需要预付 $10 额度，无需订阅，余额不会过期。目录价格估算也不是价格上限——请参阅计费，了解费用如何结算。

先考虑内容规则，再考虑价格

SillyTavern 自己的 FAQ 表示，付费网络服务“通常有内容审查，并会拒绝与你讨论某些话题”。这是第一方说明，也是应当建立的合理预期。Anthropic 的使用政策禁止色情聊天和露骨性内容生成，对成年用户也没有例外；网关不会改变模型服务所适用的政策——Kunavo 自己的政策说明，你发送的内容适用上游提供商的政策。本页任何内容都不应被理解为提供无过滤端点。如果你的需求是不受限制的成人角色扮演，坦诚的答案是使用本地模型或开放权重模型托管服务，上面的模型候选清单并不适合这一需求。

完成配置，然后控制账单

文档说明的路径是 Chat Completion → Custom (OpenAI-compatible)，并填写 Custom Endpoint (Base URL) 和 Custom API Key。不要追加 /chat/completions；如果连接失败，请添加 /v1。在第一次长对话前，有四件事值得了解：

1. 除非模型 ID 在参数移除列表中，否则采样参数会被发送。前端请求构建器会在每个 Chat Completion 请求中加入 temperature、top_p、frequency_penalty 和 presence_penalty。在 1.19.0 发行分支中，对于任何匹配 claude-fable、claude-opus-5 或 claude-sonnet-5 的模型 ID，它随后会删除这四个字段以及 top_k——该规则以模型 ID 为依据，不检查来源，因此对 Custom 来源同样生效。它不涵盖 Claude Haiku 4.5，而旁边类似的 GPT-5 规则只对内置的 OpenAI、Azure 和 OpenRouter 来源运行，因此这些 ID 通过自定义端点时仍会携带采样字段。Kunavo 的目录另行将 temperature、top_p 和 top_k 标记为上述 Claude 5 模型不支持的参数，并在调用上游前将其移除；如果端点不会这样处理，请通过 Additional Parameters 抽屉中的 Exclude Body Parameters 将这些参数清除，否则拒绝这些字段的模型会返回 400。
2. 先将 Prompt Post-Processing 设置为 None。Anthropic 的 Messages API会自行合并连续的同角色消息，并通过顶层参数接收系统提示词，因此每条系统消息放在哪里由执行协议转换的网关决定。Kunavo 会把模型首次回答之前发送的系统消息放入该参数，而之后发送的系统消息，例如按指定深度插入聊天中的 Author's Note 或 World Info 条目，则留在它被发送时所在的那一轮。SillyTavern 文档将 None 定义为“除非 API 严格要求，否则不应用显式处理”，Semi-strict 定义为合并角色并仅允许一条可选的系统消息，Strict 则额外要求第一条消息必须来自用户——因此，如果你遇到与消息角色相关的 400，请改用 Semi-strict。注意，Merge、Semi-strict 和 Strict 还会移除工具调用，除非你选择“with tools”变体。
3. token 计数器提供的是估算值。SillyTavern 的分词器文档说明，只要后端不提供计数，就会“根据所选分词器类型进行估算”，而其 Best-match 规则指定的是具体供应商，并不涵盖任意自定义端点。Anthropic 表示，Claude 4.7 及后续模型使用更新的分词器，对“相同文本生成的 token 数约多 30%”，因此旧分词器给出的计数会低于这些模型实际计费的数量。
4. Reverse Proxy 抽屉是另一项功能。其在随软件提供的用户界面中的警告块针对内置来源（data-source="openai,claude,mistralai,…"），内容为“如果你使用代理，任何支持请求都将被拒绝”。同名文档页面介绍的是将 SillyTavern 本身置于 Traefik、NGINX 或 Caddy 之后，这又是另一个主题。Custom 来源是受支持的使用路径，与该抽屉不同。

Kunavo 发布了一份 SillyTavern 设置指南，提供准确的字段值——它是书面的配置说明，并不是替你进行的运行时兼容性测试。如果上述费率适合你的聊天，请创建账户，先从最低 $10 开始，而不是购买订阅。

常见问题

SillyTavern 的发布状态、文档、随软件提供的源代码和竞品价格均于 2026 年 9 月 18 日核查。Kunavo 费率读取自实时目录；本页所有总额均基于明示假设进行 token 费用计算，并非实测聊天结果。