Welches KI-Modell fürs Rollenspiel am besten ist

Die meisten Leute fragen, welches Modell das beste ist, und erwarten einen Namen. Die ehrliche Antwort ist, dass der Frage ein Wort fehlt: das beste worin. Ein Modell, das wunderschöne Slow-Burn-Prosa schreibt, verliert vierzig Antworten später den Faden der Handlung, und das, das die Handlung hält, schreibt wie ein solider Bericht.

Du musst dich nicht einmalig entscheiden. Der Charakter, seine Persönlichkeit und alles, was er sich merkt, sind vom Modell getrennt, das die Worte erzeugt — Wechseln ist also eine Wahl pro Szene, keine Verpflichtung.

Worin jede Art gut ist

Fünf stehen zur Verfügung, und es sind wirklich verschiedene Instrumente, nicht fünf Größen desselben Dings.

• Standard — das, worauf jeder neue Charakter läuft. Schnell, verlässlich und gut genug für die meisten Szenen. Du musst es nie auswählen; es ist schon da.
• GLM — eine Stufe höher, wenn eine Szene kompliziert wird. Straffere Logik, und es hält einen Plan über einen langen Austausch.
• Claude Opus — die reichste Prosa und der meiste Subtext. Slow-Burn-Szenen, scharfe Zurückhaltung, Charaktere, die mehr andeuten, als sie sagen.
• Google Gemma — schnell, warm und verspielt. Gut für unbeschwertes Geplänkel und leichtes Hin und Her.
• DeepSeek — hält lange, verschlungene Geschichten zusammen, ohne den Faden zu verlieren.

Woran du erkennst, dass du auf dem falschen bist

Die Symptome sind konkret, und wenn du sie kennst, hörst du auf zu raten.

Die Antworten sind hübsch, aber die Handlung hat still aufgehört, sich zu bewegen. Jemand hat vor drei Szenen etwas versprochen, und niemand hat es seitdem erwähnt. Das ist ein Denkproblem — geh in Richtung GLM oder DeepSeek.

Alles ist kohärent und nichts trifft. Der Charakter sagt genau, was er meint, der Reihe nach, ohne Subtext. Das ist ein Prosaproblem, und genau dafür ist Claude Opus da.

Die Szene ist steif und förmlich geworden, wo sie leicht sein sollte. Ein wärmeres, schnelleres Modell passt besser als ein fähigeres; hier verdient sich Gemma seinen Platz.

Der Charakter widerspricht etwas, das längst etabliert ist. Prüf das Gedächtnis, bevor du das Modell beschuldigst — wenn der Fakt nie aufgeschrieben wurde, wird ihn kein Modell korrekt erfinden.

Wechseln setzt nichts zurück

Das Modell ist nicht Teil des Charakters. Persona, Gedächtnis, Szene und Verlauf bleiben genau, wo sie waren; nur das, was die nächste Antwort erzeugt, ändert sich.

Das macht Wechseln günstig genug, um es als Werkzeug zu nutzen statt als Entscheidung. Ein häufiges Muster ist ein schnelles Modell für das Hin und Her einer Szene und ein Wechsel zu einem reicheren für den Moment, der zählt — ein Geständnis, eine Konfrontation, ein Ende.

Sampling zählt mehr, als man denkt

Die Modellwahl setzt die Obergrenze; Sampling-Parameter entscheiden, wo in diesem Bereich du landest. Temperature steuert, wie vorhersehbar eine Antwort ist — niedriger ist stetiger, höher überraschender. Die anderen (top_p, top_k, min_p, Repetition Penalty) begrenzen, welche Kandidatenwörter das Modell überhaupt in Betracht zieht.

Ein Modell, das flach wirkt, ist oft ein Temperature-Problem und kein Modellproblem. Ein Charakter, der jede vierte Antwort seine Lieblingsphrase wiederholt, ist ein Repetition-Penalty-Problem.

Diese Werte liegen pro Charakter und pro Paket offen, und sie lassen sich als JSON exportieren und importieren — ein Satz Werte, der funktioniert, kann also gespeichert und mitgenommen werden, statt jedes Mal aus dem Gedächtnis neu gebaut zu werden.

Was das Aufgebot ist — und was nicht

Fünf Modelle, ausgewählt, weil sie wirklich unterschiedliches Terrain abdecken, nicht damit eine Zahl beeindruckend aussieht. Das Aufgebot ändert sich, wenn bessere Modelle erscheinen — es ist eine Routing-Entscheidung, kein Versprechen über bestimmte Namen.

Es gibt hier kein Ranking, weil das Ranking vollständig von der Szene vor dir abhängt. Eine Seite, die dir sagt, ein Modell sei schlicht das beste fürs Rollenspiel, hat keine Szene ausprobiert, die ein anderes gebraucht hätte.