De flesta frågar vilken modell som är bäst och väntar sig ett namn. Det ärliga svaret är att frågan saknar ett ord: bäst på vad. En modell som skriver underbar slow burn-prosa tappar handlingens tråd fyrtio svar in, och den som håller handlingen skriver som en kompetent rapport.
Du behöver inte bestämma dig en gång för alla. Karaktären, dess personlighet och allt den minns är skilda från modellen som genererar orden, så att byta är ett val per scen snarare än ett åtagande.
Vad varje sort är bra på
Fem finns tillgängliga, och de är genuint olika instrument snarare än fem storlekar av samma sak.
- Standard — det varje ny karaktär körs på. Snabb, stabil och bra nog för de flesta scener. Du behöver aldrig välja den; den är redan där.
- GLM — ett steg upp när en scen blir komplicerad. Stramare logik, och den håller en plan genom ett långt utbyte.
- Claude Opus — den rikaste prosan och undertexten. Slow burn-scener, skarp återhållsamhet, karaktärer som antyder mer än de säger.
- Google Gemma — snabb, varm och lekfull. Bra för lättsamt skämtande och lätt bollande fram och tillbaka.
- DeepSeek — håller ihop långa, slingrande berättelser utan att tappa tråden.
Hur du märker att du är på fel
Symtomen är specifika, och när du väl känner dem slutar du gissa.
Svaren är vackra men handlingen har tyst slutat röra sig. Någon lovade något för tre scener sedan och ingen har nämnt det sedan dess. Det är ett resonemangsproblem — gå mot GLM eller DeepSeek.
Allt hänger ihop och inget träffar. Karaktären säger exakt vad den menar, i ordning, utan undertext. Det är ett prosaproblem, och det är vad Claude Opus är till för.
Scenen har blivit stel och formell när den borde vara lätt. En varmare, snabbare modell passar bättre än en mer kapabel; det är här Gemma förtjänar sin plats.
Karaktären motsäger något som etablerades för länge sedan. Kolla minnet innan du skyller på modellen — om uppgiften aldrig skrevs ner kommer ingen modell att hitta på den korrekt.
Att byta nollställer ingenting
Modellen är inte en del av karaktären. Personan, minnet, scenen och historiken stannar exakt där de var; bara det som genererar nästa svar byts.
Det gör bytet billigt nog att använda som verktyg snarare än som beslut. Ett vanligt mönster är en snabb modell för scenens bollande och ett byte till en rikare för ögonblicket som betyder något — en bekännelse, en konfrontation, ett slut.
En sak att vänta sig: rösten skiftar en aning. Två modeller med samma persona låter inte identiskt, och mitt i ett stycke kan sömmen synas. Byter du mellan scener i stället för inuti en döljs den nästan helt.
Sampling betyder mer än folk tror
Modellvalet sätter taket; samplingsparametrarna avgör var i det spannet du landar. Temperature styr hur förutsägbart ett svar är — lägre är stadigare, högre mer överraskande. De andra (top_p, top_k, min_p, repetitionsstraff) begränsar vilka kandidatord modellen alls överväger.
En modell som känns platt är ofta ett temperature-problem snarare än ett modellproblem. En karaktär som upprepar en favoritfras vart fjärde svar är ett repetitionsstraffsproblem.
De exponeras per karaktär och per paket, och de exporteras och importeras som JSON, så en uppsättning värden som fungerar kan sparas och flyttas i stället för att byggas om ur minnet varje gång.
Vad uppställningen är, och inte är
Fem modeller, valda för att de täcker genuint olika mark snarare än för att få en siffra att se imponerande ut. Uppställningen ändras när bättre modeller dyker upp — det är ett routingbeslut, inte ett löfte om specifika namn.
Det finns ingen rangordning här, eftersom rangordningen helt beror på scenen framför dig. En sida som säger att en modell helt enkelt är bäst för rollspel har inte provat en scen som behövde en annan.