参考
选择模型
日常聊天、长上下文、推理和免费使用的选型指南。
新聊天从 0.3× 的 DeepSeek V4 Flash 开始。等你有了具体理由再换——更大的上下文窗口、图片、看得见的推理,或者更少的花费。完整阵容和准确数字在模型页。
按你的需要来挑
| 你想要 | 用 | 花费 | 代价 |
|---|---|---|---|
| 角色扮演的一个好默认 | DeepSeek V4 Flash | 0.3× | 没有——比它更便宜的都不支持插件或世界书检索 |
| 同样的价钱,更大的窗口 | MiMo V2.5 | 0.3× | 262,144 个 token,而不是 163,840 |
| 一分钱都不花 | Llama 3.1 8B | 0× | 每 3 小时 15 条消息,而且没有插件、世界书检索和写记忆。免费模型 |
| 很长的聊天,或者很大的世界书 | GLM 5.3 Flash | 0.5× | 1,048,576 个 token,但推理始终开着,关不掉 |
| 百万 token 窗口,又不想被强制推理 | DeepSeek V4.1 Flash | 0.7× | 比 GLM 5.3 Flash 略贵一点 |
| 让模型读你附上的图片 | GLM 5.3 Flash(0.5×)、DeepSeek V4.1 Flash(0.7×)或 Gemini 3 Flash Preview(1.2×) | 0.5×–1.2× | Gemini 3 Flash Preview 需要订阅 |
| 看着模型思考 | 任何标着可选的模型,把推理打开 | 不变 | 思考的 token 和回复的 token 一样计费 |
| 永远不关的推理 | DeepSeek R1 | 1.0× | 不支持工具:没有插件、世界书检索和写记忆 |
| 高级档 | Gemini 3 Flash Preview(1.2×)或 GLM 5(1.3×) | 1.2×–1.3× | 需要有效的订阅 |
大的上下文窗口并不是付费功能:有两个基础档的模型就装得下一百万 token。
一轮到底要花多少
一轮是按发出去的一切加上回复来计费的。一段成熟的聊天——角色卡、人设、世界书条目、历史,再加一条完整回复——平均大约 8,000 个 token:
| 倍率 | 模型 | 8,000 token 一轮要多少积分 |
|---|---|---|
| 0× | Llama 3.1 8B | 0 |
| 0.3× | DeepSeek V4 Flash、MiMo V2.5 | 约 2,400 |
| 0.5× | DeepSeek V3.2、GLM 5.3 Flash | 约 4,000 |
| 0.7× | DeepSeek V4.1 Flash、DeepSeek V4 Pro | 约 5,600 |
| 1.0× | DeepSeek R1、GLM 4.7 | 约 8,000 |
| 1.2× | Gemini 3 Flash Preview | 约 9,600 |
| 1.3× | GLM 5 | 约 10,400 |
给个尺度:Pro 套餐每月 2,600,000 积分,大概相当于在默认模型上聊 1,000 轮,或者在 GLM 5 上聊大约 250 轮。早期的短消息比这便宜得多;随着历史堆起来,这个数字才会长大。积分
选择器上的数字怎么读
选择 AI 模型会在每个模型旁边显示社区数据。这是产品里唯一的质量信号——Reverie 自己不发布排名。
| 指标 | 长什么样 | 什么意思 | 什么时候出现 |
|---|---|---|---|
| 质量 | <n>% preferred | 在盲选的两两对比里,选中这个模型的比例 | 30 次分出胜负的对比之后 |
| 置信度 | 1–5 | 这个百分比背后有多少数据 | — |
| 正面对决 | Head-to-head (<n>) | 这个模型对上某一个特定模型的战绩 | 该组合累计 5 次对比之后 |
| 点赞率 | 一个百分比 | 收到赞而不是踩的回复占比 | 3 条被评价过的回复之后 |
| 速度 | TTFT <time> · <rate> tok/s | 首个 token 的耗时,然后是每秒多少 token | — |
低于这些门槛时,选择器显示的是正在收集数据、暂无数据或刚刚发布,而不是一个数字。样本少的模型并不更差——它只是更新。
对比数据来自那张卡片:你在一段聊天里发出第一条消息时,它会给出两个回复,你留下哪个就算作一票。对比两个回复。点赞率则来自单条回复上的赞和踩。
什么时候换模型并不是答案
回复长度、人称视角和节奏是设置,不是模型的属性。在为每一轮多掏钱之前,先试试侧边栏的设置 → 回复与生成做一个长期的改动,或者用斜杠命令只改这一轮。长聊天里的重复和跑偏通常是上下文的问题——更大的窗口或者更整洁的记忆,比换个更贵的模型管用得多。