如何将 SillyTavern 连接至无限、无审查的 API

准备工作

• API 密钥从您的 Unquant 工作区中的 API keys 处获取。
• 最新版 SillyTavern请使用支持 Custom (OpenAI-compatible) 聊天补全来源的版本。
• 您的模型 IDGLM-5.3-Flash 使用 glm-5.3-flash，Qwen 3.8 Flash Next 使用 qwen-3.8-flash-next。

1. 1

   打开 API 连接

   点击 SillyTavern 顶部的插头图标，打开 API Connections。

2. 2

   选择连接类型

   API Connections

   APIChat Completion

   Chat Completion SourceCustom (OpenAI-compatible)
3. 3

   填写端点、密钥和模型

   Custom (OpenAI-compatible)

   Custom Endpoint (Base URL)https://api.unquant.io/v1

   Custom API Key您的 Unquant API 密钥

   Model IDglm-5.3-flash

   Qwen 套餐用户qwen-3.8-flash-next

   点击 Connect。密钥验证通过后，状态指示灯将变为绿色。

4. 4

   将上下文大小与套餐匹配

   打开 AI Response Configuration（滑块图标）。SillyTavern 会将历史记录截断至此处设置的 Context Size，若值过小，您付费购买的记忆空间将白白浪费。

   Context Size

   GLM-5.3-Flash，所有套餐最多 262,144 token

   Qwen Roleplay65,536 token

   Qwen Plus131,072 token

   Qwen Standard 及以上262,144 token
5. 5

   流式传输与推理

   • 流式传输开启此选项，回复将在生成时实时显示。
   • 推理两种模型均会先进行推理再作答，并将推理过程单独返回。启用 Request model reasoning 可显示或隐藏推理内容；将推理强度调低或关闭可获得更快的响应（推理控制）。

为什么长篇角色扮演在此更出色

导致长篇战役崩溃的原因有三：场景中途的拒绝响应、记不住第一幕内容的小上下文窗口，以及每轮都要重新发送完整历史记录而累积的账单。在这里，模型在权重层面已去除审查机制，上下文最大支持 262K，且所有套餐均为无限：将 20 万 token 的历史记录重新发送一千次，与发送一次的固定月费相同。

故障排查