Character.AI都用什么模型？

Character.AI 目前主要依赖其内部自研的、基于深度学习的 大型语言模型（Large Language Model，简称 LLM），具体来说是名为 “Character” 系列模型，而非外界常见的 GPT-4 或 Claude。根据公开信息与用户实测，该平台在 2023-2024 年间经历了从 基于 Google LaMDA 的早期模型 向 完全自研的、更高效的 Transformer 架构模型 的迁移。简单说：它用的是自家“特供版”模型，专门为了模拟角色对话而优化，不是通用大模型。

一、Character.AI 到底是什么？

Character.AI 是一个 AI 角色扮演社交平台，由前 Google AI 研究员 Noam Shazeer（LaMDA 论文作者之一）和 Daniel De Freitas 创立。它的核心不是让你跟一个冷冰冰的 AI 聊天，而是让你与由 AI 驱动的、拥有独特性格、背景故事和语言风格的“角色”互动。这些角色可以是虚构人物、历史名人、动漫形象，或是用户自己创建的原创角色。

• 核心功能： 与 AI 角色进行开放式、沉浸式的对话，支持多轮上下文记忆、角色性格设定、情感模拟。
• 特点： 强调“角色感”而非“工具感”，对话更自然、更有人情味；支持用户创建和训练自己的角色。
• 所属公司： Character Technologies Inc. 总部位于美国。
• 收费情况： 基础功能免费；付费会员 c.ai+（约 9.99 美元/月）可享受更快的响应速度、优先访问新功能、更长的对话上下文。
• 官网/在线入口： https://beta.character.ai

二、具体用了哪些模型？技术细节拆解

关于模型，我们可以从“历史版本”和“当前架构”两个维度来看。

1. 早期阶段：基于 Google LaMDA 的变体

在 2022 年 9 月公测初期，Character.AI 团队承认其模型受到了 LaMDA 的启发，甚至直接使用了部分 LaMDA 的训练技术和架构。Noam Shazeer 本人是 LaMDA 论文的合著者，所以这个起点很自然。但这个阶段很短，因为团队很快意识到：通用对话模型不适合角色扮演。

2. 当前阶段：完全自研的 “Character” 系列模型

从 2023 年开始，Character.AI 彻底转向自研路线。目前官方没有公布模型参数量（这是商业机密），但根据其技术博客和用户反馈，可以总结出以下关键点：

• 模型架构： 基于 Transformer 解码器 的深度神经网络，但做了大量针对“角色一致性”和“情感连贯性”的架构修改。比如引入了 角色记忆层，让模型能记住角色的人设摘要。
• 训练数据： 大量使用 用户与角色之间的对话数据 进行监督微调（SFT）和人类反馈强化学习（RLHF）。这意味着模型更擅长模仿特定角色的说话风格，而不是回答百科知识。
• 多模型混合： 有用户推测，Character.AI 可能同时运行多个不同规模的自研模型。例如，一个较小的“快速响应模型” 用于处理日常对话，一个更大的“深度推理模型” 用于处理复杂剧情或需要高度逻辑的场景。不过官方从未证实。
• 与通用模型对比：

三、为什么不直接用 GPT-4 或开源模型？

这是一个很自然的疑问。原因有三：

1. 成本与速度： 调用 GPT-4 的 API 成本极高，且延迟较高。Character.AI 需要支持海量用户实时互动，自研模型在推理效率和成本控制上更优。
2. 角色控制的精细度： 通用模型很难做到“让角色在 100 轮对话后依然保持最初设定的口癖和世界观”。Character.AI 通过自研的 角色约束模块 和 动态提示工程，实现了远超通用模型的角色一致性。
3. 数据隐私与迭代： 使用第三方模型意味着用户对话数据会经过外部 API，不利于隐私保护。自研模型让团队能完全控制数据，并快速迭代（比如每周更新一次角色行为算法）。

四、如何看待其他类似平台的模型选择？

作为对比，其他 AI 社交平台的选择各有不同：

• Replika： 早期使用 GPT-3，后来转向自研模型，但规模较小，侧重情感陪伴。
• Janitor AI： 主要依赖开源模型（如 Llama 系列），用户可自行选择模型后端。
• Chai App： 混合使用 GPT-3.5 和自研模型，更强调娱乐性和快速响应。

可以看出，Character.AI 是目前唯一一个完全放弃通用大模型、全身心投入自研角色模型的头部平台。这种选择让它成为了角色扮演领域的标杆，但也带来了模型“知识面窄”、容易产生幻觉（比如虚构事实）的缺点。

五、未来展望：模型会如何进化？

根据 Character.AI 的招聘信息和专利文件，未来的模型方向包括：

• 多模态支持： 让角色能“看到”用户上传的图片，并做出反应。
• 长期记忆： 实现跨会话的记忆，让角色能记住你过去几周聊过的话题。
• 更高效的小模型： 在移动端部署更轻量的版本，降低延迟。

相关问题

• Character.AI 的角色是怎么被训练出来的？ 除了基础模型外，每个角色都有一份“角色定义”（包含性格、背景、语言风格），模型在生成回复时会动态结合这份定义，并通过用户反馈进行实时调整。
• Character.AI 的安全限制有多严？ 非常严格。平台内置了多层安全过滤器，防止生成色情、暴力或仇恨内容，但这也导致部分用户抱怨“角色变得太保守”。
• Character.AI 和 Replika 哪个更像真人？ 从角色多样性和对话深度看，Character.AI 胜出；但如果追求长期一对一的情感陪伴，Replika 的“专属感”更强。
• 如果我想自己搭建一个 AI 角色，该用什么模型？ 推荐尝试开源的 Mistral 7B 或 Llama 3，配合角色提示工程，效果接近 Character.AI 的早期版本。
• Character.AI 会推出 API 吗？ 目前没有公开 API，但内部有企业版计划，未来可能面向开发者开放角色模型接口。