ИИ-ролевки 18+: как выбрать платформу, настроить память и не сдать данные

ИИ-ролевки 18+: от обёрток к локальным моделям

Понимаем архитектуру LLM для взрослых сценариев: контекст, память, приватность и железо для запуска 70B дома.

Архитектура контекста Облако vs Локально Карточки персонажей Этика и ToS

Почему обычный чат не тянет ролевку

Стандартный LLM — это статический файл весов. Он не «помнит» вас между сессиями. В ролевке 18+ цена потери контекста выше: теряется динамика отношений, согласованность границ, детали внешности партнёра.

Ключевые ограничения коробочных решений:

Окно контекста 4–8k токенов — забирает историю за 20–30 реплик.
Жёсткие системные промпты (alignment) блокируют «нежелательный» контент посередине сцены.
Отсутствие долговременной памяти (RAG / векторные базы) — персонаж забывает имена, клятвы, травмы.

Платформы для 18+ решают это тремя слоями: расширенный контекст (32k–200k), инъекция лора через RAG, и «мягкий» системный промпт, который ведёт за руку, а не бьёт по рукам.

Схема: контекст — оперативная память, RAG — долгая, карточка — личность.

Ландшафт решений: обёртки, нативные UI и свой сервер

Облачные обёртки (SillyTavern + API)

Клиент на вашем железе, модель в облаке (OpenRouter, Novita, Together). Полный контроль промптов, расширений, лора. Платите за токены.

Максимальная гибкость настроек
Зависимость от ToS провайдера API
Стоимость: $5–50/мес при активном использовании

Нативные платформы (Chub, Venus, Janitor)

Веб-интерфейсы с хостингом моделей. Готовые персонажи, комьюнити, мобильная версия. Меньше настроек, проще старт.

Нулевой порог входа
Жёсткие фильтры контента на уровне хоста
Часто бесплатно или подписка $10–20

Локальный запуск (llama.cpp, KoboldCPP, LM Studio)

Модель на вашем GPU/CPU. Никаких лимитов, логов, цензуры. Требует железа и навыков настройки квантования.

Полная автономность и приватность
Входной билет: 24–48 ГБ VRAM/RAM для 70B
Разовые затраты на железо, далее — $0

Анатомия персонажа: что внутри JSON-карточки

Карточка (character card) — это паспорт личности. Стандарт Tavern Character Card V2/V3 используют все популярные клиенты. Поля определяют, как модель «думает» за персонажа.

{
  "name": "Элиара",
  "description": "Вampirка, 400 лет. Холодная, но привязалась к {{user}}. Скрывает жажду...",
  "personality": "Аристократическая, манипулятивная, защищает свои, 두려워ет привязанности...",
  "scenario": "Готический замок, современность. {{user}} — новый подопечный/донор...",
  "first_mes": "*Кальянный дым закругляется...* \"Ты поздновато, милый.\"",
  "mes_example": "{{user}}: ...\n\n{{char}}: ...",
  "creator_notes": "Используй глубокий POV. Избегай фланеля. 18+ разрешён.",
  "tags": ["female", "vampire", "romance", "dark"]
}

Пример минимальной рабочей карточки V3. Поле creator_notes — ваш главный рычаг на стиль.

1System Prompt — конституция

Задаёт правила игры: формат ответа (действие/диалог/мысли), длину, POV, запреты на заговорение за {{user}}. В 18+ здесь прописывают: «Не завершай сцену прематуро, пиши физиологично, уважай safe words».

2Author’s Note / Depth — руль сюжета

Динамическая инъекция в конец контекста. «Сейчас сцена в спальне, настройся на интимный темп, используй сенсорные детали». Меняется по ходу роли, управляет фокусом модели.

3Lorebook / World Info — энциклопедия

Ключ-значение: при упоминании «Клан Ночи» — в контекст уходит лор клана. Экономит токены, даёт модели фактуру мира без захламления истории диалога.

Облако или локально: где спать спокойнее

Облако (API)

Плюсы

Доступ к SOTA (Claude 3.5, GPT-4o, Nemotron)
Нужен только браузер/клиент
Обновления модели за вас

Риски

Логи промптов у провайдера (политика приватности)
Фильтры безопасности могут сработать в разгар
Счёт растёт нелинейно при длинных ролевках

Для кого

Хочу лучшее качество «из коробки», готов платить, нет железа.

Локально (llama.cpp / exl2)

Плюсы

Абсолютная приватность — данные не выходят из ПК
Никаких фильтров, кроме ваших промптов
Плата разовая — железо, дальше бесплатно

Сложности

Нужен VRAM 24 ГБ+ для 70B q4/q5 (или 48+ ГБ RAM для CPU offload)
Качество ниже проприетарных топов (логика, следование инструкциям)
Кривая обучения: кванты, контекст, флеш-аттеншн, сплит-слои

Для кого

Есть 3090/4090/7900 XTX или Mac M-series 64+ ГБ. Ценю контроль выше удобства.

Железо для 70B: реалистичные конфигурации 2024

ANVIDIA 24 ГБ VRAM (3090 / 4090)

70B q4_K_M полностью в VRAM. Скорость 20–35 tok/s. Золотой стандарт цены/качества. Контекст 32k–128k без offload.

Offload: 35/35 layers (full GPU)

BMac M1/M2/M3 Max/Ultra 64–128 ГБ

70B q4/q5 в Unified Memory. Metal-ускорение даёт 15–25 tok/s. Лучший ватт/токен. Контекст до 200k доступен.

Offload: Full GPU (Metal)

CДве 3090/4090 (48 ГБ VRAM)

70B q5_K_M / q6_K или 120B q4. Полная разгрузка, контекст 128k+. Скорость 40+ tok/s. Вход ~$3000–4000 б/у.

Offload: Split layers 50/50

DCPU-only (128 ГБ DDR5)

70B q4_K_M на CPU (AVX2/AMX). Скорость 2–6 tok/s. Работает, но лениво. Для терпеливых или пакетной генерации.

Offload: 0 layers (llama.cpp BLAS)

Серая зона: авторское право, CSAM-фильтры и ToS

Права на вывод

Большинство ToS моделей (Llama, Mistral, Qwen) разрешают коммерческое использование генераций. Но: если вы кормите модель фанфиками по фрэншизам — выводы могут нарушать IP правообладателей. Риск на вас.

CSAM и «молодые выглядящие»

Облачные провайдеры (OpenRouter, Together) прогоняют промпты через классификаторы. Любой описание внешности «подростка», «школьника», «малолетки» — бан аккаунта. Локально — ваша ответственность по уголовному кодексу РФ/страны пребывания.

Логи и обучение

OpenAI/Anthropic могут использовать диалоги для обучения (opt-out есть, но не у всех реселлеров). Локальные модели не шлёт никуда. Если сценарий — коммерческая тайна или личная фантазия — только локально или доверенный приватный API с нулевым ретеншном.

Эволюция: от текста к агентам с голосом и памятью

Уже сейчас SillyTavern + XTTS-v2 / Piper даёт озвучку реплик в реальном времени. Следующий шаг — агенты, которые сами ведут лорбук, планируют арки и вызывают инструменты (поиск, генерация изображений локации) без вашего участия. Граница между «игрой» и «симуляцией» стирается.

Модель — зеркало. Промпт — вы.

Никакая настройка temperature, top-p или min-p не заменит чёткого понимания: что вы хотите получить. ИИ-ролевка 18+ — это ко-авторство. Качество сцены пропорционально качеству вашего ввода: карточки, системного промпта, лорбука, корректирующих заметок (Author’s Note).

Выбирайте стек под задачу: облако для качества «здесь и сейчас», локально для свободы и приватности. Настраивайте память, чтобы персонаж не забывал цвет глаз за 50 сообщений. И помните: самый надёжный фильтр контента — ваш собственный промпт.