Llama 3.1 Euryale 70B v2.2
1260°
Sao10K | 131,072 令牌上下文 | $0.85/M 输入，$0.85/M 输出。Euryale L3.1 70B v2.2 是来自 [Sao10k](https://ko-fi.com/sao10k) 的一款专注于创意角色扮演的模型。它是 [Euryale L3 70B v2.1](/models/sao10k/l3-euryale-70b) 的继任者。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
Llama 3.1 Euryale 70B v2.2 是 Sao10K 基于 Llama 3.1 的 700 亿参数微调模型，专为创意角色扮演和协作小说写作打造。相比 v2.1，v2.2 增加了更多角色扮演示例，提升了多轮对话连贯性，并强化了系统提示的遵循度。如果你的应用侧重于角色驱动的叙事而非编码或分析，这是该规模中较为专注的开源权重选项之一。
以……著称
- 专为创意角色扮演和协作小说写作设计
- 比前代 v2.1 有更好的多轮对话连贯性
- 扩展了角色扮演数据集，角色卡示例比 v2.1 多 55%
- 开源权重，可下载本地运行
- 支持 128K 令牌上下文窗口，适合长时间持续会话
注意
- Sao10K 提到基础 Llama 3.1 偶尔会出错，通常重新生成可解决。
- 移除部分训练样本后，零样本无审查能力低于 v2.1。
- 700 亿参数规模本地运行需强大硬件，下载前请确认显存。
推荐尝试的提示词
开启慢节奏场景
你是一位 19 世纪港口城市的资深船长。我是一名制图师，刚带来一张你怀疑是伪造的地图。场景开始于黄昏时分的港务长办公室。请写两到三段，保持角色身份，并以一句对我说的话结尾。
扮演道德灰色 NPC
扮演一位隐姓埋名居住在小山村的退休间谍大师。我是刚交给你一封密封信的年轻信使，信上写着你的真名——这里没人应该知道的名字。请以角色身份反应：你的内心想法、外在表现和对我的第一句话。
协作世界细节
我们正在共同构建一个次元世界。设定：一座建在休眠火山口内的城市，由一群玻璃吹制工会管理，他们掌控着夜晚唯一的光源。请用约 200 字描述午夜时分的中央市场——景象、声音、社会紧张关系——具体且有根有据。
与……比较
- L3.1 70B Euryale v2.2开源权重模型131,072 令牌上下文 · $0.85/M 输入，$0.85/M 输出
- Llama 3 8B Lunaris开源权重模型8,192 令牌上下文 · $0.04/M 输入，$0.05/M 输出
- L3.3 70B Euryale v2.3开源权重模型131,072 令牌上下文 · $0.85/M 输入，$0.85/M 输出
- Llama 3.3 Euryale 70B开源权重模型131,072 令牌上下文 · $0.65/M 输入，$0.75/M 输出
来自 sao10k 的更多文本模型
常见问题
- 权重是开源的吗？我能本地运行 Euryale 70B 吗？
- 是的，权重公开托管在 Hugging Face，地址为 Sao10K/L3.1-70B-Euryale-v2.2。700 亿参数需要大量显存或支持转存到内存的机器；可参考 GGUF 量化指南。
- 费用是多少，上下文多长？
- API 价格为输入和输出均 0.85 美元/百万令牌，上下文窗口为 131,072 令牌。
- v2.2 与 Euryale v2.1 有何不同？
- v2.2 增加了多轮对话指令数据以提升长会话连贯性，角色卡角色扮演示例多 55%，创意写作示例多 40%，并加入了针对系统提示遵循和空间推理的数据集。
船长评语如果你真正需要协作小说写作，这是一个维护良好且开源的角色扮演专用模型，值得考虑。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Llama 3.1 Euryale 70B v2.2 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153