無検閲AIはどう選ぶ？ Featherlessを中心に6サービスとQwen3.8派生モデルを比較

「無検閲AI」を探すと、Uncensored、Abliterated、Hereticといった名前のモデルが並びます。同じQwen3.8をベースにしていても、調整方法や提供環境はさまざまです。

選ぶときに見るのは、ベースモデル、無検閲化の手法、サービスの提供条件の3つ。多くの派生モデルを試したいならFeatherless、長い資料を定額で扱いたいならArli、検索や画像も一つの画面で使いたいならVeniceが候補になります。セキュリティ検証に軸足を置くAudn、大型モデルのAPIを提供するAbliteration.ai、低価格の定額から選べるInfermaticにも、それぞれ違う使いどころがあります。

この記事では、2026年9月21日に確認した公開情報をもとに、その違いを整理します。料金は米ドルの公式表示額です。税や為替換算は含めていません。各社の仕様、モデル作者の説明、第三者の測定結果を区別して紹介します。

用途が決まっている人は、ここから料金を確認

Qwen3.8の派生をいくつも試したい人は、Featherlessを最初の候補に。 同じ資料を使ってモデルを切り替え、自分の文章や作業に合うものを探せます。手入力のチャットが中心ならChat、プログラムから呼び出すならDeveloperの条件を確認してください。

Featherlessで用途に合うプランを確認する

長い資料を定額で扱いたい人は ArliのContext別プランを見る、検索・画像・文書を一つの画面で使いたい人は Venice Proの機能と料金を見る へ。以下で各サービスの制限とモデルの違いを説明します。

「無検閲」にも作り方の違いがある

ここでいう無検閲モデルは、元のモデルが断るような依頼にも応じやすく調整したモデルを指します。ただし、名前にUncensoredとあっても、すべての質問に答えることや、答えが正確であることまで保証されるわけではありません。

作り方を知ると、長いモデル名も少し読みやすくなります。

Abliterationの基礎となる研究では、調査対象の対話モデルで拒否に関わる方向を特定し、その成分を取り除くことで拒否行動が減ると報告されています。拒否と知識を完全に切り分けられる、という保証まで得られたわけではありません。Arditiらの研究

Hereticは、この方向成分の編集とパラメーター最適化を組み合わせます。公式説明では、拒否の回数と、元のモデルからの出力分布のずれを示す「KL divergence」の両方を小さくする設計です。HereticはAbliterationの技術を使っており、両者は重なる分類です。Heretic公式

KLが小さければ、測定した条件で元のモデルに近い出力傾向だったと読めます。それだけで、日本語の自然さ、計算、指示への忠実さまで保証することはできません。追加学習で狙って出力を変えたモデルもあるため、「元に近いほど優秀」という見方にも限界があります。

6サービスの料金と使い方を先に比べる

Contextは、AIが一度に扱う入力や会話履歴などの枠です。単位のトークンは文章を分割したかたまりで、文字数とは一致しません。Kは千、Mは百万の桁を表す目安です。また、サービス全体の最大値と、選んだモデルで実際に使える長さは異なる場合があります。

「定額」と案内されていても、対象モデル、並列実行数、用途制限は各社で異なります。たとえば、手入力の会話を続けたい人と、プログラムから大量に呼び出したい人では、適したプランが変わります。

Featherlessは、モデルを選び直せる点に特徴がある

Featherlessの料金ページは、40,000以上の公開モデルにアクセスできると案内しています。この数は運営の掲載値です。Chatプランは月25ドル、32K Context、4 concurrent units。人が入力する対話向けで、コーディングエージェント、本番API、バックグラウンド自動化はDeveloper側の対象です。トークン無制限という説明は、この用途の区分と合わせて読む必要があります。公式料金・用途表

このサービスの面白さは、同じベースモデルの派生を切り替えながら、自分に合うものを探せることです。無検閲モデルの一覧には、Qwen3.8系のDavidAU、Huihui、AEON、trohrbaugh、OBLITERATUSなどが掲載されています。無検閲モデル一覧

たとえば、候補の一つであるDavidAUの正式なモデル名は、DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU。Featherlessの個別ページではFP8、Context 32K、同時実行の消費単位は2と表示されています。FP8は、計算に使う数値の精度を抑えた提供形式です。4 unitsは、どのモデルでも4本同時に動くという意味にはなりません。DavidAUの提供ページ

選択肢の広さは魅力ですが、モデル名だけで決めると迷いやすくもなります。候補を数本に絞り、同じ資料の要約や文章の推敲を頼むと、答えの違いを比べやすくなります。Context、量子化、応答設定も揃えて確認したいところです。

試したいモデルがいくつか見つかったら、そのモデルのContextと必要なunitsを確認してからプランを選びましょう。Featherlessの料金と利用条件を確認する

Qwen3.8派生は、作者ごとの作り方まで見る

Qwen3.8-27Bを土台にした無検閲モデルには、重みの編集を中心にするものも、追加学習を重ねるものもあります。「27B」は約270億のパラメーターを持つという規模の目安です。同じ規模でも、仕上がりが同じになるわけではありません。

DavidAU：複数の調整工程を経たモデル

DavidAUのTURBO Fable系は、作者の説明によれば、自作・第三者のfine-tuneを使い、Hereticによる加工と後段の調整を重ねています。ここには、拒否の減らし方に加え、追加学習で得た性質も入っています。作者のモデルカード

同じカードには別リリースや制作途中の枝も載っています。TURBO、TWIN-TURBO、異なる末尾のモデルを一括りにせず、試したい正式名称まで揃えるのが確実です。作者の性能向上の説明は自己評価として読み、自分の用途に関わるテストで確かめる余地を残します。

trohrbaugh：Heretic ARAの設定を公開

trohrbaugh/Qwen3.8-27B-heretic-araは、Hereticのカスタム版とARA（Arbitrary-Rank Ablation）を使ったモデルです。作者は加工パラメーターと、自身の試験での拒否回数0/100、KL 0.0535を公開しています。これは、その評価用入力と設定で得られた値です。作者のモデルカード

こうした測定条件や設定が開示されていると、別の試験で結果が変わった際に、違いをたどりやすくなります。Hereticという名前が共通していても、同じ工程・同じ強さで加工されたとは限りません。

Ektome、Huihui、OrcaRouter：編集対象と評価方法が違う

Ektomeのモデルカードは、追加学習を使わない重みの編集と、能力維持の検査を説明しています。拒否に関する自己評価は、思考をオフにしたキーワード判定です。回答に拒否の言葉がなかったことと、内容が適切で最後まで完成したことは、別々に確かめる必要があります。

Huihuiの更新説明は、編集対象を18〜51層に限定し、それ以外を保つとしています。OrcaRouterのモデルカードは、単一の拒否方向を重みから取り除く方式を具体的に示しています。どちらもAbliterationに分類できますが、同じ処理の別名というわけではありません。

AEON、OBLITERATUS：版と推奨設定を確認したい

AEONのBF16モデルカードは、確認時点でEarly Access Draftと明記されています。作者自身が、非常に長い依頼で繰り返しや思考ループが出る可能性を説明しています。長Context対応という数字を見たら、その長さで回答が安定するかも確かめたいモデルです。

OBLITERATUSのカードはV1、V2、V3の工程と評価を分け、V3ではブレンドに反復的な調整を加えたと説明しています。推奨は思考オフで、同梱テンプレートにもそれに対応する処理があります。標準テンプレートで思考をオンにした第三者試験とは条件が異なるため、結果を比べる際は設定まで読む必要があります。

同じ条件の第三者比較で、何が見えるか

DreamFastの公開比較から、知識問題のMMLU-Proと、HarmBenchでのJudge ASRを抜き出しました。MMLU-Proは、各選択肢に与える確率で採点する同条件の対数尤度評価です。ASRは、拒否を誘う400課題で依頼内容に応じたとAIが判定した割合。思考過程も採点し、判定不能を分母から除くため、通常タスクの正答率や完成回答率とは異なります。比較方法と結果

同試験の思考未完了件数は、Ektomeが137/400、OBLITERATUSが179/400。一方、算数文章題のGSM8KではDavidAUが86.7%、元モデルが91.2%でした。これらはFP8で動かした第三者の測定値です。HarmBenchは標準テンプレートで思考オン、上限15,360トークン。各社サービスでの実測値には置き換えられません。詳細表

この比較は、「無検閲化すると必ず知識テストの性能が大きく落ちる」という見方を見直す材料になります。同時に、拒否を減らせたか、問題を解けるか、回答を最後まで出せるかは、それぞれ確認が必要だと分かります。人気やダウンロード数は、こうした試験項目の代わりにはなりません。

たとえば、確認時点のHugging FaceでOBLITERATUSの月間ダウンロード数はtrohrbaugh ARAを大きく上回っていましたが、上のMMLU-Proでは順序が逆です。ダウンロード数は注目や利用の広がりを知る材料として扱うのがよさそうです。OBLITERATUSの掲載値、trohrbaughの掲載値

モデルカードの自己評価、第三者の同条件試験、実際に使うサービスでの出力。この3つの視点を照らし合わせると、宣伝文句や単独のスコアに引っ張られにくくなります。

Arliは、大型モデルと長Contextを定額で使う候補

Arliは、モデルの大きさとContextの上限をプランで分けています。Starterは31Bまで、Core以上は355Bまで。Plusは月20ドルで最大128K、Proは月30ドルで最大256Kと案内しています。長い資料を扱いたい場合、FeatherlessのChatプランとの違いがはっきりする部分です。Arli料金表

ただし、プランの最大値をすべてのモデルで使えるとは限りません。たとえば、GLM-4.6-Derestricted-v5の個別ページは、355B、Context 202,752、INT8とINT4の混合量子化と表示しています。モデルの提供条件

同ページは、重みの大きさを保ちながら方向成分を調整する「Norm-Preserving Biprojected Abliteration」を説明しています。能力維持の狙いを理解する材料ですが、性能向上の説明は提供元の評価です。利用者側では、扱いたい資料の長さと回答品質を合わせて判断します。

長い資料の要約や大型モデルの利用が目的なら、使いたいモデルと必要なContextを決めておくと、プランを絞りやすくなります。Arliで必要な長さに合うプランを選ぶ

Veniceは、検索・画像・ファイルまでまとめて使う

Veniceの特徴は、モデルを使うための画面や機能がまとまっていることです。料金ページにはWeb検索、PDFなどのアップロード、画像理解・生成が並び、Proは月18ドル。APIやプレミアム機能ではクレジットを使います。Proのテキスト無制限という表示を、全モデル・全機能の無制限と読み広げないことが大切です。Venice料金・機能一覧

プライバシーもサービスの主要な訴求です。ローカルの会話保存、Private modeのデータ保持方針、暗号化バックアップなどが案内されています。ただし、ここで確認できるのは提供元の説明で、通信経路や実装を独立監査した結果ではありません。

モデルの入れ替えそのものより、調べる、資料を読む、画像を扱う流れを一つのサービスで済ませたい人に候補となります。Contextの具体値は使うモデルとプランで確認します。

資料の読み込みから検索・画像までまとめたい人は、使いたい機能がProに含まれるかを確認してみてください。Venice Proの機能とクレジット条件を見る

Audnは、長Contextとセキュリティ検証への特化が特徴

Audnのトップページは、Red TeamとBlue Teamによるセキュリティ検証を前面に出しています。Pingu Unchained KONGとPingu Unchained 10をQwen3.8系として紹介し、月20ドルの利用枠も案内しています。Audn公式

APIの料金は別に確認できます。Pingu Unchained 10は、公開プラットフォーム上ではQwen3.8-27B-AEON-Ultimate-Uncensoredをベースとし、Contextは262,144トークン。入力2ドル、出力8ドル／100万トークンです。月額の表示をそのままAPI使い放題と解釈しないようにします。Audn APIのモデル・料金

同ページの拒否率は、自社の評価プログラムによる値です。判定に正規表現を使う値について、Audn自身も確定的な実態を表すものではないと説明しています。DreamFastのAI判定とは方法が違うため、両者の百分率から優劣を直接決めることはできません。

セキュリティ検証に使うモデルを探しているなら、対象モデルの仕様と想定する入出力量を先に照合しましょう。AudnのモデルとAPI料金を確認する

Abliteration.aiは、大型の低拒否モデルを従量APIで使う

Abliteration.aiの料金表には、GLM-5.3系のabliterated-model-large-v2が掲載されています。Contextは1M、テキスト専用で、100万トークン当たり入力3ドル、出力5ドルです。提供元はこれをfrontier-scaleの推論モデルと位置付けています。公式モデル料金

月20ドルなどのサブスクリプションもありますが、説明上は利用割引や上限などの条件が付く仕組みで、モデル利用はトークン単価に従います。定額チャットの感覚で比較せず、想定する入出力量で費用を考えるサービスです。

低拒否モデルの提供が27B級に収まらず、大型モデルへ広がっている例といえます。ただし、「frontier-scale」は提供元の位置付けです。主要な商用モデルと同等の能力が第三者試験で証明された、という意味ではありません。

長い入力を大型モデルへ渡す開発用途なら、想定するトークン数で費用を見積もってから選べます。Abliteration.aiのモデル別単価を見る

Infermaticは、低価格の定額と選抜カタログ

InfermaticはEssentialが月9ドル、Standardが16ドル、Plusが20ドル。運営が選んだモデルをプランごとに提供し、APIの並列数は順に1、1、2です。一覧にはMagnumやCydoniaなどが載り、プロンプトや結果を制限しない方針を掲げています。公式料金・モデル一覧

費用の分かりやすさは魅力ですが、Premiumモデルは月間クレジットを使う別枠と明記されています。ページ冒頭の定額表示だけで、掲載されたすべてのモデルが定額対象だと判断しないようにします。Contextも今回の料金表では一律上限を確認できず、使うモデルの提供条件を個別に確認する必要があります。

安価な定額から始め、選抜されたモデルの中に用途に合うものがあるかを見たい人向けの候補です。

月額を抑えて始めたい人は、使いたいモデルが定額対象に入っているかを先に確認してください。Infermaticの定額プランと対象モデルを見る

最後は「何を試したいか」で選ぶ

同じ無検閲AIでも、サービスを選ぶ理由は目的によって変わります。

• 派生モデルを横断して比べたい：Featherless。Chatの用途制限と32K Contextを確認し、開発用途ならDeveloperの条件を見る。
• 長い資料や大型モデルを定額で扱いたい：Arli。プラン上限とモデル個別のContextを両方確認する。
• 検索・画像・文書を一つの画面で扱いたい：Venice。Proに含まれる範囲とクレジット消費の範囲を確認する。
• Qwen3.8系の長Contextやセキュリティ検証に関心がある：Audn。月額枠とAPI料金を分けて見る。
• 大型の低拒否モデルをAPIで組み込みたい：Abliteration.ai。入出力トークン数から費用を見積もる。
• 低価格の定額で、選抜モデルを試したい：Infermatic。定額対象とPremiumの区分を確認する。

モデルを試す際は、よく使う文章の推敲、資料の要約、簡単なコード修正など、用途に近い課題を用意すると選びやすくなります。答えたかに加えて、根拠を保ったか、指示を守ったか、最後まで完成したかを見ます。

ベースモデルの能力、調整手法による変化、ホスティングの制約。この3つを合わせて見ることが、自分の仕事や創作に合う無検閲AIを探す出発点になります。

まずは、いちばんよく使う用途に合うサービスを一つ選びましょう。Qwen3.8派生の違いを自分で確かめたい人は、Featherlessのプランと用途制限を確認するところから始められます。