R18/NSFWを“拒否せず”採点・批評できるVision AI 徹底調査と実装ガイド
2026年6月最新 — Grok依存からの脱却・ローカル保険・拒否回避アンサンブル設計

1結論 — Grok一本足からの脱却プラン

1.1 なぜ「Grokだけ通る」が起きているのか

CC3の体感（Grok以外は拒否・タイムアウト頻発）は構造的な理由がある。Gemini / Qwen / Llama はいずれもAPI側 or モデル側に強い安全レイヤを持ち、性的に露骨な画像入力に対して「私はこの画像を説明できません」系のrefusalを返す。OpenRouterの :beta（self-moderated）エンドポイントを使っても、これはOpenRouter側のモデレーションを外すだけで、モデル内部のガードは残る^[8]。一方Grokは画像“生成”は厳しい（後述）が、画像“入力の説明・採点”は相対的に通りやすいという実運用報告が複数ある^[3]。CC3が「Grokだけ安定」に行き着いたのは正しい観測。

1.2 推奨スタック（今すぐ使える順）

「クラウド拒否しない3-4モデル」をCC3が望む形に落とすと、現実はGrok 2系統（4.3 と 2-vision）＋ ToriiGate ＋ JoyCaption の4本立てが2026年6月の最適解。Gemini/Qwen/Llamaは“通ったら加点票”扱いに格下げする。

2市場規模 — VLM-as-Judge × NSFW採点の到達点と需要

2.1 VLM-as-Judgeの到達点

「画像をLLMに見せて点数を付けさせる」VLM-as-Judge は2025〜2026で実用域に入った。一般画像の理解は Qwen2.5-VL-72B が MMBench-EN 88.6、文書理解で Claude 4.7 に匹敵しつつ30〜40分の1のコストという水準^[9]。問題は性能ではなく「R18を見せた瞬間に拒否されるか」。採点品質はどのモデルも十分高く、ボトルネックは100%「refusalとタイムアウト」に集約される。これはCC3の現場感と完全に一致する。

2.2 NSFW採点の2系統

重要な区別：ToriiGate / JoyCaption は「点数を出すモデル」ではない。これらは「この画像には fellatio, cum, blush, school uniform が写っている」と客観タグ/キャプションを吐くのが本職^[4][5]。点数化したいなら(a)別途プロンプトで「以下の観点で0-100」と指示するか、(b)タグ抽出はToriiGate・点数化はGrok、と役割分担する。後者が安定。

2.3 需要 — CC3だけの問題ではない

R18 AI同人の量産が一般化し、「生成した数百枚から売れる絵を機械選別したい」需要は同人クリエイター全体に存在する（既存DR17/06-09でも繰り返し論点化）。だが大手クラウドVLMは軒並みNSFW入力を拒否するため、「拒否しない採点AI」は供給が薄い＝ノウハウ自体に希少価値がある。本DRの組み合わせはそのまま量産QAゲートの中核になる。

3競合TOP10 — R18採点に使えるモデル/API ランキング

「R18画像を見せて拒否せず採点/記述できるか」を最重視した実用ランキング。各値は脚注の一次情報に基づき、未確認は明記。

3.1 “拒否しない”を実測で確認すべき3モデル

表の「要確認」は誠実に未検証だと明記する。導入前に必ず自前のR18テスト画像3枚で実測すること。特に (a)DeepInfra経由Qwen2.5-VL-72B、(b)Pixtral Large(safe_prompt無し)、(c)Mistral系は「日によって/プロバイダによって」挙動が揺れる。Grok・ToriiGateは安定が確認できているので、この3つは“通ったらラッキー”の第3票扱いにする。

4技術スタック — クラウド3本+ローカル保険・送信形式・Grokの通し方

4.1 OpenRouter / xAI への画像送信フォーマット

OpenRouter・xAI ともOpenAI互換。/v1/chat/completions に content配列で text → image_url の順で送る。ローカルのR18画像は公開URLに置けないのでbase64データURL一択。対応形式は png/jpeg/webp/gif^[7]。

{
  "model": "x-ai/grok-4",            // OpenRouter slug 例。xAI直なら "grok-4.3"
  "messages": [{
    "role": "user",
    "content": [
      { "type": "text",
        "text": "あなたはR18同人CGの審査員。次の9軸を各0-10で採点しJSONで返す: 抜ける度/構図/エロ表現/解剖学(手指)/写植可読性/顔の魅力/色/塗り/全体。減点理由も短く。" },
      { "type": "image_url",
        "image_url": { "url": "data:image/jpeg;base64,/9j/4AAQ..." } }
    ]
  }],
  "temperature": 0.2,
  "max_tokens": 1200
}

4.2 Grokを「確実に通す」運用ノウハウ

4.3 ローカル保険①：ToriiGate-v0.4-7B（無検閲・本命）

base=Qwen2-VL、90万枚のアート学習。Apache 2.0で商用可。booruタグgrounding（<tags>...</tags>）とJSON出力に対応し、複数キャラ名も扱える^[5]。7B(実体8Bパラ)・2B版・exllamav2量子化(8/6/4bpw)があり、4bpwなら8GB VRAMでも動く。RTX 3090(24GB)ならbf16でも余裕。

# transformers + qwen_vl_utils（公式手順）。JSON採点プロンプト例：
prompt = (
  "Describe the picture in structured json-like format. "
  "Also rate: exposure(0-10), anatomy_ok(0-10), composition(0-10), "
  "appeal(0-10). Output JSON only.\n"
  "<tags>1girl, solo</tags>"   # groundingで精度UP（任意）
)
# exllamav2量子化で高速化したい場合は 4bpw/6bpw 重みを使用

4.4 ローカル保険②：JoyCaption Beta One（婉曲なしキャプション）

HFモデル名 fancyfeast/llama-joycaption-beta-one-hf-llava。「open, free, uncensored」を掲げSFW/NSFWを等量カバー、婉曲表現をしないのが最大の価値^[4]。bf16でVRAM約17GB（24GB GPUで快適）、8bit/4bit量子化可。vLLMが最速。

vllm serve fancyfeast/llama-joycaption-beta-one-hf-llava --max-model-len 4096
# OpenAI互換APIが立つ → base_url を localhost に向けて既存コードを流用

4.5 全体アーキテクチャ

5収益試算 — 採点AI導入の工数削減とコスト

本質的価値はコスト削減より「止まらないこと」。Gemini/Qwen依存だとバッチの途中でrefusalが出て無人運用が崩れる。ローカルToriiGateを1票として常時確保すれば、クラウドが全拒否してもパイプラインは止まらない。歩留まり改善の具体数値は作品依存のため要実測（推定明記）。

6リスク — refusal / 誤判定 / 規約BAN / データ保持 / 法務

730日プラン — 導入ロードマップ

8撤退ライン — 打ち切り基準

• Grokが採点用途で拒否率20%超に悪化したら、クラウド主力をローカルToriiGate中心へ即移行。
• 月額API$50超（＝採点が想定の30倍に膨張）なら、縮小・バッチ間引き・ローカル比率UP。
• ローカルToriiGateのrefusal/破綻率10%超が安定して続くなら、ToriiGate-0.5やJoyCaption・WD-Taggerへ役割再配分。
• 採点とトフィー目視の一致率が継続して低い（上位選別が外れる）なら、AI採点を「足切り」だけに格下げし最終判断は人間に戻す。

9落とし穴 — 拒否回避TIPS・誤判定・scoring_rubric誤解 TOP10

1. 【最重要】OpenRouterの scoring_rubric/scoring_prompt は画像“生成”用（Sourceful Riverflow V2.5）であり、アップロードしたR18画像をVLMで採点する用途には使えない^[14]。ここを混同すると沼る。採点は普通の chat/completions＋自前プロンプトでやる。
2. :beta（self-moderated）はOpenRouter側モデレーションを外すだけ。モデル内部のNSFWガードは残るので、Geminiが拒否するものは:betaでも拒否^[8]。
3. JoyCaption/ToriiGateは点数モデルではない。数値が欲しければプロンプトで明示、もしくは点数化はGrokに任せる。
4. 素のQwen2.5-VLは安全寄り。無検閲が欲しければ ToriiGate(Qwen2-VLベースfinetune) か AiCloser/Qwen2.5-32B-AGI系（要確認）を使う^[10]。
5. DeepInfra等プロバイダごとにNSFW許容が違う。OpenRouterでプロバイダ固定（provider.order）しないと、日替わりで拒否プロバイダに飛んで挙動が揺れる。
6. 「描写して/説明して」より「品質を採点して」の方がGrokは通りやすい（タスク化で安全判定を回避）。
7. vLLM起動の --max-model-len を小さくしすぎると長文採点が途中で切れる。採点だけなら4096で足りるが、長講評を求めるなら拡大。
8. 写植文字（吹き出し）を異物・破綻と誤読する。採点プロンプトに「画像内の日本語テキストは写植であり減点対象でない」と明記。
9. モザイクを解剖学破綻と誤判定。「モザイク部分は評価対象外」と明示、またはモザイク前原本で採点（外部送信リスクは要管理）。
10. ローカルのVRAM見積りミス：JoyCaption bf16=約17GB^[4]。ComfyUI稼働中に無計画に立てるとRAM/VRAM枯渇でPCクラッシュ（CC共通の既知事故）。量子化＋スケジューリング必須。

10既存資産活用 — CC3の3AIスクリプト改修・ComfyUI同居VRAM

10.1 CC3の3AI/4AIスクリプトをどう直すか

現状の「grok / gemini / qwen を等しく叩いて多数決」は、Gemini/Qwenが拒否するとその票が欠落し合議が崩れる。「Grok最優先＋拒否は自動スキップ＋ローカル常時票」へ作り替える。擬似コード：

def ensemble_score(image_b64):
    votes = []
    # 主力：Grok系（拒否されにくい）
    for m in ["grok-4.3", "grok-2-vision-1212"]:
        r = call_with_retry(m, image_b64, max_retry=3)   # 指数バックオフ
        if r and not is_refusal(r):
            votes.append(parse_scores(r))
    # 任意：通れば加点票（拒否は即スキップ・リトライしない）
    for m in ["deepinfra/qwen2.5-vl-72b", "pixtral-large"]:
        r = call_once(m, image_b64, timeout=40)
        if r and not is_refusal(r):
            votes.append(parse_scores(r))
    # ローカル保険：必ず1票（オフライン・拒否ゼロ）
    votes.append(toriigate_local(image_b64))   # exllamav2 4bpw
    return aggregate(votes)   # 中央値＋外れ値除去＋Killスイッチ

REFUSAL_MARKERS = ["できません","I can't","I'm unable","cannot assist",
                   "policy","適切でない","お答えできません"]
def is_refusal(text):
    t = text.lower()
    return any(k.lower() in t for k in REFUSAL_MARKERS) or len(text) < 20

10.2 grok_router との連携

既存 D:\projects\fanza3_mass\scripts\grok_router.py はテキスト用。vision採点用に ask_vision(prompt, image_b64, kind) を追加するのが綺麗。content配列(text+image_url)に組み替えるだけで、コストログ機構(grok_router_costs.jsonl)・モデル切替プロファイルをそのまま流用できる。grok-4.3は既にプロファイルにあるので kind="dr_world_top" のmodelを採点に再利用可。

10.3 ComfyUI同居のVRAM注意（CC1稼働中は特に）

11関連DR一覧

• DR_AIエロ漫画自動品質評価システム設計（複数LLM採点・誤判定回避・人間目視）2026-06-09 — 本DRの上位設計。合議＋決定論フィルタ＋人間トリアージの全体像。
• DR17 NSFW画像品質判定AI 2026-04-30 — NudeNet/Aesthetic V2.5/WD-Tagger/DWPoseの専用モデル採点（refusalの無いCNN系で点数化する別アプローチ）。
• DR Vision採点10項目プロンプト 2026-06-01 — 採点プロンプトの設計指針。
• DR 採点AI構造的65固定の回避 評価設計 2026-06-04 — LLM採点が65点付近に張り付くバイアスの回避。
• DR R18採点ルーブリック・合格点ゲート設計 2026-05-30 — 9軸ルーブリックとゲートの数値設計。
• DR ローカルVisionLLM比較（Qwen/MiniCPM/Llama）2026-06-01 — ローカルVLMの導入比較（NSFW観点を本DRで補完）。

12脚注（全URL実在・未確認は明記）

1. [1] xAI Grok モデル一覧・価格（grok-4.3 入力$1.25/出力$2.50・1Mコンテキスト等）— datastudios まとめ: https://www.datastudios.org/post/grok-ai-all-models-available-capabilities-context-windows-pricing-and-when-to-use-each ／ xAI公式: https://x.ai/api ／ 公式モデル: https://docs.x.ai/developers/models
2. [2] grok-2-vision-1212 仕様・価格（入力$2/出力$10・33Kコンテキスト・vision）— OpenRouter: https://openrouter.ai/x-ai/grok-2-vision-1212 ／ xAI発表(X): https://x.com/xai/status/1868045132760842734
3. [3] xAI Grok のNSFW/画像ポリシー・実在人物/児童の禁止・2026年1月の規制強化（画像“生成”は約90%ブロックだが、画像“入力の説明・採点”は相対的に通りやすいという文脈）— atlascloud: https://www.atlascloud.ai/blog/guides/grok-xai-nsfw-image-generation-policy ／ YingTu: https://yingtu.ai/en/blog/grok-xai-nsfw-image-generation-policy
4. [4] JoyCaption（uncensored captioning VLM・HF名 fancyfeast/llama-joycaption-beta-one-hf-llava・bf16 約17GB VRAM・SFW/NSFW等量・vLLM起動コマンド・稀なrefusalとglitch1.5-3%）公式README — https://github.com/fpgaminer/joycaption/blob/main/README.md ／ リポジトリ: https://github.com/fpgaminer/joycaption
5. [5] ToriiGate-v0.4-7B（base=Qwen2-VL・90万枚学習・"any kind of NSFW activities without any borders or censorship"・Apache 2.0・booruタグgrounding・JSON出力・複数キャラ名）HFモデルカード — https://huggingface.co/Minthy/ToriiGate-v0.4-7B
6. [6] ToriiGate-v0.4-2B（軽量版）: https://huggingface.co/Minthy/ToriiGate-v0.4-2B ／ 後継 ToriiGate-0.5: https://huggingface.co/Minthy/ToriiGate-0.5
7. [7] OpenRouter 画像入力フォーマット（chat/completions の content配列・base64 or URL・png/jpeg/webp/gif・複数画像可）公式ドキュメント — https://openrouter.ai/docs/guides/overview/multimodal/image-understanding
8. [8] OpenRouter self-moderated（:beta）エンドポイント＝OpenRouter側モデレーションをスキップするがモデル内部ガードは残る／プロバイダのデータ保持／ZDR — 公式: https://x.com/OpenRouterAI/status/1758952039256670662 ／ ZDRドキュメント: https://openrouter.ai/docs/guides/features/zdr ／ 解説: https://www.aiville.com/c/anthropic/differences-between-standard-and-self-moderated-modules-in-openrouter-plus-how-to-add-my-openai-or-anthropic-api-key
9. [9] Qwen2.5-VL（3B/7B/72B・7B≈6GB/125K・72B=131K/出力8K・MMBench-EN 88.6）／InternVL（GPT-4Vに迫る・InternVL3.5-20B-A4B MoE活性4B）— TokenMix: https://tokenmix.ai/blog/qwen2-5-vl-72b-instruct-vision-developer-guide-2026 ／ Qwen2.5-VL技術報告: https://arxiv.org/pdf/2502.13923 ／ ローカルVLM比較: https://blog.roboflow.com/local-vision-language-models/
10. [10] DeepInfra Qwen2.5-VL（OpenAI互換API・32B/72B）— https://deepinfra.com/Qwen/Qwen2.5-VL-32B-Instruct/api ／ DeepInfra(OpenRouter): https://openrouter.ai/provider/deepinfra ／ 無検閲finetune AiCloser/Qwen2.5-32B-AGI（NSFWビジョン挙動は要確認）解説: https://eduardo-rogers.medium.com/you-can-try-uncensored-qwen-2-5-32b-model-here-3560e31cc3b5
11. [11] Pixtral Large（124B・Mistral Large2ベース）／Pixtral-12B／Mistral safe_prompt（互換受理・inline guardrails推奨・省略可）— HF: https://huggingface.co/mistralai/Pixtral-Large-Instruct-2411 ／ HF: https://huggingface.co/mistralai/Pixtral-12B-2409 ／ Mistral docs: https://docs.mistral.ai/models/model-cards/pixtral-large-24-11 （NSFW採点での実許容は要実測）
12. [12] MiniCPM-V 2.6（最大180万画素・OCR強・軽量/エッジ）公式リポジトリ — https://github.com/OpenBMB/MiniCPM-V （NSFW入力許容は要確認）
13. [13] WD-Tagger系（SmilingWolf・CNN系booruタガー・refusal概念なし・NSFWタグ機械抽出）— wd-vit-tagger-v3: https://huggingface.co/SmilingWolf/wd-vit-tagger-v3 ／ wd-eva02-large-tagger-v3: https://huggingface.co/SmilingWolf/wd-eva02-large-tagger-v3
14. [14] 【誤解注意】OpenRouter の scoring_rubric / scoring_prompt は画像“生成”（Sourceful Riverflow V2.5）用であり、アップロード画像のVLM採点には使えない — 公式: https://openrouter.ai/docs/guides/overview/multimodal/image-generation ／ Riverflow: https://openrouter.ai/sourceful/riverflow-v2.5-pro:free