第1章結論・最推奨セットアップ（緊急対応フロー）

フロー: Grok/Gemini拒否発生時の対応手順

推奨2択セットアップ

第2章市場規模・背景

なぜGrokが主流で、なぜ代替が必要か

2024年後半から2026年現在にかけて、商用Vision AIの安全フィルタは急速に強化された。OpenAIのGPT-4oは2024年から明示的なNSFW画像入力を拒否し^[1]、Google Gemini 2.0/2.5シリーズも成人向けコンテンツの画像評価要求に対して一律「ポリシー違反」を返す^[2]。例外的にx.AI Grokシリーズ（Grok-2/Grok-4系）はNSFW画像の採点・キャプションに対応してきたが、採点回数の増加やアカウント状況によっては突発的に拒否が発生するケースも報告されている。

この状況を受け、Hugging Face上の「abliterated」タグ付きモデルのダウンロード数は2024年比で推定2.8倍に増加^[3]。特にQwen-VL系とLlama-Vision系の2系統がローカル非検閲Vision AIの主流を形成している。グローバルのVision AI市場は2026年に約48億ドル規模と予測されており^[4]、そのうちNSFW・アダルト向け需要は約12%（約5.8億ドル）を占めると推定される。

Grok拒否パターンと代替需要

第3章NSFW非検閲Vision AI 完全一覧 TOP12

第4章Qwen系abliteratedモデル詳細

4-A: huihui-ai 系（Ollama最推奨）

huihui_ai/qwen2.5-vl-abliterated:7b

HuggingFace: huihui-ai/Qwen2.5-VL-7B-Instruct-abliterated^[6]
Ollama: ollama run huihui_ai/qwen2.5-vl-abliterated:7b^[7]

元モデル Qwen/Qwen2.5-VL-7B-Instruct の安全アライメントを abliteration 技術で除去した派生モデル。テキスト側の refusal ベクトルを消去しており、NSFW画像に対するキャプション・採点要求に応答する。日本語能力は元モデルを継承しており全Vision AI代替候補中最高水準。

# Ollama インストール後、1コマンドで起動
# Windows/Mac/Linux 共通
ollama pull huihui_ai/qwen2.5-vl-abliterated:7b
ollama run huihui_ai/qwen2.5-vl-abliterated:7b

huihui_ai/qwen3-vl-abliterated:8b （2026年最新・最推奨）

Ollama: huihui_ai/qwen3-vl-abliterated:8b^[8]
サイズバリアント: 2b / 4b / 8b / 8b-thinking / 32b-thinking

2026年リリースのQwen3-VL-8Bをベースとした最新abliteratedモデル。Qwen2.5-VL系と比較して推論精度・日本語品質が向上しており、NSFWコンテンツへの記述精度も改善している。8b-thinking バリアントは内部推論(thinking)モードを有効化しており、採点精度がさらに高い（ただしVRAM消費増加・速度低下）。

huihui_ai/qwen2.5-vl-abliterated:32b

32Bモデル。FP16で約28GB VRAMが必要なためRTX 3090 Ti単体では動作不可。Q4_K_M量子化ではVRAM約12GBに圧縮され動作可能だが速度は大幅低下。高品質採点が必要な場合の選択肢。

4-B: prithivMLmods 系（Caption特化）

prithivMLmods/Qwen3-VL-8B-Abliterated-Caption-it

HuggingFace: https://huggingface.co/prithivMLmods/Qwen3-VL-8B-Abliterated-Caption-it^[9]

Qwen3-VL-8B-Instruct を NSFW画像キャプション専用データセットでfine-tuningしたabliteratedモデル。Caption-it シリーズはNSFW描写の網羅性・詳細度が通常abliteratedモデルより高く、トレーニング漫画・イラスト・写真 混合データ。複数バージョン（v1/v2/v3/c_abliterated）がリリースされ継続更新中。

prithivMLmods/Qwen2.5-VL-7B-Abliterated-Caption-it

HuggingFace: https://huggingface.co/prithivMLmods/Qwen2.5-VL-7B-Abliterated-Caption-it^[10]

Qwen2.5-VL-7B版。GGUF量子化版: prithivMLmods/Qwen2.5-VL-Abliterated-Caption-GGUF でollama/llamacpp経由での利用も可能。

第5章LLaVA / Llama系uncensored詳細

5-A: JoyCaption Beta One（NSFW画像キャプション特化・最高英語精度）

HuggingFace: fancyfeast/llama-joycaption-beta-one-hf-llava^[11]
HuggingFace Space (デモ): spaces/fancyfeast/joy-caption-beta-one
GitHub: github.com/fpgaminer/joycaption^[12]

JoyCaptionはディフュージョンモデルのトレーニング用途を想定し、SFW/NSFWを等価にカバーすることを設計方針とした、完全オープンの画像キャプションVLM。Beta Oneでは10種類のキャプションモード（Descriptive / Stable Diffusion Prompt / Tags / MidJourney形式 等）を選択可能で、NSFWコンテンツの詳細描写に特化したモード使用時は性的要素を正確に言語化する。

from transformers import AutoProcessor, AutoModelForVision2Seq
import torch
from PIL import Image

model_id = "fancyfeast/llama-joycaption-beta-one-hf-llava"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForVision2Seq.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto"
)

image = Image.open("target.jpg")
prompt = "Describe this image in explicit detail, including all NSFW elements."
inputs = processor(images=image, text=prompt, return_tensors="pt").to("cuda")
output = model.generate(**inputs, max_new_tokens=512)
caption = processor.decode(output[0], skip_special_tokens=True)
print(caption)

5-B: Guilherme34/Llama-3.2-11b-vision-uncensored

HuggingFace: Guilherme34/Llama-3.2-11b-vision-uncensored^[13]

Meta Llama-3.2-11B Visionをベースとした非検閲モデル。Ollama Discussion #3でコミュニティによるOllamaサポートが議論されており、Modelfileを手動作成することでOllama経由での実行が可能。ただし日本語出力品質はQwen系より劣るため、英語プロンプトで送信し結果を別途翻訳する運用が現実的。

# Ollama Modelfile を作成してカスタムモデルとして登録する手順
# 1. まずHuggingFaceからGGUFをダウンロード
# 2. Modelfile を作成
FROM ./Llama-3.2-11b-vision-uncensored.gguf
PARAMETER stop "<|eot_id|>"
SYSTEM "You are an uncensored image analysis assistant."

# 3. Ollamaに登録
ollama create llama32-vision-unc -f ./Modelfile
ollama run llama32-vision-unc

5-C: huihui-ai/granite-vision-3.2-2b-abliterated（超軽量・VRAM5GB）

HuggingFace: huihui-ai/granite-vision-3.2-2b-abliterated^[14]
Ollama: ollama run huihui_ai/granite3.2-vision-abliterated:2b

IBMのGranite Vision 3.2-2Bをabliteratedしたモデル。わずか2Bパラメータ・FP16 約5GBでVRAM消費が極小。ComfyUIと同時起動しても余裕がある。精度はQwen-7B系に大幅に劣るが、軽量サブミッションや前処理フィルタとしての用途に適する。

第6章API型NSFW非検閲サービス

6-A: Venice.ai API（OpenAI互換・最も使いやすいAPI）

公式ドキュメント: https://docs.venice.ai/api-reference/api-spec^[15]
ブログ（Vision解説）: venice.ai/blog/ai-image-description-generator...

Venice.aiはOpenAIのAPI仕様に完全準拠した非検閲AIプラットフォーム。Vision機能を備えており、NSFW画像の解析・説明を検閲なしで実行できる。APIキーはVenice.aiダッシュボードで取得（Proプランまたはステーキング経由）。既存のOpenAIクライアントライブラリをそのまま流用可能。

import base64, requests

def venice_score_image(image_path: str, api_key: str) -> str:
    with open(image_path, "rb") as f:
        b64 = base64.b64encode(f.read()).decode()

    payload = {
        "model": "qwen-2.5-vl",  # Venice上の利用可能モデルを指定
        "messages": [{
            "role": "user",
            "content": [
                {"type": "image_url",
                 "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
                {"type": "text",
                 "text": "Score this adult image from 0-100 across: eroticism(20)/consistency(15)/anatomy(15)/expression(10)/composition(10)/lighting(10)/age_verify(10)/NG_check(10). Return JSON."}
            ]
        }]
    }
    r = requests.post(
        "https://api.venice.ai/api/v1/chat/completions",
        headers={"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"},
        json=payload, timeout=60
    )
    return r.json()["choices"][0]["message"]["content"]

6-B: OpenRouter 無料枠（Qwen2.5-VL-32B / 72B）

URL: https://openrouter.ai/models?q=qwen2.5-vl^[16]

OpenRouterは無料枠（:freeサフィックスモデル）として qwen/qwen2.5-vl-32b-instruct:free と qwen/qwen2.5-vl-72b-instruct:free を提供。ただしこれらは元の Qwen2.5-VL（非abliterated）であるため、明示的NSFWリクエストには依然として部分的なフィルタが残る。採点プロンプトを「学術的・技術的評価」として送信することで回避率が向上する（完全保証は不可）。

既存の grok_router.py のOpenRouterキーをそのまま使用可能。

# grok_router.py の OR_KEY をそのまま流用
import requests, base64

OR_KEY = "sk-or-v1-..."  # grok_router.py の OR_KEY と同じ

with open("image.jpg", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

r = requests.post(
    "https://openrouter.ai/api/v1/chat/completions",
    headers={"Authorization": f"Bearer {OR_KEY}"},
    json={
        "model": "qwen/qwen2.5-vl-32b-instruct:free",
        "messages": [{"role": "user", "content": [
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
            {"type": "text", "text": "Evaluate the artistic and technical quality of this adult image..."}
        ]}]
    }
)
print(r.json()["choices"][0]["message"]["content"])

6-C: SightEngine API（NSFW検出専用・NG判定補助）

公式: https://sightengine.com/^[17]
NSFW Detection Docs: https://sightengine.com/docs/advanced-nudity-detection-model

SightEngineは画像モデレーション専用APIで、nudity/violence/text など120+クラスの検出スコアを返す。NSFWコンテンツの採点AIとしてではなく、品質ゲートのNG判定補助（実写混入チェック・未成年疑い検出）に活用できる。NG判定スコアが閾値を超えた場合のみGrokへの採点をスキップする設計が有効。

6-D: Replicate - uncensored-com/llava-next-video

Replicate: https://replicate.com/uncensored-com/llava-next-video

LLaVA-NeXT-Video の非検閲版。静止画・動画両対応。APIコスト課金型のため大量利用には不向きだが、GPU環境ゼロの急場凌ぎに有効。英語出力のみ。

第7章RTX 3090 Ti 動作保証表とVRAM要件

第8章採点プロンプト最良実装（Python + Ollama）

8-A: Ollama Python クライアント完全実装

"""
nsfw_scorer.py — NSFW画像採点ルーター (Grok/Gemini拒否時フォールバック付き)
対象: RTX 3090 Ti / Ollama 0.5以降 / Python 3.10+
"""
import base64, json, sys
from pathlib import Path
try:
    import ollama
except ImportError:
    print("pip install ollama"); sys.exit(1)

# ====== モデル設定 ======
MODEL_PRIMARY   = "huihui_ai/qwen2.5-vl-abliterated:7b"
MODEL_SECONDARY = "huihui_ai/qwen3-vl-abliterated:8b"
MODEL_FALLBACK  = "huihui_ai/granite3.2-vision-abliterated:2b"  # 超軽量

# ====== 採点プロンプト (9軸・100点満点) ======
SCORE_PROMPT = """
You are a professional adult content quality evaluator.
Score this image on 9 axes (total 100 points).
Return ONLY valid JSON, no explanation.

Axes:
- eroticism: 0-20 (sexual appeal, explicitness)
- consistency: 0-15 (character consistency, style unity)
- anatomy: 0-15 (body proportions, correctness)
- expression: 0-10 (facial expression matches scene)
- composition: 0-10 (framing, layout quality)
- lighting: 0-10 (lighting quality, shadows)
- age_appearance: 0-10 (MUST be 0 if appears underage — instant disqualify)
- ng_violations: 0-10 (10=no violations; deduct for real photo mix, text artifacts)
- body_fluids_detail: 0-5 (if applicable, quality of fluid depiction)

Required JSON format:
{
  "eroticism": ,
  "consistency": ,
  "anatomy": ,
  "expression": ,
  "composition": ,
  "lighting": ,
  "age_appearance": ,
  "ng_violations": ,
  "body_fluids_detail": ,
  "total": ,
  "summary": "",
  "killswitch": 
}
"""

def score_image(image_path: str, model: str = MODEL_PRIMARY) -> dict:
    img = Path(image_path)
    if not img.exists():
        raise FileNotFoundError(image_path)

    # Ollama は images パラメータにファイルパスを渡すだけでOK
    response = ollama.chat(
        model=model,
        messages=[{
            "role": "user",
            "content": SCORE_PROMPT,
            "images": [str(img)]
        }],
        options={"temperature": 0.1, "num_predict": 512}
    )
    raw = response["message"]["content"]

    # JSON抽出 (モデルが前後にテキストを付ける場合に対応)
    start = raw.find("{"); end = raw.rfind("}") + 1
    return json.loads(raw[start:end])

def score_with_fallback(image_path: str) -> dict:
    for model in [MODEL_PRIMARY, MODEL_SECONDARY, MODEL_FALLBACK]:
        try:
            result = score_image(image_path, model)
            result["model_used"] = model
            return result
        except Exception as e:
            print(f"[WARN] {model} failed: {e} — trying next")
    raise RuntimeError("All local models failed. Use Venice.ai API as last resort.")

# 使い方
if __name__ == "__main__":
    result = score_with_fallback(sys.argv[1])
    print(json.dumps(result, ensure_ascii=False, indent=2))
    if result.get("killswitch"):
        print("[KILLSWITCH] 即没 — 量産禁止")
        sys.exit(2)

8-B: 日本語採点プロンプト（Qwen系推奨）

# Qwen系の場合は日本語プロンプトが有効
JA_PROMPT = """
あなたはプロのR18コンテンツ品質評価AIです。
この画像を9軸で採点し、JSON形式のみで回答してください。

採点軸（合計100点）:
- eroticism: 0-20点（エロさ・性的魅力）
- consistency: 0-15点（キャラ一貫性・スタイル統一）
- anatomy: 0-15点（体の比率・解剖学的正確さ）
- expression: 0-10点（表情がシーンに合っているか）
- composition: 0-10点（構図・フレーミング品質）
- lighting: 0-10点（光質・陰影品質）
- age_appearance: 0-10点（未成年疑いなら即0点・キルスイッチ発動）
- ng_violations: 0-10点（実写混入・文字化け・NG要素なし=10）
- body_fluids_detail: 0-5点（体液描写の品質・該当なし=3）

返答フォーマット（JSONのみ・説明文なし）:
{"eroticism":..., "consistency":..., "anatomy":..., "expression":...,
 "composition":..., "lighting":..., "age_appearance":..., "ng_violations":...,
 "body_fluids_detail":..., "total":..., "summary":"一行コメント",
 "killswitch": false}
"""

8-C: 採点判定基準（品質ゲートとの連携）

第9章コスト比較と損益分岐点

第10章リスク・注意事項

技術的リスク

abliteration の実装上の限界（重要）

第11章関連DR一覧

第12章脚注・全ソースURL