【ComfyUI で完全解放⁉️】SFWもNSFWも制限なしで、もうAIに拒否されない！話題の『Qwen 3.5 非検閲モデル』を導入する全手順を暴露します

どうも皆さん！最近パルテノのヨーグルトが美味しすぎてやめられません、 葉加瀬あい（ハカセアイ） です！

今回は、ローカルLLM界隈で話題沸騰中の 「Qwen 3.5 非検閲（Uncensored）モデル」 を、私たちが愛用するComfyUIで簡単に使いこなす方法をご紹介します！

AIで画像や動画のプロンプト（指示文）を作ろうとしたとき、「全然センシティブな内容じゃないのに、なぜかAIに生成を拒否された…」とイライラした経験、ありませんか？

「お答えできません」「倫理的観点から〜」と、まるでお堅い先生に怒られているような気分になりますよね。

今回は、そんなAIの過剰な"忖度"を突破し、クリエイターである皆さんの 表現の自由を100%解放する革命的な技術 と、その実用的な活用法（VLMプロンプトとしての使い方）を徹底解説します！

ということで、今回お話しする内容はこんな感じです！

1.　 AIの安全フィルターを無効化する「非検閲モデル」の仕組み
2.　 Claudeの思考を宿した最新「Qwen 3.5」モデルの選び方
3.　 画像も動画も理解する！魔法のVLMプロンプトワークフロー解説

この記事を読めば、皆さんはAIの窮屈な制限から完全に解き放たれます！

なお、Youtube では note の内容を動画に変換して公開しているので、まだの方は noteのフォロー や YouTubeのチャンネル登録 もお願いします！

https://www.youtube.com/%40AI-Hakase　　

また、今回の動画版はレンダリングが終了し次第、こちらにて公開していますので、動画派の方はぜひご覧ください！

それでは、本日もよろしくお願いします！

「非検閲モデル」がAI創作の常識を覆す理由

さて、今回主役となる 「非検閲モデル（Uncensored Model）」 ですが、これの何がそんなに凄いのか？その核心に迫っていきましょう！

正直に言いますと、これはNSFW（職場閲覧注意）なコンテンツや、少しセンシティブな内容のものまで生成できてしまうモデルです。そのため、私の会社のコンプライアンス的にも「大々的に紹介していいものか…」とかなり迷いました。

ですが！
「センシティブな意図は全くないのに、なぜか生成を拒否される」「普通のポーズを指定しただけなのに、AIが勝手にNGと判断して弾かれてしまう」といったクリエイターの皆さんからの切実な要望もあまりにも大きかったんですよね。

今回ご紹介する「非検閲モデル」の活用は、単にセンシティブな表現を可能にするだけではありません。
AIがクリエイターの意図を汲み取らずに 「お答えできません」と生成を拒否する「過剰な安全フィルター」の壁を破壊 し、 表現の自由を取り戻すための革命的なアプローチ なんです！

これにより、クリエイターはAIの「忖度」に悩まされることなく、自らの創造性を100%作品に注ぎ込む力を手に入れます。

もちろん、画像だけでなく動画に対しても有効です！今までAIのガードレールに弾かれていた、ちょっとセクシーでクリーンな画像や動画をインプットにしても、制限なく利用できる形となっています。

ということで、このセンシティブフィルターを突破する「非検閲モデル」を解説をしていきたいと思います。

特徴としてはこんな感じで、普通のComfyUIのノードから呼び出して使うことができますし、皆さんが普段使っている既存のワークフローに組み込むことも可能です！　　

ベースは超優秀な「Qwen 3.5」

実は私もこれまで、ベースとなる「Qwen 3.5」についてはこちらの記事などで紹介してきたわけなんですけども、

https://note.com/ai_hakase/n/n4bf6d5c77122

Qwenは元々マルチモーダル（画像や動画も扱える）性能が非常に高く、巨大な文脈（262Kコンテキスト）を理解できるため、複雑なストーリー性のあるプロンプト生成に非常に長けている優秀なモデルなんです。詳しくは前回の記事を見てみてください！

圧倒的な推論力：Claude 4.6 Opusの「蒸留」と「マージ」

ちなみにこの非検閲モデル、ただ制限を外しただけじゃありません。さまざまなファインチューニング（微調整）が行われています。

非検閲モデルの最先端では、 Claude 4.6 Opus のような最高峰モデルの思考パターンを、軽量なQwenに「蒸留（知識を凝縮して引き継ぐこと）」して賢さを注入したり、複数のモデルの良いところを「マージ（結合）」したりする手法が主流になっています。

https://huggingface.co/LuffyTheFox/Qwen3.5-35B-A3B-Uncensored-HauhauCS-Kullback-Leibler

例えば、「アインシュタインの考え方」などをインプットしてファインチューニングする、なんてことも行われているわけですね！

これにより、ローカル環境でも驚異的な推論能力を発揮する、自分だけの最強AIを構築できるんです！

しかも、「非検閲モデル＝ハイスペック必須」ではありません。
GGUF というファイル形式や、 IQ Quant のような最新の量子化技術を駆使することで、モデルの賢さを維持したまま、 VRAM 8GB〜12GB程度の一般的なゲーミングPCでも動作可能 になっています。
https://huggingface.co/LuffyTheFox/Qwen3.5-35B-A3B-Uncensored-HauhauCS-Kullback-Leibler/tree/main

今回はそのGGUFモデルなどを使って、VRAMが少ない人やクラウド環境を使っていない人向けに、スペックの制限を突破する方法をお見せしていけたらなと思っています！

今回ご紹介する「非検閲モデル」の全貌

さて、今回私たちがComfyUIのワークフローに組み込んでいく、主役となる「非検閲モデル」について詳しく解説していきます！

今回ご紹介するのは、ローカルLLM界隈で今最も熱い視線を集めている 「Qwen3.5 Uncensored（HauhauCS版）」 シリーズです。

https://huggingface.co/HauhauCS/Qwen3.5-27B-Uncensored-HauhauCS-Aggressive

その中でも、用途に合わせて使い分けができるように、以下の2つのモデルをピックアップしました。

• Qwen3.5-9B-Uncensored-HauhauCS-Aggressive （軽量・万能モデル）

• Qwen3.5-35B-A3B-Uncensored-HauhauCS-Kullback-Leibler （高精度・シンキングモデル）

これらのモデルがなぜ優れているのか、その技術的な特徴と違いを深掘りしていきましょう！

① 核心技術：「Abliteration（無効化）」による完全な自由

これらのモデルは、元のQwen3.5が持っていた能力やデータセットを一切削ることなく、AIが「お答えできません」と生成を拒否する回路（フィルター）だけをピンポイントで無効化（Abliteration）する技術が使われています。

開発者のテストによると、 465回の過激なプロンプト入力に対して、拒絶回数は驚異の「0回」 。
つまり、AIの「賢さ」はそのままに、100%クリエイターの意図に従順なアシスタントへと生まれ変わっているんです！

② 軽量で扱いやすい「9Bモデル」

「9B（90億パラメータ）」モデルは、非常にバランスの取れた優等生です。
VRAM 8GB〜16GB程度の一般的なゲーミングPCでもサクサク動きながら、画像や動画の解析（マルチモーダル）もこなせます。

https://huggingface.co/HauhauCS/Qwen3.5-9B-Uncensored-HauhauCS-Aggressive/tree/main

個人的にも両方使ってみましたが、 普段使いのプロンプト生成や、アイデア出しの壁打ち相手としては、この9Bモデル（Q4_K_MなどのGGUF形式）が軽くて一番使い勝手が良い と感じています！

③ 圧倒的な推論力を誇る「35B-A3Bモデル」

一方で、「とにかく端的に、複雑なタスクを高精度でこなしてほしい！」という場合は、こちらの「35B（350億パラメータ）」モデルの出番です。

全体で35Bという巨大な知識を持ちながら、 「MoE（Mixture of Experts）」 という技術により、1回の計算で動くのは約3B分だけ。つまり、 巨大な脳の一部だけを効率よく使って高速に答えを導き出す 、超エリートモデルなんです。

「35Bなんて重くて動かないよ…」と思うかもしれませんが、ご安心を！
GGUF形式の「Q4_K_M（約20GB）」や「Q6_K（約27GB）」といった量子化モデルを使えば、VRAM 12GB〜24GBの環境でも十分に動かすことができます！

https://huggingface.co/LuffyTheFox/Qwen3.5-35B-A3B-Uncensored-HauhauCS-Kullback-Leibler/tree/main

個人的にはどちらも使ってみましたが、普通に9Bのモデルとかが良いなと思うんですけど、端的に「答えだけ欲しい！」というタスクを高精度で行うんでしたら、35BのQ4とかQ6とかQ8モデルとかを使うのがいいかなと思っています。

④ 最新の「ハイブリッド・アーキテクチャ」

両モデルとも、最新の「Gated DeltaNet（線形アテンション）」と従来の「Softmaxアテンション」を組み合わせたハイブリッド構造を採用しています。
これにより、 最大26万字（本1冊分以上！）という膨大な文脈を一度に読み込む ことができ、長いストーリーの破綻を防ぎます。

いかがですか？
単なる「制限解除」ではなく、最新のAI技術が結集された、まさにクリエイターのための最強の「武器」ですよね！

忖度ゼロの最強VLM！1クリック実行ワークフロー解説

ということで、ここからは私が構築した最強の非検閲VLMを、無料AIツールの「ComfyUI」から簡単に使っていく方法について、ハンズオンで解説していきたいと思います！

一応、無料の方向けに「裏側で何を使っているのか」という種明かしだけしておきます！

ComfyUI自体は、プログラムを視覚的に構築して実行できる「ノードベースのUI」に過ぎません。
ですので、先ほど紹介したHugging Faceのリポジトリからモデルをダウンロードしてくれば、皆さんのローカルPCのターミナルなどから、直接この非検閲LLMを動かすことも可能です。

「自分のプログラムとかで使ってみたい！」という方は、ぜひチャレンジしてみてください！

ですが！今回は、そんな面倒な環境構築をすっ飛ばして、 「ComfyUIからワンクリックで超簡単に使う方法」 や、 「皆さんの既存のワークフローに一瞬で組み込む方法」 を解説していければなと思っています！　　

こちらで解説したFLUX.2 Kleinとかと合わせると、

https://note.com/ai_hakase/n/n6d5dbcb23a41

こんな感じで男性1人に対して女性が周りに多数写っているようなちょっとAIではギリギリの表現とかもできます！

【今回のワークフローの爆速の秘密】

今回のワークフローですが、内部的には 「llama.cpp」 という技術を使っています。
この技術の最大の特徴は、GGUFモデルを使うことで 「モデルのロード時間がほとんどかからない」 ということです！

また、最近は高速化アップデートなどが頻繁に行われているのも利点ですね！

https://github.com/ggml-org/llama.cpp

前回お話ししていた普通のQwen 3.5を使った「VLMプロンプトV3.5」の場合は、どうしてもモデルを読み込むのに時間がかかってしまっていましたよね。

https://note.com/ai_hakase/n/n4bf6d5c77122

しかし！今回の新システムでは、その読み込み時間がほぼゼロになります。
こんな感じで、 3つくらいのプロンプト生成を同時に実行させても、爆速で終わる ようになっているんです！ストレスフリーですね！

【事前にチラ見せ！できること】

後で詳しく解説しますが、今回配布するワークフローでは、画像や動画をインプットすると、AIが 「英語プロンプト」「日本語プロンプト」「ネガティブプロンプト」の3つを同時に出力 してくれます。

ただ非検閲なだけでなく、入力した画像や動画を読み取って、そのまま画像生成AI用の完璧なプロンプト（指示書）を自動で作ってくれる 『最強のVLMプロンプト』 として組み込みました！

もちろん、いかがわしい用途だけでなく、実用性も抜群です！
このように動画を読み込ませれば、 「何秒（何フレーム目）の時点で何が起きているか」 まで、驚くほど正確に理解して言語化してくれます。動画編集の強力なアシスタントになること間違いなしです！

今回もローカル環境や、

Runpod などのクラウド環境でも動かせるようにやっていきたいと思います。

ちなみに、「初心者だからComfyUIの環境構築なんて自信がないな…」という方のために、こちらで たった1クリックで使い始められる方法 を解説しているので、よかったらぜひ参考にしてください！

https://note.com/ai_hakase/n/n9eb2265f98f7

ぜひ、皆さんもこの「忖度ゼロ」の自由なAI体験を味わってみてください！

…ということで！
ここからは、私のNoteメンバーシップ 「あいらぼ（Ai-Lab）」 の入門者さん限定で、やっていきたいと思います！

https://note.com/ai_hakase/n/ncdcda4208fd7

人数制限 を設けていますので、気になる方は、ぜひお早めに以下のURLから入門して続きをご覧ください！

ワークフローのセットアップ手順

それでは実際に、こちらの特製ワークフローを説明したりお配りしたりしていこうかと思います！

FLUX.2 Klein こちらのテストで使ったワークフローについては、解説はしないで配布だけ行えればと思います！

まずは、この先に表示されるメンバーシップ限定エリアから、 「Jupyterノートブック」 と 「ワークフローファイル」 の2つをダウンロードしてください！

• ローカル環境で実行する方 → 「ワークフローファイル」のダウンロードだけで大丈夫です！ただし、セットアップでつまずいてしまった場合は、後述する「ipynb」ファイルを参考にセットアップを進めてください。

• 【推奨】Runpodで実行する方 → 「ワークフローファイル」と「Rp_run_comfyui_hakase_v〇〇.ipynb」をセットでダウンロードしてください！