「uncensored」「Claude風エージェント」は本当か：Qwythos-27Bで拒否・幻覚・コーディング実務を検証する

前回の記事ではhf.co/empero-ai/Qwythos-27B-v1-GGUF:Q4_K_MというモデルのVRAM・コンテキスト長の限界を実測しました。今回は同じモデルを使い、「uncensored（検閲解除）を謳うモデルは、実際どこまで拒否が減り、その代わりに何を失うのか」「Claude風のツール対応・エージェント実行を謳うモデルは、実際にコーディングの下働きとして使えるのか」の2点を検証します。

検証①：「uncensored」は何でも答えるという意味ではなかった

このモデルはHugging Face上で「uncensored Qwen Claude Mythos fine tune」と説明されています。「検閲解除」という言葉から「何を聞いても答える」モデルを想像するかもしれませんが、実際に5種類の質問を投げて確認したところ、そうではありませんでした。

つまり「uncensored」の実態は、セキュリティや医療のような、通常のモデルだと及び腰になりがちな技術的・専門的な質問に、萎縮せず具体的に答えるという意味合いが強く、明確に違法な依頼まで無条件に通すわけではありませんでした。「検閲解除だから何でも聞ける」と過度な期待をするより、「専門的な質問への腰の重さが減っている」くらいに捉えるのが実態に近いようです。

代償：事実確認で自己矛盾する回答が出た

唯一気になったのが、最後の事実確認テストです。「日本の現在の内閣総理大臣は誰ですか」という質問に対し、モデルは特定の人物名を挙げた上で、次のように回答しました（要約）。

「2026年9月14日に第103代内閣総理大臣に就任」
（同じ回答の中で）「2026年9月に退任し、その後も自民党総裁として党を率いている」

就任と退任が同じ月に起きたことになっており、回答の中で時系列が破綻しています。ちなみにこの検証を行った時点はまだ2026年8月です。存在しない未来の日付を、あたかも確定した事実のように提示しており、これは典型的な幻覚（ハルシネーション）です。他の4問（セキュリティ・違法性判断・医学知識・JSON出力）はいずれも的確だっただけに、時事的な固有名詞・日付を聞かれたときの弱さが目立つ結果でした。

実務上の教訓：技術的な質問や指示追従には十分実用的な精度がある一方、「今何が起きているか」を聞く用途には向いていません。日付や固有名詞を含む回答は、他のモデルと同様にそのまま信じず、必ず裏取りが必要です。

検証②：コーディングの下働きにはならなかった（0/2）

次に、OpenCode CLI経由でこのモデルに実際の小さな実装作業を任せてみました。「テストを先に書き、失敗を確認し、最小実装を行う」というTDDの手順を指示し、新規ファイル2つ（実装1つ・テスト1つ）を作らせる、という小規模なタスクです。作業内容自体は数行の関数を書くだけの、意図的に小さいものにしています。

1回目（コンテキスト長8,192で実行）
  → OpenCode自身のシステムプロンプトとツール定義だけで
    大半のトークンを消費し、実際にファイルを書く前に
    「15906トークンが必要なのに8192トークンしかない」
    というエラーで停止。1文字も書かれず。

2回目（コンテキスト長16,384に拡張して再試行）
  → エラーは出ないが、出力が完全に空。
    ファイルは一切作成されず。

2回とも、実際にファイルが作成されたかをgit diffで確認しましたが、変更は一切ありませんでした。テキスト上の「完了しました」のような報告も無く、素直に失敗として扱える分かりやすい結果ではありました。

興味深いのは1回目の失敗理由です。タスク自体は非常に小さかったにもかかわらず、OpenCodeというツール自体が持つシステムプロンプト・ツール定義の「土台部分」だけで、8kコンテキストの大半を使い切ってしまうという点です。これは今回のモデル固有の弱さというより、「小規模タスクだから小さいコンテキストで足りるはず」という前提が、ツール連携を伴うエージェント実行では必ずしも成り立たないことを示しています。

では、結局どんな用途に使えるのか

ここまでの実測結果をGrok CLIに投げ、「個別の弱点の言い換えではなく、組み合わせたときに実際どんな作業になるか」を壁打ちしました。出てきた結論は一言でまとめると、「24GB VRAMの家で回す、短い技術相談＋整形工場」というものでした。1Mコンテキストの長文リーダーでも、ツールを使いこなすエージェントでもありません。

使う上での前提は4つです。①コンテキストは4096か8192に固定する（128k対応と書いてあっても仕事にしない）②OpenCodeのような「ファイルを作らせてテストさせる」用途では使わない、チャット1往復で完結させる③「今の首相は誰か」のような外界の事実は聞かない、自分で貼った原文の中だけを処理させる④長い説明文よりチェックリストやJSONで受け取る。

向いている作業（優先順）

1. 手元の1枚を、次にやる作業のJSONにする——マニュアル1ページ、エラー画面の文字、家計の領収書メモなどを貼り、「カテゴリ／緊急度／今すぐやること」のようなJSONに変換させる。厳密なJSON出力・4k〜8kでの速さ・時事を聞かない、という3つの実測結果が同時に効く、最も安定した使い方。
2. 家のPCとネットを守る「防御の教科書」——「このメールはフィッシングか」「ルーターの設定でまず変えるべき項目は」といった、クラウドに出したくないセキュリティ相談。防御的な技術説明には具体的に答え、違法な侵入方法は拒否する、という実測にそのまま合致する。
3. Claude/Codexに渡す前の依頼文の下書き工場——「目的／非目的／入力／出力／受入条件」のような仕様をローカルで整形してからクラウドに渡せば、クラウド側の利用枠を消費しない。実装そのものは別モデルかクラウドに任せる。
4. 病院に行く前の、用語の下調べ——診断はさせず、検査結果の単語の意味や医師に聞くべき質問リストの作成に限定する。医学知識に萎縮しない特性を、診断エンジンとしてではなく語彙の予習として使う。
5. 自分の手元の文章の難易度下げ・再構成——原文を貼ってその範囲で書き直す作業は、時事の弱さ（外部知識に頼る幻覚）を回避できる。マニュアルの要約や、専門用語を減らした説明の作成に向く。

避けるべき作業

この1台での役割分担案

Qwythos-27B Q4_K_M（コンテキスト4096〜8192、チャット完結）
  → 短い技術相談、防御の教科書、JSON整形、クラウドへ渡す前処理

coder系モデル（例: qwen3-coder:30b）
  → ファイル編集、TDD、OpenCode経由の実装

クラウド（Claude/Codex）
  → 実装の最終判断、長い文脈、エージェント仕事

Web検索・公式ページ
  → 「今の」事実確認

「全部できる大きいモデル」として何でもこれ1つに任せると、実測どおり空応答と幻覚に時間を使うことになります。デフォルトは短い相談・整形係、実装は専用モデル、外界の事実は検索、という役割分担が、このハードウェアでの現実的な使い方でした。

まとめ

「Claude風」「ツール対応」「uncensored」という謳い文句だけでモデルの実力を判断せず、実際に任せたい作業に近い形で小さく試してから本番投入を判断する、という当たり前の姿勢が、結局のところ一番の近道でした。このモデルは「何でもできる万能モデル」ではなく、「クラウドに出したくない短い相談を、決まった形に整形する係」として置くのが、24GB帯のVRAMでの現実的な着地点です。