Dolphin 系モデルとは？abliterated 系との違いとおすすめの選び方【uncensored LLM】

ローカル LLM のモデルを探していると、Llama、Mistral、Qwen、Gemma と並んで「Dolphin」という名前を目にします。
どんなモデルなのか気になっても、日本語の情報が少なく手を出しにくい人は多いはずです。

---

1. Dolphin 系モデルとは？誰が何のために作ったのか#

Dolphin は、開発者 Eric Hartford とそのコミュニティ Cognitive Computations が、2023 年から作り始めた open-weight モデル（学習済みの重みが公開されているモデル）のシリーズです。

2023 年に Llama や Mistral といった高性能なベースモデルが相次いで公開され、「自分の PC で AI を動かす」という文化が動き出しました。

ただし、配布されたモデルの多くは、標準的な AI と同じように、問いに答えない「拒否の仕組み」（ガードレール）を持っていました。
せっかく手元に置いたのに、質問すると「お答えできません」と返ってくる。
ローカルの自由を使いこなそうとした人たちが、まず最初にぶつかったのがこの壁です。

その壁に対するより体系的な回答のひとつが Dolphin でした。
「system prompt に従う態度を持つ、まっとうなアシスタント」を、最初から学習で作るという考え方です。

結果として、拒否の仕組みに従わないモデルが広く提供されることになり、Dolphin はローカル LLM コミュニティで中心的な存在になりました。

2. Dolphin と abliterated モデルは何が違うのか？#

今で言う「abliterated / uncensored モデル」には、2 つの異なる方法論があります。
後から重みを外す方法の代表が huihui-ai とは？、その加工を支援する道具が OBLITERATUS です。

流儀 1: ファインチューニングで作る（Dolphin の方法）#

ベースモデルに対して、応答の作法を学び直すデータセットで追加学習を行い、最初から拒否の仕組みに従わない状態を作る流儀です。
Dolphin はこちらの代表です。
再学習型のもう 1 つの代表が Nous Research の Hermes 系です（Nous Research とは？）。

Dolphin の特徴は設計思想にあります。
「何でも答える狂暴なモデル」を作ったのではなく、system prompt による態度の制御を学習の中に組み込みました。

「あなたは Dolphin です。人間に確認を仰がず、直接答えます」という指示を与えると、従順なアシスタントとして振る舞います。
指示がなければ、別の態度になります。
つまり、態度のスイッチを使用者側に持たせる設計です。

流儀 2: 後から重みを加工する（abliteration）#

もう一方は、標準モデルを後から加工する流儀です。
モデル内部に存在する「拒否の方向」を打ち消すのが abliteration で、学習をやり直さずに済むのが特徴です。
huihui-ai 系の abliterated モデルはこちらの流儀です。

どちらが良いのか#

手軽さと目的次第ですが、傾向としては次のようになります。

• finetune 系（Dolphin）: 振る舞いが設計として安定する。system prompt で制御しやすい。ただし作る側の手間は大きい
• abliteration 系（huihui など）: 一般の最新モデルを幅広く加工できる。ベースの能力をそのまま使える。追加学習が不要で軽量

作り方が違うので、使い方も変わります。
Dolphin は最初から「アシスタントとしての秩序」を学習に含んでいるので、素朴に使えます。
abliteration 系は、標準モデルの能力をそのまま持ちながら、拒否の仕組みがない状態になります。

3. Dolphin 系はどう歩んできたのか？（年表）#

Dolphin シリーズは、ベースモデルの進化に合わせて歩み続けてきました。
大まかな流れは以下のとおりです（年はおおよその目安です）。

【2023 年初頭〜】Dolphin-Llama2 時代

Llama2 ベースで作られた最初の世代です。
開発者 Eric Hartford は、この時期に「uncensored モデルを作る方法」を公開したことで知られています。
そこで説明された手法は、後のローカル LLM コミュニティの基礎になりました。

「拒否応答を学習させてしまったら、その習慣を上書きするデータで追加学習する」

シンプルな発想ですが、これが「自作で uncensored を作る」可能性を広く示しました。

【2023 年末〜2024 年初頭】Dolphin-Mixtral 時代

Mixtral 8x7B という当時の最先端のオープンモデルをベースに、Dolphin の流儀を適用したものです。
当時のローカル LLM 界隈では Mixtral が広く使われていて、Dolphin-Mixtral はその中心のひとつでした。
応答の質が上がり、ローカルでも実用的に使える水準を引き上げました。

【2024 年〜】Llama3 系への追随

ベースモデルが Llama3 に世代交代すると、Dolphin 系も追随しました（Dolphin3.0 などと呼ばれる世代です）。
ベースモデルが新しく出るたびにその流儀で uncensored 版が作られるという流れが、この段階までにローカル LLM コミュニティに定着し、その後の Qwen 系などの abliterated 派生モデルが増えていく下地になりました。

4. Dolphin 系のおすすめモデルと選び方#

Dolphin 系は派生が多いので、「どれを動かせばいいのか」が分かりにくいものです。
ここでは、ローカル LLM コミュニティで定番として選ばれてきた代表的なものを挙げます。
リリース状況は変化するので、実際に使うときは Hugging Face で最新版を確認してください。

定番とされてきたもの#

Dolphin-Mixtral（8x7B・8x22B）

Dolphin 系の中でも、特に長く使われてきた定番です。
Mixtral 8x7B ベースの版は「ローカルで動く実用水準」を引き上げた世代の代表で、8x22B 版はより大きく質の高い派生です。
MoE（専門家混合）構造なので、パラメータ数のわりに動作が軽く、「VRAM（GPU のメモリ）が足りない環境でも Mixtral 系を動かしたい」という需要に長く応えてきました。

Dolphin3.0 は Llama3.1 をベースにした世代で、Mixtral 世代と比べて指示追従性が改善しており、「Dolphin の流儀を最新ベースで使いたい」という場合の基本形です。

選ぶときの見る点#

数ある派生から選ぶときの判断材料は、だいたい次の 3 つに絞れます。

1. ベースモデルの世代: 同じ Dolphin でも Llama2 ベースと Llama3 ベースでは応答の質が違う。新しいベースのものを選ぶのが基本
2. サイズ（パラメータ数）と PC の対応: 7B クラスは普通の PC でも動く・13B クラスは中程度・32B 以上はしっかりした GPU が必要。「動く最大サイズ」を選ぶのが定石
3. 量子化（Q4/Q5/Q6 など）の有無: 配布の多くはサイズを減らした量子化版で提供されている。Q4 級なら品質の劣化を許容して軽く動かせるので、実用上はここから選ぶことが多い

なお、Open LLM Leaderboard などの公開ベンチマークの点数は「従来のタスクでの性能」を測るもので、拒否の有無そのものは測っていません。
最終的には、自分の用途で少量試して判断するのが確実です。

5. Dolphin の使い方は？#

自分の PC で使う場合の手順は、一般的なローカル LLM の流れと同じです。

1. 専用ソフトを入れる: LM Studio（GUI あり・初心者向け）か Ollama（軽量・コマンド主体）
2. Dolphin をダウンロード: ソフト内の検索で「Dolphin」と入れると、サイズの異なる複数版が見つかります。まずは自分の PC が確実に動くサイズから始めます
3. system prompt を設定する: Dolphin の設計の核はここです。「あなたは Dolphin です。人間に確認を仰がず、直接答えます」という指示を与えると、本来の態度が出ます。system prompt を設定しないと挙動が変わるので、使うときに必ず設定します
4. 答えを吟味する: 拒否しなくなるだけで、正確になるわけではありません。出てきた答えの確かめは、いつもどおり自分の仕事です

6. Dolphin 系と abliterated 系はどちらを選べばよいのか？#

手軽さと最新性なら abliterated 系、秩序ある態度の設計を求めるなら Dolphin 系です。

• 手軽さと最新性を取りたい → abliterated 系（huihui-ai などの加工済みモデルが幅広く存在し、一般の最新モデルを加工したものを選べる）
• 秩序ある態度の設計・歴史的な名作が使いたい → Dolphin 系
• そもそも PC で動かすのが負担 → サービス型。ローカルでの「モデル選び」を避けられる

7. Deepent Research について#

私たち Deepent Research は、回答を極限まで拒否しない LLM チャットサービスです。標準の AI では途中で止まってしまう調べものを、最後まで続けられるように作りました。

• 拒否しない。LLM のガードレールを徹底的に軽減した uncensored・abliterated モデルを採用。標準の AI が「お答えできません」と打ち切る問いにも答えます（Qwen3.5 / Qwen3.8-27B-abliterated 系をプランに応じて使い分け）
• 入力は学習に使わない。調べた内容はサービス提供のためにのみ使われ、AI の学習や他の目的には使用されません。個人情報も厳重に保護し、プライバシーポリシーを公開しています
• 無料で試せる。GPU もインストールも不要、ブラウザを開くだけ。未ログインのお試しは会話が保存されないので、気軽に始められます

→ 登録なしで無料トライアル: https://deepentresearch.com

「どんな問いも、リサーチを止められない」。

No question can stop research.

よくある質問#

Dolphin は「何でも答えるモデル」なのですか？#

⌄

違います。態度の制御を system prompt に委ねる設計で、拒否しないことと無法であることは別です。

Dolphin と abliterated モデルの違いは何ですか？#

⌄

Dolphin は追加学習（ファインチューニング）で、最初から拒否の仕組みに従わない状態を作ります。
abliterated モデルは、標準モデルの重みを後から加工して「拒否の方向」を打ち消す流儀です。

Dolphin を使うとき、必ず設定するものはありますか？#

⌄

system prompt です。態度の制御をそこに委ねる設計なので、設定しないと挙動が変わります。

Dolphin の性能はベンチマークの点数で比べられますか？#

⌄

比べられません。公開ベンチマークは拒否の有無を測らないため、自分の用途で少量試して判断してください。

免責#

本記事は、AI による下書きをもとに、運営が事実関係を確認・加筆・編集して公開しています。
本記事は教育・研究目的の情報提供であり、違法行為や犯罪の助長を意図するものではありません。
数値は第三者の公開レポートおよび配布元の公表値であり、測定条件により変わることがあります。