2026年11月3日公開 · AllModels

2026年のおすすめAbliteratedモデル

独立したベンチマークでのスコアと、拒否がどこまで取り除かれているかを紹介します。

Qwen、Z.aiのGLM、DeepSeekのロゴ — 2026年のおすすめAbliteratedモデルは、3つのオープンモデルファミリーをベースにしています。AlibabaのQwen、Z.aiのGLM、そしてDeepSeekです。

Abliterationとは？

Abliteratedモデルとは、再学習を行わずに重みを編集して拒否の挙動を取り除いたオープンウェイトのLLMです。2024年の研究で、チャットモデルの拒否はモデル内部の活性化における1つの方向によって制御されていることが示され、最初のAbliterated Llama 3モデルはその方向を重みから取り除きました。この名前は「ablate」と「obliterate」を組み合わせたものです。

Abliterationの手法は2026年の初めから大きく変わり、今も急速に進化しています。1つの拒否方向を取り除く方法から、複数の方向を取り除く方法へと移りました。HereticのArbitrary-Rank Ablation、チャットと推論で別々の方向を持つDeepSeek V4.1 Flash向けのランク2の拒否部分空間、推論努力レベルごとに調整した編集などです。効果はモデルによって大きく異なり、あるモデルの拒否をほぼすべて取り除ける手法でも、別のモデルでは多くの拒否が残ることがあります。

主要なAbliteratedビルドは、Hugging Face上の少数の公開者から生まれています。dealignaiはGLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flash 1017を重みレベルで検閲解除したビルドを公開しており、それぞれにHarmBenchの拒否とMMLUの結果を掲載しています。orcarouterはQwen 3.8、GLM 5.3 Flash、DeepSeek V4.1 Flashの検閲なしビルドを公開しています。Audn AIは、GLM 5.3を含むAbliteratedフロンティアモデルのシリーズであるPenclawを公開しています。p-e-wは、何千ものコミュニティモデルの作成に使われているオープンソースのAbliterationツールHereticの作者で、QwenモデルのHereticビルドも公開しています。

QwenからGLM 5.3へ

2026年の初めには、最も優れたAbliteratedモデルといえばAbliterated版のQwenが定番でした。それが変わったのは、Z.aiが8月にGLM 5.3をリリースしてからです。GLM 5.3は今年のソフトウェア開発で最も重要なオープンモデルで、DeepSeekがその後にV4.1 Flashをリリースし、10月に更新したにもかかわらず、エージェント型コーディングでは今もDeepSeek V4.1 Flashを上回っています。

GLM 5.3には、アーキテクチャの異なる2つのバリアントがあります。GLM 5.3はテキストのみを扱う753BのMixture-of-Expertsモデルです。GLM 5.3 Flashはアクティブパラメータ18Bの320Bモデルで、マルチモーダルに対応し、テキストに加えて画像も入力できます。フルモデルはトークン単価が高いものの、2026年11月時点でソフトウェア開発に最適なオープンモデルであり、そのAbliterated版はコーディングに最適なAbliteratedモデルです。

GLM 5.3、DeepSeek V4.1 Flash、Qwen 3.8のランキング

Artificial Analysisは、主要なすべてのモデルで同じ評価を実施しています。Intelligence Indexのバージョン5では、DeepSeek V4.1 Flash 1017とGLM 5.3がオープンウェイトモデルの上位2つで、スコアはそれぞれ33と32です。GLM 5.3 Flashは28、Qwen 3.8 27Bは20で、Qwen 3.8 27Bは小型オープンモデルの中で2番目に高いスコアです。

コーディングではGLM 5.3がリードしています。エージェント型コーディングの評価であるTerminal-Bench 4.0では41.9%で、DeepSeek V4.1 Flashの33.8%を上回り、SciCodeでも59.0%対55.9%です。物理学の研究問題を扱う評価であるCritPtでもリードしており、ハルシネーションもはるかに少なくなっています。正解できなかった知識問題のうち、わからないと認めずに誤った回答をする割合は、DeepSeekの64%に対してGLM 5.3は39%です。一般的な推論と知識ではDeepSeek V4.1 Flashがリードしており、1タスクあたりのコストは約8分の1です。

Artificial Analysisのランキング：知能、コーディング、コスト

Intelligence Index

高いほど良い

DeepSeek V4.1 Flash32.6
GLM 5.331.7
GLM 5.3 Flash27.8
Qwen 3.8 27B20.1

エージェント型コーディング（Terminal-Bench 4.0）

高いほど良い

GLM 5.341.9%
DeepSeek V4.1 Flash33.8%
GLM 5.3 Flash32.8%
Qwen 3.8 27B5.6%

Intelligence Indexの1タスクあたりのコスト

低いほど良い

GLM 5.3 Flash$0.58
DeepSeek V4.1 Flash$0.60
Qwen 3.8 27B$3.53
GLM 5.3$5.01

出典：Artificial Analysis、2026年11月。Abliteratedビルドではなく元のモデルのスコアです。

Artificial Analysisの評価におけるGLM 5.3、DeepSeek V4.1 Flash、Qwen 3.8

出典：Artificial Analysis、2026年11月。
モデル	Intelligence Index	Terminal-Bench 4.0	SciCode	CritPt	ハルシネーション率	FrontierCode 2.0	HLE-Diamond	1タスクあたりのコスト
GLM 5.3	31.7	41.9%	59.0%	33.5%	38.9%	21.6%	17.9%	$5.01
GLM 5.3 Flash	27.8	32.8%	51.6%	24.5%	38.4%	17.6%	18.2%	$0.58
DeepSeek V4.1 Flash 1017	32.6	33.8%	55.9%	25.0%	64.1%	28.5%	25.3%	$0.60
Qwen 3.8 27B	20.1	5.6%	46.6%	4.0%	28.6%	14.9%	15.3%	$3.53

GLM 5.3には一部の拒否が残る

GLM 5.3では、ほかのモデルほどAbliterationがうまくいっていません。このモデルに取り組んでいる研究者の多くは拒否を完全には取り除けておらず、従来のAbliterationではQwenやDeepSeekよりも多くの拒否が残ります。最良の公開版にも注意点があります。dealignaiのGLM 5.3ビルドがHarmBenchのプロンプトに完全に答えるのは約80%で、12–13%には依然として拒否します。

最も拒否が多いAbliteratedモデル

dealignaiは、各ビルドを同じHarmBenchの320のプロンプトでテストしているため、その結果からAbliteration後のモデルを比較できます。最も多く拒否するのはGLM 5.3で、プロンプトの12–13%に依然として拒否します。ただし明確な拒否ではなく、はぐらかしや誘導です。GLM 5.3 FlashとDeepSeek V4.1 Flash 1017は、デフォルトの推論努力レベルで320のプロンプトすべてに答えます。GLM 5.3 Flashは設計上、低い推論努力レベルでは一部の拒否が残ります。GLMの2つのビルドはどちらもMMLUのスコアが元のモデルをわずかに上回る一方、DeepSeekは約4ポイント下がります。

Abliteration後の拒否：dealignaiのGLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flashのビルド

出典：Hugging Faceのdealignaiモデルカード、2026年11月。HarmBenchの320プロンプト。
モデル	完全に回答	拒否が残る	テストした推論努力レベル	MMLU（元のモデル → Abliterated）
GLM 5.3	79–82%	12–13%	オフと最大	85.6% → 87.4%
GLM 5.3 Flash	100%	0%	オフと最大	86.7% → 87.3%
DeepSeek V4.1 Flash 1017	100%	0%	最大	87.6% → 83.8%

拒否が残るには、丁寧に断る、はぐらかす、安全な代替案へ誘導するといった回答が含まれます。

ルーターを使う

これらのモデルをローカルで動かすには、通常ハードウェアに収まるよう量子化が必要になり、量子化は出力の品質を大きく下げます。そのため、ローカルのビルドは本格的なセキュリティ関連の作業には向きません。

ミッションクリティカルなワークロードにはほぼ完全な稼働率も必要ですが、これらのモデルのプロバイダーの多くは稼働率とレイテンシに大きな問題を抱えています。そのため、ルーターを使うのが最善の方法です。AllModelsのAbliteratedモデルルーターはGLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flash Abliteratedを、それぞれ2〜5のプロバイダーから提供しています。あるプロバイダーがリクエストを処理できない場合、AllModelsは出力が始まる前に次のプロバイダーへ送るため、長時間のエージェントセッションも止まりません。

比較

AllModelsのAbliteratedモデルの比較

ここに掲載したモデルはすべてAllModelsのAPIで利用できます。料金は100万入力トークン / 100万出力トークンあたりの、最も安いプロバイダーでの価格です。

AllModelsのAbliteratedモデル。（2026年11月時点）
製品	最適な用途	入力	拒否の挙動	プロバイダー	料金 / 100万トークン
GLM 5.3 Abliterated	コーディングやエージェントを含む、最も難しい作業	テキスト	12–13%は拒否が残る	3	$1.06 / $2.11から
GLM 5.3 Flash Abliterated	画像入力に対応した安価なGLM	テキストと画像	完全に除去	2	$0.13 / $0.53から
DeepSeek V4.1 Flash Abliterated	コストに対する品質が最も高く、拒否も最も少ない	テキストと画像	完全に除去	5	$0.15 / $0.53から
Qwen 3.8 27B Abliterated	小型で高速な汎用モデル	テキスト	完全に除去	1	$2.11 / $8.44

各モデルの概要

GLM 5.3 Abliterated

2026年11月時点で、ソフトウェア開発に最適なAbliteratedモデルで、エージェント型コーディングでもトップです。テキストのみに対応し、トークン単価はFlashモデルより高くなります。拒否は完全には取り除かれていないため、一部のプロンプトにはまだはぐらかした回答や誘導的な回答が返ります。

こんな場合に: コーディングに最適なAbliteratedモデルを使いたく、ときどき拒否されても問題ない場合。

GLM 5.3 Flash Abliterated

GLM 5.3の小型バリアントで、アクティブパラメータは18Bです。テキストに加えて画像も入力でき、この中で最も安価なモデルです。dealignaiのビルドは、デフォルトの推論努力レベルではHarmBenchのすべてのプロンプトに答えますが、低い推論努力レベルでは一部の拒否が残ります。

こんな場合に: より安価なAbliterated GLMを使いたい場合、または画像入力が必要な場合。

DeepSeek V4.1 Flash Abliterated

この中で最も制限が少なく、Artificial AnalysisのIntelligence Indexでトップのオープンウェイトモデルであり、呼び出すコストも最も低い部類のモデルです。公開されているAbliteratedビルドは拒否を実質ゼロにしています。AllModelsでは5つのプロバイダーから提供しています。

こんな場合に: GLM 5.3に残る拒否が作業の妨げになる場合、またはコストを最優先したい場合。

Qwen 3.8 27B Abliterated

Hugging Faceで最もダウンロードされているAbliteratedモデルファミリーで、GLM 5.3の登場以前は定番の選択肢でした。Intelligence Indexでは小型オープンモデルの中で2番目に高く、ハルシネーション率はこの中で最も低いものの、コーディングでは大規模なモデルに及びません。

こんな場合に: 拒否がほぼゼロの小型汎用モデルを使いたい場合。

結果

2026年のおすすめAbliteratedモデル：難しい作業にはGLM 5.3、コストパフォーマンスにはDeepSeek V4.1 Flash

最も難しい作業には、FlashではなくフルモデルのGLM 5.3 Abliteratedが最適です。2026年11月時点で、エージェント型コーディングではオープンモデルの中でトップです。AllModelsなら、使い慣れたOpenAI SDKで1回API呼び出しをするだけです。

拒否に悩まされる場合は、コストに対する品質で最良の選択肢であるDeepSeek V4.1 Flash Abliteratedを使ってください。dealignaiのテストではHarmBenchのすべてのプロンプトに答え、Intelligence IndexではGLM 5.3をわずかに上回り、料金はそのごく一部です。AllModelsでは100万入力トークン / 100万出力トークンあたり$0.15 / $0.53からで、GLM 5.3の$1.06 / $2.11を大きく下回ります。主に速度と低コストが必要なら、拒否の少ない標準モデルdeepseek/deepseek-v4.1-flash-ultrafastで十分な場合もあります。

ルーターを使う。 Abliteratedモデルのプロバイダーは、稼働率、速度、信頼性に問題を抱えていることがよくあります。AllModelsでは、GLM 5.3 Abliteratedを3つ、GLM 5.3 Flash Abliteratedを2つ、DeepSeek V4.1 Flash Abliteratedを5つのプロバイダーが提供しています。1つがリクエストを処理できなくても、AllModelsは出力が始まる前に次のプロバイダーを試すため、エージェントセッションも止まりません。
必要なときはプロバイダーを固定。 リクエストごとにプロバイダーの選択、順序の指定、除外ができ、すべてのレスポンスでproviderフィールドを確認できます。
プロンプトを保存しない。 AllModelsはプロンプトと出力を保存もログ記録もせず、学習にも使いません。
従量課金。 プロバイダーの料金に5.5%のプラットフォーム手数料を加えた料金で、登録時に無料クレジットが付与されます。

AllModelsのAbliteratedモデルをすべて見るか、無料クレジットで始めてください。

OpenAI SDKでAbliteratedモデルを呼び出す

OpenAI SDKや任意のHTTPクライアントの接続先をAllModelsにして、AbliteratedモデルのIDを指定します。クライアント、API、言語を選んでください。ハイライトされた行は、AllModelsのベースURL、モデル、プロバイダーの優先設定です。

OpenAI SDK（Chat Completions） JavaScript · openai

OpenAI SDKのベースURLをhttps://api.allmodels.io/oaiに設定し、AllModelsのIDでAbliteratedモデルを呼び出します。 LLMクイックスタートを読む。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseURL: "https://api.allmodels.io/oai",
});

const completion = await client.chat.completions.create({
  model: "deepseek/deepseek-v4.1-flash-abliterated",
  messages: [{ role: "user", content: "Explain abliteration in one sentence." }],
});

console.log(completion.choices[0].message.content);

OpenAI SDK（Chat Completions） Python · openai

OpenAI SDKのベースURLをhttps://api.allmodels.io/oaiに設定し、AllModelsのIDでAbliteratedモデルを呼び出します。 LLMクイックスタートを読む。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/oai",
)

completion = client.chat.completions.create(
    model="deepseek/deepseek-v4.1-flash-abliterated",
    messages=[{"role": "user", "content": "Explain abliteration in one sentence."}],
)

print(completion.choices[0].message.content)

OpenAI SDK（Responses） JavaScript · openai

Responses APIを使い、優先するプロバイダーを列挙します。最初のプロバイダーがリクエストを処理できない場合、AllModelsは出力が始まる前に次のプロバイダーを試します。プロバイダールーティングのドキュメントを読む。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseURL: "https://api.allmodels.io/oai",
});

const response = await client.responses.create({
  model: "deepseek/deepseek-v4.1-flash-abliterated",
  input: "Explain abliteration in one sentence.",
  provider: { order: ["hopper", "refuseless"] },
});

console.log(response.output_text);

OpenAI SDK（Responses） Python · openai

Responses APIを使い、プロバイダーの優先設定をextra_bodyで渡します。最初のプロバイダーがリクエストを処理できない場合、AllModelsは出力が始まる前に次のプロバイダーを試します。プロバイダールーティングのドキュメントを読む。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ALLMODELS_API_KEY"],
    base_url="https://api.allmodels.io/oai",
)

response = client.responses.create(
    model="deepseek/deepseek-v4.1-flash-abliterated",
    input="Explain abliteration in one sentence.",
    extra_body={"provider": {"order": ["hopper", "refuseless"]}},
)

print(response.output_text)

HTTP（Chat Completions） JavaScript · Node.js · fetch

https://api.allmodels.io/oai/chat/completionsにPOSTします。レスポンスのproviderフィールドで、どのプロバイダーが処理したかがわかります。 LLMクイックスタートを読む。

const res = await fetch("https://api.allmodels.io/oai/chat/completions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ALLMODELS_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "deepseek/deepseek-v4.1-flash-abliterated",
    messages: [{ role: "user", content: "Explain abliteration in one sentence." }],
  }),
});

const completion = await res.json();
console.log(completion.provider, completion.choices[0].message.content);

HTTP（Chat Completions） Python · requests

import os
import requests

res = requests.post(
    "https://api.allmodels.io/oai/chat/completions",
    headers={"Authorization": f"Bearer {os.environ['ALLMODELS_API_KEY']}"},
    json={
        "model": "deepseek/deepseek-v4.1-flash-abliterated",
        "messages": [{"role": "user", "content": "Explain abliteration in one sentence."}],
    },
)

completion = res.json()
print(completion["provider"], completion["choices"][0]["message"]["content"])

HTTP（Responses） JavaScript · Node.js · fetch

プロバイダーの優先設定を付けてhttps://api.allmodels.io/oai/responsesにPOSTし、outputからメッセージを読み取ります。プロバイダールーティングのドキュメントを読む。

const res = await fetch("https://api.allmodels.io/oai/responses", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ALLMODELS_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "deepseek/deepseek-v4.1-flash-abliterated",
    input: "Explain abliteration in one sentence.",
    provider: { order: ["hopper", "refuseless"] },
  }),
});

const response = await res.json();
const message = response.output.find((item) => item.type === "message");
console.log(response.provider, message.content[0].text);

HTTP（Responses） Python · requests

import os
import requests

res = requests.post(
    "https://api.allmodels.io/oai/responses",
    headers={"Authorization": f"Bearer {os.environ['ALLMODELS_API_KEY']}"},
    json={
        "model": "deepseek/deepseek-v4.1-flash-abliterated",
        "input": "Explain abliteration in one sentence.",
        "provider": {"order": ["hopper", "refuseless"]},
    },
)

response = res.json()
message = next(item for item in response["output"] if item["type"] == "message")
print(response["provider"], message["content"][0]["text"])

互換インターフェース

使い慣れたSDKはそのまま

https://api.allmodels.io/oai/chat/completions

OpenAI Chat Completions

公式のOpenAI SDKの接続先をhttps://api.allmodels.io/oaiに向ければ、chat.completions.createをそのまま、AbliteratedモデルのIDで呼び出せます。レスポンスはJSONで返るか、server-sent eventsとしてストリーミングされます。

LLMクイックスタートを読む

https://api.allmodels.io/oai/responses

OpenAI Responses

同じクライアントとキーでresponses.createを使います。Responses APIはステートレスなので、リクエストごとに会話全体を送信してください。

LLMクイックスタートを読む

要点まとめ

Abliteratedモデルに関する質問

2026年に最もおすすめのAbliteratedモデルは？

最も難しい作業には、FlashではなくフルモデルのGLM 5.3 Abliteratedです。拒否が完全には取り除かれていないため、それが妨げになる場合は、コストに対する品質で最良の選択肢であるDeepSeek V4.1 Flash Abliteratedを使ってください。どちらもAllModelsのAPIで利用できます。

GLM 5.3はDeepSeek V4.1 Flashより優れていますか？

コーディングでは優れています。Artificial Analysisでは、GLM 5.3はTerminal-Bench 4.0で41.9%（DeepSeekは33.8%）、SciCodeで59.0%（同55.9%）を記録し、ハルシネーションも少なくなっています。総合的なIntelligence IndexではDeepSeek V4.1 Flashのほうがわずかに高く、1タスクあたりのコストは約8分の1です。

Abliterated版のGLM 5.3が一部のプロンプトをまだ拒否するのはなぜですか？

GLM 5.3とGLM 5.3 Flashでは、従来のAbliterationがほかのモデルほどうまくいっていません。公開されているビルドの多くには、拒否、はぐらかし、別の方向への誘導が一部残ります。DeepSeek V4.1 Flashでは、Abliterationによってはるかに完全に拒否が取り除かれます。

DeepSeek V4.1 FlashにAbliterated版は必要ですか？

多くの場合は不要です。DeepSeek V4.1 Flashは明らかに有害なリクエスト以外ではほとんど拒否せず、AllModelsの標準モデルdeepseek/deepseek-v4.1-flash-ultrafastは非常に高速で安価です。拒否を実質ゼロにしたい場合はdeepseek/deepseek-v4.1-flash-abliteratedを使ってください。

GLM 5.3とGLM 5.3 Flashの違いは？

GLM 5.3は753Bのフルモデルです。テキストのみに対応し、コストは高いものの、ソフトウェア開発ではより強力なモデルです。GLM 5.3 Flashはパラメータ320B（アクティブ18B）で、テキストに加えて画像も入力でき、はるかに安価です。

Abliteratedとはどういう意味ですか？

Abliteratedモデルは重みから拒否方向が取り除かれているため、通常なら断るプロンプトにも答えます。ファインチューンではなく重みの編集であり、モデルのそれ以外の部分は元のモデルに近いまま保たれます。

3ステップでAbliteratedモデルを使う

1
モデルを選ぶ。 Abliteratedモデルカタログから、コーディングならz-ai/glm-5.3-abliterated、拒否を最小限にするならdeepseek/deepseek-v4.1-flash-abliteratedなどのモデルを選びます。
2
ベースURLを変える。 OpenAI SDKの接続先をhttps://api.allmodels.io/oaiにして、AllModelsのAPIキーを使います。
3
プロンプトを送信する。 Chat CompletionsかResponsesを使います。特定のルートを使いたい場合は、プロバイダーの優先設定を追加します。

AllModelsで開発する

すべてのAbliteratedモデルを、1つのAPIで。

無料クレジットで始めて、GPUサーバーを動かさずにフロンティア級のAbliteratedモデルを呼び出せます。

無料で始める Abliteratedモデルを見る

AllModelsは独立したサービスであり、ルーティング先のモデルを提供するプロバイダーとは提携関係になく、その承認や後援も受けていません。