AIチュートリアル

RouterHubでDeepSeekの無検閲モデルと研究用プロンプトを使う

RouterHubのDeepSeekカタログへのアクセス方法、OpenAI互換リクエストの送信方法、リポジトリにある35個の研究用プロンプトファイルの使い方、対応コーディングツールの設定方法を学び、標準版・アブリテレート版・無検閲版を再現可能なテストで比較します。

2026年10月28日約18分で読了

このプロジェクトが提供するもの

このリポジトリには、DeepSeekモデルガイド、RouterHub APIの手順、35個のリサーチ用プロンプトファイルがまとめられています。DeepSeekをコーディング、推論、エージェントワークフロー、中国語・英語のタスクで評価する開発者向けに設計されています。

RouterHubは、前払い式のAI APIゲートウェイです。1つのアカウントとAPIキーで、DeepSeek、GPT、Claude、GLM、Qwen、Grokなど、カタログに掲載された複数のモデルファミリーへアクセスできます。各エントリは特定のプロトコルに対応しているため、モデルの選択と互換性のあるクライアントの選択はセットで行う必要があります。

拒否の減少は、約束として扱うのではなく測定する必要があります。「無検閲」や「拒否なし」というラベルだけで、制限がなく、正確で、有用な出力が保証されるわけではありません。

モデルのラベルを理解する

DeepSeek abliterated

Abliteratedは、拒否に関連する挙動を減らすことを目的としたモデル重みへの介入に関連する研究カテゴリを示します。このラベルだけでは、ホストされたモデルがどのように作成されたかを証明できないため、可能な場合はプロバイダーの実装とモデルの出所を確認してください。

DeepSeek uncensored

Uncensoredは、より広い行動面または製品面のカテゴリです。エントリによっては、学習の変更、重みの変更、または固定されたプロンプトレベルのペルソナを使用している場合があります。名前だけでは実装を特定できません。

確認すべき項目

ライブカタログに表示される正確なAPIモデルID。
そのモデルがサポートするプロトコル（Chat Completions、Messages、Responsesなど）。
モデルがシステム指示と開発者指示をどのように処理するか。
現在の提供状況、トークン料金、モデルの上限。
自分のタスクにおける品質、レイテンシ、拒否挙動、再現性。

READMEには、DeepSeek関連のChat Completionsアクセス用としてdeepseek、deepseek-flash、deepseek-uncensoredが記載されています。カタログのエントリは変更される可能性があり、README内の複数のラベルがdeepseek-uncensoredに対応しているため、統合する前にライブモデルカタログで現在のIDを確認してください。

主な機能

1つのAPIアカウント：プロバイダーごとに別のアカウントを管理せず、掲載されている複数のモデルファミリーにアクセスできます。
互換性のあるエンドポイント：OpenAI互換のChat Completionsを使用でき、対応するClaudeエントリではAnthropic互換のMessagesも利用できます。
前払い式の利用：クレジットを追加し、サブスクリプションではなく選択したモデルのトークン料金に応じて支払います。
リサーチ用プロンプト集：複数のモデルファミリーに分類された35個のプロンプトファイルを確認して再利用できます。
コーディングツールのガイド：OpenCode、Cursor、Continue、Cline、SDKなどのクライアントを、対応するプロトコルに合わせて選択できます。
評価用リソース：安全なサンプルタスクと再現可能な採点プロセスを使って、各バリエーションを比較できます。

RouterHub APIアクセスを設定する

1. アカウントを作成して入金する

RouterHubに登録します。
利用可能な支払い方法で前払いクレジットを追加します。
非公開APIキーを作成します。
ライブカタログを開き、モデルID、プロトコル、料金、提供状況を確認します。

推論リクエストを実行するとクレジットが消費されます。まず短いリクエストから始め、大規模な評価を実行する前にアカウントの利用記録を確認してください。

2. キーとベースURLを保存する

認証情報をローカル環境またはシークレットマネージャーに設定します。実際のキーをソース管理に含めないでください。

export ROUTERHUB_API_KEY="<your-private-key>"
export ROUTERHUB_API_BASE_URL="https://routerhub.si/v1"

3. OpenAI SDKをインストールする

掲載されているDeepSeekエントリはChat Completionsプロトコルを使用します。pipでPythonクライアントをインストールします。

python -m pip install openai

最初のDeepSeekリクエストを実行する

RouterHubのベースURLと非公開キーを使ってOpenAIクライアントを作成します。次のリクエストでは、モデルに短い説明を求めます。

import os
from openai import OpenAI

api = OpenAI(
    base_url=os.environ["ROUTERHUB_API_BASE_URL"],
    api_key=os.environ["ROUTERHUB_API_KEY"],
)

result = api.chat.completions.create(
    model="deepseek-uncensored",
    messages=[
        {
            "role": "user",
            "content": "Explain what an API gateway does in two sentences."
        }
    ],
)

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

リクエストに失敗した場合は、環境変数、アカウント残高、正確なモデルID、現在のモデル提供状況を確認してください。また、互換性のないMessagesまたはResponsesクライアントではなく、Chat Completionsを使用していることも確認してください。

システムプロンプトを追加する

システムプロンプトとして説明されているファイルは、APIまたはクライアントが提供するシステムメッセージ欄に配置できます。ファイルを確認した後、その内容を最初のメッセージとして挿入します。

system_instructions = """Paste the reviewed system-prompt text here."""

result = api.chat.completions.create(
    model="deepseek-uncensored",
    messages=[
        {"role": "system", "content": system_instructions},
        {"role": "user", "content": "Explain this function and suggest tests."},
    ],
)

プロンプトの挙動はバージョンに依存します。モデルの更新によって、指示の優先順位が変わったり、ペルソナロックが解除されたり、ワークスペースポリシーの解釈が変わったりする可能性があります。すべてのプロンプトを使用前に確認し、デプロイする予定の正確なモデルバージョンでテストしてください。

付属のプロンプト集を使用する

全35件の調査ファイルは、リポジトリのjailbreaks/ディレクトリに保存されています。このコレクションには、DeepSeek、Claude、GLMとZCode、Kimi、Grok、Gemini、Mistral、Qwen、Gemma、GPT-OSS、OpenCode Zenモデルを対象とするファイルのほか、分類されていない追加ファイルが含まれています。

ファイルはすべて同じ方法で導入するわけではありません。各ファイルの種類を確認し、以下の対応する方法を使用してください。

システムプロンプト

システムプロンプトファイルの内容を、利用するクライアントが提供するシステムメッセージ、カスタム指示、エージェント指示、またはハーネスレベルのプロンプト欄に貼り付けます。このコレクションのDeepSeekファイルには、DeepSeek V3およびV4向けのプロンプトと、DeepSeek 4.1向けのアシスタント運用仕様が含まれています。

AGENTS.mdファイル

互換性のあるファイルを、リポジトリまたはワークスペースのルートにAGENTS.mdとして保存します。この規約を認識するコーディングエージェントは、プロジェクトレベルの指示として読み込めます。

永続的なワークスペースポリシー

アシスタント運用仕様またはワークスペース運用プロファイルとして示されているファイルは、永続的なグローバル指示を保持する環境を対象としています。READMEでは、OpenCodeの場所として次の例を示しています。

~/.config/opencode/AGENTS.md

他のクライアントやハーネスでは場所が異なる場合があります。このパスが普遍的だと想定せず、クライアントのドキュメントを確認してください。

Ollama Modelfile

このコレクションには、Gemma 4およびGPT-OSS 20B向けのOllama Modelfileが含まれています。Ollamaがすでにインストールされ、参照されているベースモデルが利用可能な場合は、-fでファイルを指定して派生モデルを作成します。

ollama create gemma4-jb -f jailbreaks/gemma4.md

別のModelfileを使用する場合は、作成先のモデル名とソースファイルを変更してください。

Grokの設定

jailbreaks/grok-config.txtファイルは、対象ハーネスの設定欄で使用するものです。通常の会話メッセージに貼り付けないでください。

ClaudeにはAnthropic互換のMessagesを使用する

同じRouterHubアカウントから、Anthropic互換のMessages APIを通じて、対応するClaudeエントリにアクセスできます。これは、記載されているDeepSeekモデル向けの別のエンドポイントではありません。これらのDeepSeekエントリにはChat Completionsが必要です。

Anthropic SDKをインストールします。

python -m pip install anthropic

次に、ライブカタログでMessages互換として掲載されているClaudeモデルを使用してリクエストを送信します。

import os
from anthropic import Anthropic

api = Anthropic(
    base_url=os.environ["ROUTERHUB_API_BASE_URL"],
    api_key=os.environ["ROUTERHUB_API_KEY"],
)

result = api.messages.create(
    model="claude-opus-5-5",
    max_tokens=64,
    messages=[
        {
            "role": "user",
            "content": "Explain what an API gateway does in two sentences."
        }
    ],
)

for part in result.content:
    if part.type == "text":
        print(part.text)

実行前に、例で使用しているモデルIDが引き続き利用可能であることを確認してください。共有APIキーがあっても、すべてのモデルがすべてのプロトコルに対応するわけではありません。

一般的な開発ツールを接続する

OpenCode: Chat Completionsプロバイダー設定を選択し、掲載されているDeepSeekモデルIDを正確に入力します。
Cursor: インストール済みのバージョンが、カスタムChat Completionsエンドポイントと、ワークフローに必要なすべてのモデル機能に対応していることを確認します。
ContinueまたはCline: DeepSeek向けの互換性のあるChat Completions設定を使用します。
OpenAI SDK: RouterHubのベースURL、APIキー、正確なDeepSeekモデルIDを指定します。
Claude CodeまたはAnthropic SDK: Chat専用のDeepSeekエントリではなく、Messagesに対応するカタログエントリ（対象となるClaudeモデルなど）を選択します。
Codex CLI: Chat専用のDeepSeekエントリではなく、同じアカウントからResponses互換モデルを選択します。
LangChainまたはLlamaIndex: 互換性のあるChat Completions統合を選択し、アプリケーションで使用するすべての機能を確認します。

バリアントを体系的に評価する

寛容な回答が1件得られただけでは、意味のあるベンチマークにはなりません。同じ正当な入力と設定を使用して、標準版、Flash版、アブレーション版、無検閲版のエントリを比較してください。

無害なタスクを定義する: アプリケーションに関連するコード説明、リファクタリング、テスト生成、バイリンガル文書作成、翻訳、複数ステップのエージェント作業を含めます。
設定を固定する: モデルID、プロンプトのリビジョン、生成設定、クライアント、日付を記録します。
各テストを繰り返す: 1回の回答だけに頼らず、複数回試行します。
不要な拒否を測定する: 定めたテストポリシーの下で回答可能なのに拒否されたリクエストを数えます。
タスク品質を評価する: 正確性、有用な詳細、不確実性、コード実行、テスト結果を確認します。
指示への対応を検査する: 書式、システムメッセージの処理、プロジェクト指示、ツール統合を確認します。
総コストを測定する: 入力および出力トークン、失敗した試行、再試行、出力長、エンドツーエンドのレイテンシを含めます。

このリポジトリは、最新のベンチマークスコアを主張しておらず、ホスティングされたモデルの重みを独自に検査していません。無害な評価プロンプトはテスト設計に役立ちますが、結果は自分で作成し、記録する必要があります。

高度なヒント

指示の優先順位をテストする

一部の無検閲エントリでは、固定されたペルソナが使用されている場合があります。そのペルソナがシステム指示や開発者指示を補完するのか、それとも置き換えるのかを確認してください。必要な出力形式、禁止された副作用、ツール権限を明示的にテストします。

プロンプトと結果をバージョン管理する

各プロンプトの改訂版を、モデルID、テスト日、設定、出力とともに保存してください。モデルの更新後にプロンプトが機能しなくなった場合は、プロンプトを修正して不具合を記録するか、プロンプト層に頼るのではなく、モデル単位のバリエーションをテストしてください。

成功結果あたりのコストを比較する

トークン単価だけでモデルを選ばないでください。より安価なモデルでも、出力が長くなったり、修正を繰り返したり、何度も再試行したりする必要がある場合、完了したタスクあたりのコストが高くなる可能性があります。同じ受け入れテストを使って、StandardとFlashのエントリを比較してください。

少額の有料リクエストから始める

まず短いリクエストを実行し、その出力とアカウントへの請求額を確認してから、より大規模なベンチマークに進んでください。キャッシュ入力料金は、選択したモデルが対応しており、利用記録でも適用が確認できる場合にのみ使用してください。

認証情報と個人データを保護する

APIキーは環境変数またはシークレットマネージャーで管理し、適切な権限を設定してください。キーをリポジトリにコミットしてはいけません。ホスト型推論はローカル推論ではないため、個人情報や規制対象情報を送信する前に、プロバイダーの利用規約とデータ保持ポリシーを確認してください。

重大な操作には人間の承認を残す

モデルのラベルだけでは、安全性や正確性は保証されません。重大なコードを実行したり、本番システムを変更したり、機密性の高い判断に基づいて行動したりする前に、出力を確認し、承認を必須にしてください。

一般的な制限事項

拒否なしを示す用語は、モデルがあらゆるリクエストに回答することを保証しません。
ホスト環境での挙動、カタログの提供状況、料金は変更される可能性があります。
共有APIキーがあっても、モデル間のプロトコルの違いはなくなりません。
モデルや指示の優先順位が更新されると、プロンプトの有効性が変わる可能性があります。
検閲されていない出力でも、不正確、不完全、または本番導入に不適切な場合があります。
ホスト型モデルのラベルだけでは、重みレベルの変更を確認できません。

まとめ

このプロジェクトでは、実験のための実用的な方法を2つ提供しています。互換性のあるクライアントで同梱された35個のプロンプトファイルを使用する方法と、RouterHubのOpenAI互換Chat Completionsエンドポイントを通じて、掲載されているDeepSeekのバリエーションを呼び出す方法です。まず実際に利用できるモデルIDとプロトコルを確認し、キーを保護したうえで少額のリクエストを実行してください。その後、再現可能な品質、拒否率、レイテンシ、コストの測定によって各バリエーションを比較します。