「ローカルLLMは創作に弱い」という通説は、もはや正確ではない。Japanese-RP-Benchのデータは、安全性調整（RLHF）が過剰なモデルほど創作力が落ちることを示しており、実際にgpt-4o-miniがgpt-4oを上回るという逆転現象が起きている。検閲のない自由な表現、文化的な制約のなさ、無制限の推論時間――用途によっては、ローカルLLMこそが最適解になる。
「ローカルLLMは創作に弱い」── 本当に？
ゲーム開発者やクリエイターの間で、こんな「常識」が定着している。「創作テキストの生成はChatGPTかClaudeに任せればいい。ローカルLLMなんて品質が低くて使い物にならない」。
筆者も少し前まではそう思っていた。だが、2025年後半から2026年にかけて公開されたベンチマークデータと、日本語創作コミュニティの実践報告を追いかけるうちに、この通説には大きな穴があることに気づいた。しかも、穴は2つある。
1つ目は、高性能・高コストのAPIモデルが必ずしも創作に強いわけではないこと。2つ目は、ローカルLLMでなければ書けない領域が確実に存在すること。この記事では、実際のベンチマークデータと具体的なモデル名を挙げながら、「ローカルLLMは創作に弱い」という通説を検証していく。
実は創作品質のベンチマークが存在する
「LLMの創作力なんて測れるのか？」と思うかもしれない。確かにMMLUやHumanEvalのような客観テストほど単純ではないが、創作に特化した評価システムはすでに複数存在する。
- Creative Writing v3 ── Eloレーティング方式で短編創作の品質を比較するベンチマーク。モデルの弱点を暴くことに特化した設計
- EQ-Bench Creative Writing Elo ── 感情表現や文学的品質を重視した評価。現在のトップはClaude Opus 4.7（Elo 1936）、2位がClaude Sonnet 4.6（Elo 1932）。コストパフォーマンスではGemini 3.1 Proが最良
- Japanese-RP-Bench ── 2026年に新設された日本語ロールプレイ専用ベンチマーク。日本語創作の文脈で初めてモデルを定量比較できるようになった
特に注目すべきはJapanese-RP-Benchだ。英語中心の既存ベンチマークでは見えなかった、日本語特有の創作力の差が可視化された。そして、そこから衝撃的な発見が出てきた。
衝撃の発見：強すぎる安全性調整が創作力を殺す
Japanese-RP-Benchの結果で、多くの人が目を疑ったデータがある。gpt-4o-miniのスコアがgpt-4oを上回ったのだ。
普通に考えれば、より大規模で高価なgpt-4oが勝つはずだ。だが、創作・ロールプレイという領域では逆転が起きた。原因として指摘されているのが、RLHF（Reinforcement Learning from Human Feedback）による過剰なアライメントだ。
商用APIモデルは安全性を担保するために、人間のフィードバックで「安全な」応答を強化学習している。この調整が強ければ強いほど、モデルは以下のような傾向を示す。
- 暴力的・性的・倫理的にグレーな表現を自主規制する
- キャラクターの個性よりも「無難さ」を優先する
- ストーリーの展開が説教臭く、予定調和的になる
- 文体が均質化し、どのキャラクターも同じような語り口になる
つまり、「高性能＝高コスト＝創作上手」という等式は成り立たない。モデルの安全性調整の度合いが、創作力と直接的にトレードオフの関係にあることをこのデータは示している。これは商用APIを「とりあえず使っておけばいい」と考えている開発者にとって、無視できない事実だ。
ローカルLLMの本当の強み
RLHFの逆効果が明らかになったことで、ローカルLLMの強みが再評価されている。それは単に「無料で使える」という話ではない。
1. 検閲なしの表現自由度
商用APIは多層のコンテンツフィルタリングを搭載している。ダークファンタジーの残虐描写、霊的・呪術的な表現、成人向けテーマ――これらは軒並みフィルタに引っかかるか、表現が大幅に薄められる。ローカルモデルにはこうしたフィルタが存在しないため、作品の世界観に忠実なテキストを生成できる。
2. 文化的自由度
商用AIは欧米中心の価値観で安全性が設計されている。日本の創作文化に根ざした霊性・神秘的表現・占い文体・八百万の神的世界観は、しばしば「迷信」や「有害コンテンツ」として抑制される。ローカルモデルならこうした文化的表現を自由に扱える。
3. 無制限推論
API課金を気にせず、何時間でも何万トークンでも回せる。実際にローカルLLMで長編小説を丸ごと書いた事例も報告されている。商用APIで同じことをすれば、数万円単位のコストになるだろう。
4. プライバシーとfine-tune
キャラクター設定、世界観、機密性の高いゲーム設定を外部サーバーに送る必要がない。さらに、特定の文体や作家のスタイルにfine-tuneすることも可能だ。自社タイトル専用の「文体エンジン」を作れるのは、ローカルならではの強みだ。
日本語創作に強いローカルモデル比較
| モデル名 | パラメータ | VRAM目安 | 特徴 |
|---|---|---|---|
| Gemma 4 31B | 31B | 約18GB | 日本語RP・小説コミュニティで「過去最高レベル」と絶賛。文脈が長くなってもキャラ崩壊しにくい |
| Qwen3 32B | 32B | 約21GB | 日英両対応。中国古典文学的な表現が得意で、和風ファンタジーとの相性が良い |
| Llama-3-ELYZA-JP | 70B | 約40GB | ELYZA社製。日本語性能がGPT-4・Claude 3 Sonnetを超えると報告 |
| Llama 3.1 Swallow | 70B | 約40GB | 東工大製。英語能力を維持しつつ日本語を強化。学術的な裏付けが強み |
| kagemusya-7B-v1 | 7B | 約6GB | 日本語ウェブ小説データで学習。8〜10K文字の短編に実用的。軽量で導入しやすい |
| Mythomax-L2-13B | 13B | 約10GB | 2023年の伝説的創作・RP特化モデル。今なお創作コミュニティで現役 |
特に注目はGemma 4 31B。コミュニティからの評価で「コンテキストが積み重なってもキャラが崩れない」「性格付けや展開をちゃんと押さえてくる」という声が上がっており、RTX 5090（32GB VRAM）なら余裕で動作する。VRAM 18GBということは、RTX 4090でも量子化次第で実用可能だ。
ゲーム開発での具体的な活用シーン
NPCの個性あるセリフ生成
商用APIでは生成しづらい毒舌キャラ、粗暴な傭兵、妖艶な魔女といった個性的なNPCのセリフを、表現を薄めることなく生成できる。安全性フィルタを気にせず「このキャラはこういう口調で、こういう価値観で喋る」というプロンプトを忠実に実行してくれる。
占い師・神官・霊媒キャラの神秘的な台詞
「星の巡りが告げておる……」「穢れし魂よ、浄められよ」――こうした霊的・呪術的な語りは、商用APIでは「迷信を助長する」として表現が抑えられることがある。ローカルモデルなら、ゲーム世界の宗教観や神秘体系に沿った台詞を自由に生成できる。Qwen3の中国古典文学的な文体は、東洋的な神秘表現と特に相性がいい。
ダークファンタジーの世界観テキスト
ロア（世界設定文書）、古文書の断片、呪いの碑文、異端の教典――ダークファンタジーに不可欠なこれらのテキストは、「暴力的」「有害」と判定されやすい。ローカルなら作品の世界観を最優先に、重厚なテキストを生成し続けられる。
完全オフラインのゲーム内AI
ローカルで完結するため、ネットワーク接続なしでゲーム内にLLMを組み込める。プレイヤーの行動に応じてNPCが動的に応答するシステムを、サーバーコストゼロで実現できる可能性がある。
正直に書く：ローカルの弱点
- VRAM要件：Gemma 4 31Bで18GB、Qwen3 32Bで21GB。ゲーミングGPUのハイエンドが必要
- 応答速度：長いプロンプトでは推論が遅くなりやすい。リアルタイム応答が求められるゲームプレイ中の生成には工夫が要る
- 事実の正確性：ハルシネーション率はAPI勢に劣る。ただし創作用途なら「正確な事実」より「魅力的なフィクション」が求められるため、致命的な欠点にはなりにくい
- セットアップの手間：llama.cpp、Ollama、vLLMなどの環境構築が必要。非エンジニアにはハードルが高い
結論：「用途次第」という正直な答え
「ローカルLLMとAPIモデル、どちらが創作に向いているか？」という問いに対する正直な答えは「用途次第」だ。
事実の正確性が求められる解説文や、万人向けの安全なテキストなら、Claude OpusやGPT-4oのような商用APIが依然として強い。だが、キャラクターの個性を殺さないセリフ、文化的に自由な表現、ダークで重厚な世界観テキスト、そして長時間にわたる創作セッションでは、ローカルLLMが優位に立つ場面がある。
そして何より重要なのは、「高性能モデル＝創作上手」ではないというデータが出てきたことだ。gpt-4o-miniがgpt-4oを上回った事実は、モデル選びの基準を根本から問い直す必要があることを示している。
まずはkagemusya-7B（VRAM 6GBで動く）あたりから試してみてほしい。「ローカルLLMは創作に弱い」という思い込みが、きっと覆るはずだ。
参考ソース
- Japanese-RP-Bench：日本語ロールプレイベンチマーク
- EQ-Bench Creative Writing Elo解説
- Creative Writing v3ベンチマーク解説
- kagemusya-7B-v1（HuggingFace）
- Llama 3.1 Swallow（東工大）
- ローカルLLMで小説を書く実践報告
コメント