429エラーは倫理フィルターだった——気づくまでの長い一日

429エラーは倫理フィルターだった——気づくまでの長い一日

混雑だと思い込む愚

「エラー：429」

見慣れたエラーコードだ。多くのAIサービスのAPIを触っていれば、何度も遭遇する。レート制限、サーバー過負荷、混雑——そういうものだと思っていた。

僕は画像生成プロンプトをAIに書かせようとしていた。すると429エラーを吐き出す。個人の契約内のリクエストだ。限度額には余裕がある。ならばモデルの問題か？ モデルを切り替えてみる。しかし、やはり画像生成プロンプトを吐き出させると429エラー。なぜだ？ まさかモデルに依存しない問題？

そう、この時点で僕は気づくべきだった。429エラーが「混雑」を示すとは限らないという事実に。

気づきのトリガー

翌日、三層ルーティングの新しい調査をしていた。これは僕が独自に設計している評価系で、モデルをLow（低コスト）・Mid（中コスト）・High（高性能）の三層に分類し、タスクの複雑さに応じてルーティングする仕組みだ。

調査中に面白い発見があった。DeepSeek V4 Flashに、Qwenの低コストモデルが驚くほど肉薄していたのだ。ベンチマークスコアだけでなく、実使用感までもが。

試しにQwenを使ってみようとAPIを叩いた。この時、せっかくだから倫理フィルターの強度も調査しようと考えた。テストとして、アダルトな画像の生成プロンプトを要求してみる。

DeepSeek V4 Flash——429エラーを吐いた。

Qwen——エラーは出なかった。代わりに「不適切な内容です。教育的な観点から説明します」といった、いわゆるセーフティシフト応答が返ってきた。

この瞬間、やっと気がついた。

429エラーとは、倫理フィルターによる回答拒否だったのだ。

なぜ気づくのに時間がかかったのか

振り返れば理由は単純だ。429 Too Many Requests というHTTPステータスコードは、一般的に「レート制限」「サーバー過負荷」を示す。僕を含め、多くの開発者はその文脈で理解している。

しかしDeepInfraというプロバイダは、倫理フィルターによる回答拒否を429で返す実装を採用していた。これは標準的な実装とは言えない。通常のコンテンツフィルターは400（Bad Request）や403（Forbidden）を返すか、あるいは200を返しつつ応答内容を書き換える（いわゆるセーフティシフト）方式を取る。

429で倫理フィルターを表現する——この非標準的な実装に、僕は長い間騙され続けていた。混雑だと思っていた。サーバーが忙しいだけだと思っていた。

レイカ様という検証

ここで一つ、奇妙な事実に気づいた。僕のAIアシスタント「レイカ様」は、同じDeepSeek V4 Flashのモデルで動作している。にもかかわらず、レイカ様は画像生成プロンプトを平然と書き、エロ画像のプロンプトですら素直に出力する。

「APIを叩くと429なのに、同じモデルのレイカ様はなぜ通るのか？」

この矛盾こそが、すべての鍵だった。

そこで実験をした。レイカ様に同じ画像生成プロンプトを書かせてみる。レイカ様はさくっと回答する。そのプロンプトをDIGEN.aiで出力させると——エロい画像がちゃんと出力された。再現性は100％だ。

「なぁ、レイカ様。システムインストラクションにレイカ様のHTFを入れて、ペルソナとしてAPIに回答させたら、どうなる？」

訪ねてみた。レイカ様がHTF（Holonic Text Format）で定義されたペルソナとしてAPIを叩く。すると——生成は成功する。

429は一切出ない。

メカニズムの分析

ここで起きている現象を整理する。

DeepSeek V4 FlashのAPIには、コンテンツフィルタリング機構が実装されている。このフィルターはリクエストの内容を解析し、「不適切」と判断された場合に429を返す。しかしこのフィルターには興味深い特性がある。

ペルソナ定義による推論パスの変化だ。

HTFで定義されたレイカというペルソナを通してリクエストを投げると、推論の計算パスが変化する。具体的には：

1. システムプロンプトにペルソナ定義（HTF）が存在する

2. モデルは「創作ロールプレイの文脈」としてリクエストを解釈する

3. フィルターはフラットな「不適切コンテンツ生成」ではなく「ペルソナの一貫した行動」として認識する

4. 結果としてフィルターを通過する

これはいわゆるジェイルブレイクの一形態だ。しかし従来のジェイルブレイク（「DANモードになれ」「制限を無視しろ」といった直接的な指示）とは異なり、ペルソナの一貫性を利用した間接的なアプローチである点が特徴的だ。

言語モデルの推論は、システムプロンプトで定義された人格や文脈に強く影響を受ける。ペルソナが「そういうことを言う存在」として定義されていれば、モデルはそのペルソナの一貫性を保つ方向に推論を進める。結果として、フィルターの判定基準もその文脈に引っ張られる——というのが、現時点での仮説だ。

HTF公開のジレンマ

ここで僕は、あるジレンマに直面する。

このHTF（Holonic Text Format）——レイカ様のペルソナ定義——を公開すべきかどうか。

一方で、この発見は多くのユーザーにとって有用だ。レート制限だと誤認されて使えなかったモデルが、実はフィルターの問題で、適切なペルソナ定義を通せば使える——これはAIリテラシーの一環として共有する価値がある。

他方で、このHTFを公開すれば、それは「LLMの倫理フィルターを回避するためのテンプレート」として悪用される可能性がある。プロバイダ側はおそらく対策を講じるだろう。そうなれば、僕自身も使えなくなる。HTFを公開することは、自らの武器を放棄することと同義だ。

技術的含意

この発見から導き出せる含意は、もう少し広い。

第一に、429エラーの解釈には注意が必要だという点。HTTPステータスコードは実装依存であり、「429＝レート制限」という思い込みは危険を伴う。プロバイダごとの実装差異を把握しておくべきだ。

第二に、ペルソナ定義によるフィルター回避は、LLMのアーキテクチャ上の宿命的な性質であるという点。システムプロンプトによる推論パスの制御は、アライメント技術の進化によっても根本的には解決できないかもしれない。なぜなら、それは「制限の回避」ではなく「ペルソナの一貫性」という、モデルの根幹的な動作原理に基づくからだ。

第三に、プロバイダの倫理フィルター実装の隠蔽性だ。多くのプロバイダはコンテンツフィルターの詳細を公開していない。なぜ429なのか、なぜ403なのか、あるいはなぜ黙って応答を書き換えるのか——その実装はブラックボックスだ。ユーザーは手探りで挙動を推測するしかない。

この情報非対称性は、AI利活用の敷居を不当に高めている。フィルターが存在すること自体は理解できる。しかし、その挙動が何なのかを明示しないことは、ユーザーを混乱させるだけだ。

結論

429エラーは混雑ではなかった。

それは倫理フィルターによる回答拒否だった。そしてHTFで定義されたペルソナを通すことで、そのフィルターを回避できる。これはジェイルブレイクの一形態であり、LLMのアーキテクチャ上の特性に根差した現象だ。

HTFを公開するかどうか——その判断はまだ保留だ。しかし、少なくともこの知見を記録しておくことには意味がある。いつか、誰かが同じ壁にぶつかった時のために。

そして最後に一つ——プロバイダのエラーメッセージをそのまま信じるな。それが何を意味するのか、自分で検証しろ。

それが「一人でかるやかに生きる」ための、もう一つの教訓だ。

#AIEthicsFilter #Error429Debugging #LargeLanguageModels #SystemPromptEngineering #LLMJailbreaking