AI 生成が拒否される理由 — 11 モデルの実測コンテンツ審査拒否率

AI 生成の失敗を扱う記事はたいてい、失敗の種類を並べたところで終わります。 同一性の崩れ、変な物理、プロンプトの読み違いといった具合です。役には立ちますが、 いちばん実務的な問いが残ります。それは実際どのくらいの頻度で、どのモデルで起きるのか。

データはもともとテーブルにあったので、そのまま引き出しました。2026-05-06 から 2026-08-21 の間に FlyAIgh 上で走ったすべての生成、1,480 件の実行、341 アカウント、40 モデルを、 各失敗の実際の原因で分類しています。

結論から

モデルが壊れる件数より、コンテンツ審査が拒否する件数のほうがはるかに多いです。 しかもモデル間の差が極端で、同じプラットフォーム、同じ期間で、あるモデルは送られたものの 26% を拒否し、別の 4 つは 1 件も拒否しませんでした。

引き金はほぼプロンプトではありません。参照画像、より正確にはそこに写った実在の人物の顔です。

この数字の出どころ

これは実ユーザーの本番トラフィックであり、ラボでの試験ではありません。 フィルタの境界を探るために書かれたプロンプトは 1 つもなく、 何かを作ろうとして駄目だと言われた人たちの記録です。

どの比率を計算する前にも、まず責任がモデルではなく私たちにある 59 件の失敗を除外しました。 こちら側の連携の不具合（画像から動画しか受け付けないモデルにテキストから動画の要求を送る、 パラメータの形式違反）と、送信時のプラットフォーム層の失敗です。 自分たちのバグでモデルを採点すべきではありません。

以下に載せるのは有効サンプルが 30 件以上のモデルだけです。40 のうち 11 が該当しました。

モデル別の拒否率

別の 2 列に分けているのは、これが別の 2 つの事柄だからです。審査拒否はモデルが正常に動いたうえでコンテンツポリシーが断ったこと、ベンダー側失敗は生成そのものが壊れたこと、 つまりタイムアウト、502、キューの詰まりを指します。

2 つの列はほとんど重なりません。最も拒否するモデルが最も壊れず、 最も壊れる 2 つ、Seedream 5.0 Pro と Grok Imagine は 1 件も拒否しませんでした。 これらのシステムの内部で何が起きているにせよ、 コンテンツポリシーとインフラの信頼性は無関係な 2 本の線です。

単独の数字を引用する前に、必ずサンプル数を見てください。GPT Image の 4.0% は 403 件の生成に立っており、この表で最も堅い数字です。 Kling V3 Omni の 0% が立っているのは 35 件で、意味するのは 「35 件では拒否が観測されなかった」であって、「このモデルは決して拒否しない」ではありません。

実際に拒否を引き起こすもの

以下はベンダーが返したメッセージの原文と、77 件の審査拒否の中で各々が現れた回数です。

• 参照画像に実在の人物（15）—— "The request failed because the input image may contain real person."さらに 12 件が具体的なスロットを名指ししており（content[1]、content[2]、content[3]）、 添付した参照画像を 1 枚目だけでなく全部検査していることが分かります。
• 露骨または性的な暗示のある内容（15）—— "Contains inappropriate content. Please remove suggestive or explicit material."
• 著名人の肖像（6）—— "Celebrity or public figure imagery is not supported."
• 著作権と音声の権利（5）—— "Content security audit did not pass. The output audio may be related to copyright restriction." 音を生成するモデルでは、これとは別に音声フィルタによる拒否もあります。
• 未成年が関わる内容（4）——即座に拒否され、異議申し立ての経路はありません。
• 透かしの除去（3）——入力が透かしを外す、 あるいは保護された素材を複製しようとしているように見えるときに拒否されます。

頭に入れておく価値のある規則性はこれです。拒否させるのは参照画像であって、プロンプトではありません。実在の顔だけで、記録したすべての拒否の 3 分の 1 以上を占めています。

Seedance 系が最も拒否する理由

Seedance 2.0 の 3 種はいずれも 14% から 26% の間に収まり、他より明確に高いです。 理由は 2 つあり、フィルタ自体に関わるのはそのうち 1 つだけです。

1 つめ。Seedance は 1 回の生成で参照画像を最大 9 枚受け取ります。 参照が多いほどフィルタが検査する面も増えます。content[1] content[2] content[3] を名指しする拒否メッセージも、 1 枚ずつ検査していることを裏づけています。 参照を 1 枚しか取らないモデルは、そもそも踏む機会が少ないわけです。

2 つめ。人が Seedance を選ぶのはまさに参照を多く取れるからで、 それは特定の人物を複数カットで一貫させたいときに使う手順です。 用途そのものが、フィルタが最も厳しく見る種類の入力を連れてきます。

拒否を減らすには

1. プロンプトより先に参照画像を直してください。拒否の大半は画像で発火します。言い回しの修正はめったに効きません。
2. 実在の人物の写真を、生成したキャラクターに差し替えてください。一貫した AI 生成キャラクターは、実在の人物の写真では通らないフィルタを通ります。 キャラクター機能はそのためにあり、最も多い種類の拒否をまるごと回避できます。
3. 使わない参照画像は外してください。9 枚受け取れるモデルでは、1 枚増えるごとに落ちうる検査が 1 つ増えます。 平凡なものを 9 枚送るより、良いものを 3 枚送るほうが得です。
4. 公人は決して送らないでください。著名人の肖像は、私たちが接続しているどのベンダーでも拒否されます。 表の中に、これが通るモデルは 1 つもありません。
5. 元画像に透かしがないか確認してください。ストックのプレビューやスクリーンショットには透かしが入っており、 フィルタはそれを保護表示を外す試みとして読みます。
6. フィルタと戦うより、モデルを替えてください。実在の人物の参照が仕事の中心なら、VEO 3.1 Lite、Kling V3 Omni、Z-Image Turbo は この期間に 1 件も拒否していません。仕事を移すほうが、5 回目の書き直しより速いです。

もう 1 つ構造的な点があります。 FlyAIgh では、 失敗および拒否された生成のクレジットは自動的に返還されます。 26% の拒否率のもとでは、これは気の利いた機能という以上のものです。 使える 1 本ぶんを払うのか、1 本と 3 分の 1 本ぶんを払うのかの差になります。 返金のポリシーはプラットフォームごとに違うので、 拒否率の高いモデルでまとめて回す前に確認する価値があります。

このデータが語らないこと

限界を 4 つ、はっきり書いておきます。境界のない数字は必ず誤用されるからです。

• 測っているのは拒否であって、品質ではありません。完走したが仕上がりがひどい生成も、ここでは成功に数えられます。 出力が使えるかどうかはデータベースに記録がないため、この記事では答えられません。
• 拒否率は、私たちのユーザーが何を送ったかを反映します。別の利用者層が別の素材を持ち込めば、同じモデルでも違う数字が出ます。
• フィルタは予告なく変わります。これは 2026 年 5 月から 8 月の観測期間のものです。 ベンダーはコンテンツポリシーを継続的に調整し、告知はめったにしません。
• サンプル数が揃っていません。403 件の生成と 35 件は同じ証拠の重さではありません。 表には両方を載せてあるので、重みづけはご自身で判断できます。

以上はすべて、本番データへの 1 回のクエリから出したものです。 サンプルが増えたら、とくに現時点で 30 件の基準に届いていないモデルについて、 あらためて回すつもりです。