humanizer (12B)とは？
humanizerは、GoogleのGemma 4 12Bからファインチューニングされた120億パラメータのモデルです。開発者は個人で、Hugging Faceではjialinyyzz、GitHubではsgaofenの名前で公開しています。仕事は1つだけです。AIが書いた下書き（メール、エッセイ、レポート、フォーラムの投稿、英語または中国語）を貼り付けると、人が書いたように読める文に書き直します。その際、数字、単位、日付、名前、引用をすべて保つよう訓練されています。最初のリリースは2026年9月で、現行のv2の重みは10月2日に評価されました。
チャットモデルではなくテキスト補完モデルで、指示、下書き、書き直しを合わせて8,192トークンの枠に収める必要があります。safetensorsと、3.9 GB（2ビット）から23.8 GB（bf16）までの6つのGGUFファイルで配布され、その一部は量子化を考慮した訓練を受けています。さらに、MacとWindows向けの無料のオフラインアプリと、.md、.txt、.docxファイルを部分ごとに書き直すコマンドラインツールもあります。
訓練には、AIの下書きと実際の人間による原文のペア28,598組、選好ペア3,918組、そしてLLMの事実判定器が採点する500ステップの強化学習が使われました。作者は、訓練のどの段階でもAI検出器は使っていないとし、訓練データを全行公開しています。重みとコードはApache 2.0です。
humanizer (12B)は使う価値があるか？
humanizerの売りは、AIの文章をAI検出器に通るようにすることで、モデルカードもそれをはっきり書いています。英語の未使用の下書き210件で、Originality.aiの最も厳しい設定が書き直しとして検出したのは11件（5%）で、最初のリリースの26件から減りました。そのうち60件の下書きでは、人気のblader/humanizerプロンプトをClaude Sonnetで適用した結果が60件中60件検出されたのに対し、このモデルは4件でした。これらは作者自身が1つの検出器で1つの日付に計測した もので、モデルカードもそう認めています。
より役に立つ数値は事実の忠実度です。厳格なLLM判定器（GLM-5.3）は、推奨のQ8_0ファイルによる英語の書き直し420件のうち376件で事実の問題を見つけませんでした。つまり約10件に1件に誤りがあります。作者によれば、指摘された修正の9割超は1語か1句で、実例も挙げています。「残りの37件の苦情」（the remaining 37 complaints）が「苦情の残りの37%」（the other 37% of complaints）になりました。中国語はさらに弱く、204件中149件が問題なしでした。書式の崩れもあり、420件の出力のうち28件でリスト、見出し、改行が失われました。
技術面はたいていの趣味のリリースより優れています。2ビットのファイルは量子化を考慮した訓練で作り直されており、完全なモデルと次のトークンが一致する割合は87%です。同じサイズの通常の2ビット版では70%で、8 GBのマシンで動きます。モデルカードには正確なプロンプトがバイト単位で、オフにすべきサンプリング設定、そしてセルフテストが記載されています。M5 Maxでは、100語のメールに約3.6秒かかります。
それでも、主な市場に学生や、AIの助けを開示する義務がある人が含まれるツールです。作者は学校や雇用主の規則に従うよう求めていますが、モデルにそれを強制する仕組みはありません。自分の下書きに使い、AIの助けを借りたメールを自分らしく聞こえるようにするのであれば、Webの書き直しサービスに文章を貼り付けるより、よくできたローカルの代替手段です。
真価を発揮する場面
AIアシスタントで顧客向けメールを下書きする20人規模の代理店の営業マネージャー
顧客の情報を漏らさずに、AIが下書きしたメールの定型感を減らす
MacまたはWindowsのアプリはファイルを一度ダウンロードすれば、その後はオフラインで動きます。M5 Maxでは100語のメールに約3.6秒です。事実として指定した箇所は一字一句保たれますが、数字と名前は引き続き読んで確認する必要があります。
ドキュメントのパイプラインを運用する開発者
生成されたリリースノートを、より平易な文体に一括で書き直す
Q8_0のGGUFをllama-serverで提供し、文書化されたプロンプトで/completionを呼ぶか、.mdファイルにhzを実行します。見出し、コード、表は保たれ、数字が抜けたセクションには印が付きます。8,192トークン以内に収まるようファイルを分割します。
導入前に確認すること
- 導入
- デスクトップアプリをインストールすると、メモリに合わせて5つのファイルサイズから1つを提案し、ダウンロードします。またはhf downloadでGGUFを取得してllama-serverを動かします。プロンプト形式は正確に再現し、top-kとmin-pをオ フにする必要があります。確認用のハッシュがモデルカードに記載されています。
- 連携
- llama.cpp、LM Studio、Ollama（付属のModelfileを使用）、MLX、transformers、vLLM。AGENTS.mdファイルが、コーディングエージェントにインストールとセルフテストの方法を伝えます。コミュニティ製のドラフトモデルでMLXのデコードが約1.5倍速くなります。
- データとプライバシー
- 完全にローカルで動き、どこにも何も送信されません。Gemma 4 12Bから引き継いだApache 2.0です。作者はGoogleとは無関係です。
- 大規模利用時のコスト
- 無料。Q8_0は12.7 GBでMacでのピークは13.7 GB、Q4_K_Mは7.6 GB、2ビットのファイルは3.9 GBでピークは6.2 GBです。M5 Maxでの速度は毎秒約36から38トークンです。
- 制限
- 1リクエストあたり8,192トークンのため、長い文書は分割が必要です。モデルカードには、専門用語の多い短い英語の下書きで別の言語で答えること、くだけたジャンルでスラングや汚い言葉を加えること、そして検出器がまだ見抜くジャンルとして定型的なSNS投稿（16件中3件）が挙げられています。
良い点
- 英語の書き直し420件中376件で事実の誤りなし（自己申告）
- オフラインで動き、2ビットのファイルなら8 GBのメモリでも動きます
- 訓練データ、プロンプト、評価の出力がすべて公開されています
- Apache 2.0で、MacとWindows向けの無料アプリがあります
気になる点
- 書き直しの約10件に1件は、まだ事実を変えてしまいます
- 検出器の結果は1社の製品で1つの日付のものです
- 中国語と書式は信頼性が下がります
- 指示していないのに中国語で答えたり、スラングを加えたりすることがあります
おすすめの人
AIで下書きを書き、その結果を自分の文章らしく、自分のマシン上で整えたい人で、送る前に数字や名前を校正する人。
humanizer (12B)の代替
humanizer (12B)：よくある質問
- humanizer (12B)は使う価値があるか？
- 異例なほど丁寧に文書化されており、プロンプトよりも事実をよく保ちます。ただし英語の書き直しの10件に1件はまだ何かを変えてしまい、看板のスコアは明日にも変わりうる1つの検出器に依存しています。 評価は5点満点中3.7点です。
- humanizer (12B)の料金は？
- Apache 2.0で無料：重み、GGUFファイル、デスクトップアプリ、CLI。ホスト型のサービスはありません。
- humanizer (12B)の欠点は？
- 書き直しの約10件に1件は、まだ事実を変えてしまいます; 検出器の結果は1社の製品で1つの日付のものです; 中国語と書式は信頼性が下がります; 指示していないのに中国語で答えたり、スラングを加えたりすることがあります.
- humanizer (12B)は誰に向いているか？
- AIで下書きを書き、その結果を自分の文章らしく、自分のマシン上で整えたい人で、送る前に数字や名前を校正する人。
- チームや本番環境でhumanizer (12B)を使うと費用はいくらか？
- 無料。Q8_0は12.7 GBでMacでのピークは13.7 GB、Q4_K_Mは7.6 GB、2ビットのファイルは3.9 GBでピークは6.2 GBです。M5 Maxでの速度は毎秒約36から38トークンです。
- humanizer (12B)は企業データを扱っても安全か？
- 完全にローカルで動き、どこにも何も送信されません。Gemma 4 12Bから引き継いだApache 2.0です。作者はGoogleとは無関係です。
- humanizer (12B)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGemma 4です。
回答確認日：2026年10月31日