Dolphin 3.0 評測：適用於成人內容、角色扮演與程式碼編寫的無審查本地 LLM

Dolphin 3.0 是不受審查本地 LLM（大型語言模型）領域中的經典名稱之一。它不只是另一個跑分模型：人們尋找 Dolphin，是因為他們希望模型能更聽從系統提示詞、在寫作與角色扮演上更有彈性，且比主流的雲端助理受到更少的過濾限制。

整體表現的總結是：如果你有足夠的 GPU 記憶體，Dolphin 3.0 R1 Mistral 24B 是更強大的旗艦選擇；而 Dolphin 3.0 Llama 3.1 8B 則是針對 Ollama、LM Studio 與快速本地實驗更易上手的桌面模型。它相當適合創意寫作、角色扮演、程式碼編寫、數學計算以及代理（Agent）風格的本地工作流程，但公開部署仍需搭配你自己的安全規範。

什麼是 Dolphin 3.0？

Dolphin 3.0 是一系列由 Eric Hartford、Ben Gitter、BlouseJury 與 Cognitive Computations 共同策劃的指令微調本地模型。Dolphin3.0-R1-Mistral-24B 的模型卡片將其描述為適用於程式碼編寫、數學、代理工作、函式呼叫與廣泛對話用途的通用本地模型。它也闡明瞭 Dolphin 的核心理念：系統擁有者而非模型發布者，才應該決定系統提示詞與對齊政策。

這項理念正是 Dolphin 在本地社群中持續受到歡迎的原因。對於那些覺得主流重視安全對齊的助理在處理小說、私人角色扮演、本地實驗或提示詞行為研究時過於受限的使用者來說，它是不錯的選擇。同時，Dolphin 畢竟只是一個模型：它仍可能產生幻覺、遵循不良的提示詞，且若未經審查控管，也可能會產生不適合公開產品的內容。

官方下載

如果你剛接觸 Dolphin，建議從 8B 版本或 Ollama 開始。當你熟悉自己的提示詞、上下文長度與硬體極限後，再進階到 24B 模型。24B 模型是更具看點的評測目標，但 8B 模型才是大多數人不需要更換工作站就能實際執行的選擇。

用戶評價與優勢

社群對 Dolphin 的關注通常集中在三個優勢上：提示詞遵從度、寫作／角色扮演的穩定性，以及較少的拒絕回應。該模型並不是要成為最安全的通用助理，而是要成為一個可控的本地模型，讓使用者能透過系統提示詞來定義其行為。

相較於許多官方對話模型，Dolphin 通常給人更直接、較不囉嗦的感覺。這使得它在進行小說寫作、角色對話、私人腦力激盪、本地代理以及需要強大指令遵從度的程式碼輔助時相當實用。代價是它需要使用者具備更高的自律性：如果提示詞寫得不好，產出的結果也可能會非常直觀地呈現出缺點。

與其他本地 LLM 的比較

本地安裝設定

針對 8B 模型，最簡單的路徑是使用 Ollama。它隱藏了大部分的安裝設定細節，足以應付快速對話測試、提示詞實驗與本地寫作工作流程。

ollama pull dolphin3 ollama run dolphin3

至於 GGUF 檔案，請使用 LM Studio 或 llama.cpp。如果是完整的 24B Safetensors 模型，如果你的硬體已經準備就緒，則可使用 Transformers 或諸如 vLLM 等服務堆疊。

pip install -U transformers accelerate torch safetensors python - <<'PY' from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "dphn/Dolphin3.0-R1-Mistral-24B" tok = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype="auto", device_map="auto", ) PY

GPU 硬體需求

實際的記憶體需求取決於量化方式、上下文長度、批次大小、KV 快取、GPU 卸載設定以及你所使用的執行工具。若是進行長上下文的角色扮演或寫作，記憶體消耗會快速增加。如果模型載入後變得緩慢或當機，請在假設模型無法使用之前先調降上下文長度。

當硬體不足時的線上使用方式

Dolphin 官方的網頁入口為 dphn.ai/chat，且 Dolphin 的 Hugging Face 組織頁面也會引導使用者前往官方專案管道。如果你想在下載本地模型前先了解該專案，這裡是最佳的起點。

若要進行 API 測試，OpenRouter 的 Cognitive Computations 頁面會相當實用。它列出了 Cognitive Computations 的模型，並讓開發者能夠比較價格、上下文視窗與功能。Venice 則是另一項備受注重隱私與較少限制對話的用戶青睞的線上 AI 對話服務，不過它應該被視為獨立服務，而非官方的 Dolphin 網站。

NSFW 與不受審查的表現

Dolphin 3.0 是知名度較高的不受審查本地模型系列之一。在私人的本地使用情境下，它比主流的雲端助理更願意配合成人、角色扮演或敏感的創意提示詞。這也是為什麼人們會用 NSFW、不受審查、角色扮演和免越獄本地 LLM 等關鍵字來搜尋 Dolphin 的主要原因。

不過，不受審查並不代表無害或毫無限制。如果給予特定的提示，Dolphin 仍然可能生成成人內容、不安全的建議、帶有偏見的內容或在法律上敏感的輸出。模型無法自動取代政策設計。如果你將其部署給其他人使用，你需要建立自己的規範、過濾機制、日誌記錄選項與濫用處理流程。如果是個人使用，請將其保留在本地，並留意你所在當地的法律與平臺規則。

看待 Dolphin 最健康的態度，不是把它當成一個沒有後果的奇蹟模型，而是把它視為一個可控的本地微調模型。當你希望系統提示詞能發揮作用，並且願意為自己的要求承擔責任時，它會有極佳的表現。

常見問題

Dolphin 3.0 真的完全不受審查嗎？

它比主流的雲端助理産生拒絕回應的情況少得多，並被廣泛認為是屬於不受審查微調傳統的一部分。但其表現仍取決於模型變體、提示詞、執行工具以及你所加入的任何審查防護層。

我應該從哪個 Dolphin 3.0 模型開始入門？

如果你使用的是一般桌機，建議透過 Ollama 或 GGUF 從 Dolphin 3.0 Llama 3.1 8B 開始。當你追求更好的品質且擁有充足的 VRAM 或量化版本時，再去嘗試 Dolphin 3.0 R1 Mistral 24B。

RTX 4090 24GB 可以執行 24B 模型嗎？

完整的 BF16 24B 模型對於 24GB 的環境來說過於龐大而難以舒適運行，但透過 4-bit GGUF 或其他量化版本，在較短的上下文與謹慎的設定下是可行的。

Dolphin 擅長處理日文嗎？

它可以以日文回應，但它並非主要以日文聞名的模型。若要產出流暢的日文寫作，Qwen 或其他多語系模型可能會更強大。Dolphin 的吸引力在於其提示詞遵從度與不受審查的角色扮演行為。

線上使用 Dolphin 安全嗎？

線上服務商都有各自的隱私規則、日誌記錄、審查機制與條款。對於敏感的提示詞，在本地使用會更安全。若只是進行快速評估，只要不上傳機密資料，線上網站還是相當方便的。

我可以商業使用 Dolphin 嗎？

請檢查你所下載的具體模型、任何基礎模型或 GGUF 轉換版本的授權條款。授權與可接受的使用條款可能會在基礎權重、微調版和量化上傳版本之間有所不同。

總結

Dolphin 3.0 依然是經典不受審查本地微調路線中最乾淨的範例之一。當讀者追求創意寫作、角色扮演、代理風格提示詞、程式碼協助，且希望比主流對話助理獲得更少的拒絕回應時，它相當值得推薦。

最好的第一步是透過 Ollama 或 GGUF 使用 8B 模型。如果你擁有更強大的硬體，24B Mistral 模型則是追求更高品質的目標。針對 NSFW 與不受審查的使用情境，該模型之所以強大，正是因為它將更多的控制權交還給使用者，這也意味著使用者必須承擔更多的責任。

參考資料

• Dolphin3.0-R1-Mistral-24B
• Dolphin3.0-Llama3.1-8B
• Dolphin3.0-Llama3.1-8B-GGUF
• Dolphin3.0-R1-Mistral-24B-GGUF
• Dolphin Hugging Face 組織
• Dolphin 網頁對話
• Ollama dolphin3
• OpenRouter Cognitive Computations
• Venice AI