「平均的なAI」ベースラインが隠しているもの：5つのモデルが実際に分岐する地点

Writing DNA スナップショットに表示される「平均的なAI」のレーダーチャートは、じっくり掘り下げる価値のあるものを平らに均してしまっています。そこには「平均的なAI」というラベルが付いた1つの図形が、あなたの図形の隣に表示されます。AIモデルはデフォルトでほぼ同じように書く、という含意です。

6つの軸のうち2つについては、それは事実です。しかし1つの軸については、ひどく間違っています。

私たちは、平均的なAIをどう測定しているかのために構築したのと同じ320サンプルのコーパスに戻り、英語のスコアをまとめて平均するのではなく、モデル別に分解しました。その結果、これまで疑っていたものの定量化できていなかったことが鮮明になりました。「中央値のAI」は単一の人格ではありません。2つの点ではたまたま一致し、3つ目の点では鋭く対立する、5つの異なる人格なのです。

---

前提：同じコーパス、異なる切り口

完全な方法論は平均的なAIをどう測定しているかにあります。320サンプル、5モデル、4言語、8種類のプロンプト、各組み合わせにつき2バリアント、合計およそ100,800語で、すべてのサンプルは同一の指示で生成されました。

元の分析では、5モデルすべてを平均して「平均的なAI」のロケール別ベースラインを構築しました。本記事は同じ基礎データを使いながら、モデルを平均せずに分離し、英語コーパス（80サンプル：5モデル × 8プロンプトタイプ × 2バリアント）を切り出して、対等な条件でモデル同士を比較します。

本記事の数値は、別途明記がない限りすべて英語スライスのものです。 これは手抜きではなく意図的な選択です。スコアリング式は言語を認識します。文の分割、トークン化、単語リストはいずれもロケールに応じて切り替わるため、スコアは同じ言語で計算されたスコア同士でしか比較できません。言語をまたいだ単一の「モデル別」平均は、異なる測定器で取った測定値を混ぜ合わせることになります。相互チェックが有用な場面では、フランス語とスペイン語のスライスを混ぜずに並記します。

6つの軸は変わりません。文の複雑さ、語彙の幅、表現力、フォーマリティ、一貫性、簡潔さです。方法論の記事で説明したのと同じ、決定論的で言語を認識する式を使います。

---

モデル別の数値（英語コーパス）

2つの行はほとんど動きません。1つの行は他を大きく引き離して動きます。残りはその間に位置します。

---

モデルが実際に一致する点

語彙の幅は英語スライスで最もまとまったクラスターです。5モデルすべてで13ポイントの開き（40〜53）しかありません。Type-Token Ratioは、どのモデルがテキストを生成したかに関わらず驚くほど安定しています。AIにもっと豊かな語彙、あるいはもっと制約された語彙を使わせたいなら、モデルを切り替えてもほとんど効果はありません。この軸を動かすレバーはモデル選択ではなく、あなたのスタイルプロフィールです。

一貫性もほぼ同様にまとまっています。16ポイントの開き（47〜63）です。文の長さのリズムは、AIの書き方の中でも比較的モデルに依存しない特性の1つです。これは中央値ユーザー問題で説明したより広いパターンと一致します。RLHFはどのモデルも「安全」で起伏の少ないリズムへと押しやり、その圧力は研究室をまたいでもほぼ同一に一貫性へと表れるようです。

これら2つの軸では、「平均的なAI」は本当に意味のある抽象化です。スタイルプロフィールの上書きをマルチモデルのベースラインに合わせて調整すれば、どのモデルがMaster Promptを読んでも機能します。

---

モデルが分かれる点

表現力は外れ値であり、しかも差はわずかではありません。 Claude Opus 4.6は100に位置し、感嘆符、疑問文、態度マーカー、emダッシュの多用に牽引されています。Gemini 3 Proは39です。この61ポイントの差は、英語スライスで次に広い開きの2倍以上です。Opusを明確にターゲットにしているなら、「AIらしさを減らす」ためにこの軸で必要な上書きは、Geminiをターゲットにする場合よりかなり強力になります。

この61には2つの注意点があり、どちらも同じ方向に働きます。第一に、100は私たちのスケール上限であり、Opusの測定されたピークではありません。生のスコアはクランプされているため、OpusとGeminiの実際の距離は少なくとも61ポイントであり、どれだけ大きいかは言えません。第二に、単一言語の結果は、それが英語固有の産物ではないかという当然の疑問を招きます。そうではありません。同じ表現力の上下の開きが、信頼してスコア化できる他の2言語でも独立に現れます。

Gemini 3 Proは3言語すべてで最下位を占め、3言語すべてでClaudeモデルが最上位を占めます。この一貫性こそ、私たちが表現力の分岐を、あるコーパス切片の偶然ではなく実在するものと呼べる理由です。（日本語スライスはここでは除外しています。現時点でこの比較を支えられない理由は、以下の制約事項の注記をご覧ください。）

文の複雑さは、実在するもののより小さい29ポイントの開きを示します。Claude Sonnet 4.6が最も構造的に密度の高い文を生成し（79）、Gemini 3 Proが最も平明な文を生成します（50）。これは、5モデルすべてを混ぜてこの分散をならしてしまうロケールレベルの平均から期待される「緊密な収束」という話とは逆を行きます。

フォーマリティは25ポイントで分かれ、その方向は直感に反します。コーパス内で最小かつ最速のモデルであるClaude Haiku 4.5が最高スコア（70）を記録します。Claude Sonnet 4.6が最低（45）です。GPT-5.2（65）とGemini 3 Pro（64）はHaikuに近く、Sonnetには近くありません。「小さいモデルほどカジュアル」というメンタルモデルを持っているなら、このデータはそうではないと言っています。少なくとも、この時点のこのモデルラインナップについては。

簡潔さは20ポイントの開きを示します。Claude Sonnet 4.6が逆数長変換後の最も引き締まった文を生成し（32）、Gemini 3 Proが最も緩い文を生成します（52）。Sonnetの高い文の複雑さ（79）と低い簡潔さ（32）の組み合わせは、それ自体が固有の特徴です。長く、構造的に凝った、圧縮しにくい文です。

---

これがあなたのスタイルプロフィールにとって重要な理由

スタイルプロフィールを構築しているなら、あなたは暗黙のうちに2つの調整戦略のどちらかを選んでいます。マルチモデルの「平均的なAI」ベースラインに対して上書きするか、最もよく使う特定のモデルに対して上書きするかです。

マルチモデルのベースラインが正しいデフォルトです。それがWriting DNA スナップショットを動かしており、ChatGPT、Claude、Geminiをまたいで再調整なしに移行できる上書きを生み出します。語彙の幅と一貫性については、これはほぼ無料です。モデル間でほとんど意見が割れていないため、マルチモデルのターゲットはどの単一モデルのターゲットともほぼ同一になります。

表現力は、知っておく価値のある例外です。英語での開きが少なくとも61ポイント、フランス語とスペイン語で56〜60ポイントあり、「平均」と「最も近い個別モデル」が大きく食い違い得るほど広いため、マルチモデルのターゲットでは、特定モデルのデフォルトに対して実際にどれだけ押し返す必要があるかを過小評価する可能性があります。主にClaude Opus 4.6の中で書いていると分かっているなら、表現力は、平均的なAIとの差分だけでなくモデル固有の上書きが、その追加の精度に見合う唯一の軸だと考えてください。他のすべての軸では、スナップショットがすでに提供しているマルチモデルのベースラインが役割を果たしています。

---

平均が隠していたもの

「平均的なAI」ベースラインは依然として正しいデフォルトのターゲットです。スタイルプロフィールを1つのモデルの人格に合わせるのではなく、プラットフォームをまたいで持ち運べるものにするのはこれだからです。しかし5つのモデルを1つの形に平均すると、AIの文章がどれだけ表現豊かであるべきかについて、モデル同士が実際には一致していないという事実が隠れてしまいます。語彙とリズムについては密接に一致しています。1ページにどれだけ修辞的なエネルギーを注ぐかについては、英語で少なくとも61ポイント食い違っています。

ClaudeがChatGPTやGeminiとは「違って聞こえる」と感じたことがあるなら、データはそれを裏付けており、どの軸がその差を担っているかを正確に指し示しています。

完全なベースラインの方法論とロケール別の表については、平均的なAIをどう測定しているかをご覧ください。なぜモデルがそもそも収束するのかという訓練レベルの説明については、中央値ユーザー問題をご覧ください。

---

制約事項

これらの数値に頼る前に知っておく価値のある3つの点があります。

測定値は2026年2月のスナップショットです。 コーパスは2026-02-15に、Claude Opus 4.6、Claude Sonnet 4.6、Claude Haiku 4.5、GPT-5.2、Gemini 3 Proに対して生成されました。これらのモデルバージョンはすべてその後置き換えられています。モデルのデフォルトはリリースごとに動くため、モデル別スコアは、そのラインナップがその時点でどう振る舞ったかの記録として扱うべきであり、現在の挙動として扱うべきではありません。生き残ると私たちが予想する構造的な発見は、モデルは語彙やリズムよりも表現力においてはるかに大きく異なるという点です。具体的なポイント値はほぼ確実に生き残りません。

表現力は100で上限がかかっており、Opusはその上限に座っています。 上限に達したスコアは下限です。私たちが61ポイントの開きを引用する箇所は、「少なくとも61」と読んでください。

日本語スライスは本記事のあらゆる比較から除外されています。 私たちの日本語サンプルでは、5モデル中4つ（Opus、Sonnet、Haiku、Gemini）が表現力で同一の満点100を記録します。異なる2つの研究室の4モデルが正確に上限に着地するのは、発見ではなく測定アーティファクトです。原因は文章ではなくスコアリングコードにあります。表現力の式は、句読点に関するいくつかの項をASCII専用トークナイザが生成した語数で割っており、これが日本語テキストを大幅に過少カウントし、スコアが飽和するまでそれらの項を膨らませます。日本語の表現力は、比較結果として引用できるようになる前に、ロケールを認識する語数に対して再検証される必要があります。これには私たちの以前の方法論の記事の日本語列も含まれ、現在見直しを進めています。他の5つの軸と他の3言語は、この特定の問題の影響を受けません。

---

あなたがどこに位置するか見てみませんか？

マルチモデルの「平均的なAI」ベースラインに対する自分自身の6軸レーダーチャートを、使っているモデルにとって最も重要な軸の差分込みで見てみたいと思いませんか？

無料のWriting DNA スナップショットを取得する

いくつかのライティングサンプルを送信してください。6軸すべてのスコアと、あなたの文章が「平均的なAI」からどこで分岐しているかが正確に分かります。無料、クレジットカードは不要です。

あなたの文章にはフィンガープリントがあります。私たちはそれを測定します。My Writing Twinは、その測定を、どんなAI（ChatGPT、Claude、Gemini）もあなたのように書くようにする指示へと変えます。