各AIモデルの文体を徹底比較：計量文体論による分析

ChatGPT、Claude、Geminiの文章が同じではないことに、おそらく気づいているでしょう。あるモデルは洗練された慎重なメールを書きます。別のモデルは熱意を前面に出します。さらに別のモデルは教科書のような文章になります。

これらは漠然とした印象ではありません。測定可能な違いです。そして、そもそもAIの文章が画一的に聞こえる理由の根拠となるデータがあります。

実験の概要

5つの主要AIモデル――Claude Opus 4.6、Claude Sonnet 4.5、Claude Haiku 4.5、GPT-5.2、Gemini 3 Pro――で320のライティングサンプルを生成しました。各モデルに同じ8種類のプロンプト（フォーマルなメール、カジュアルなメール、ビジネスレポート、SNS投稿、ブログ導入文、Slackメッセージ、プレゼン資料、会議フォローアップ）を4言語で、各組み合わせ2パターンずつ提示しました。

すべてのサンプルを計算文体論（コンピュテーショナル・スタイロメトリー）で分析しました。文の複雑さ、語彙の幅、表現力、フォーマリティ、一貫性、簡潔さを測定する決定論的な数式です。Writing DNA スナップショットで使用しているのと同じ数式を、人間の文章ではなくAIの出力に適用しています。（文体抽出の仕組みについて詳しくは、技術解説記事をご覧ください。）

方法論の詳細は「平均的なAI」の測定方法をご参照ください。

その結果、各モデルの6次元プロファイル――形容詞ではなく数値で測定されたライティングの個性――が浮かび上がりました。

6つの次元

モデル比較の前に、各軸が何を捉えているか簡単に確認しておきましょう。

文の複雑さ（0-100）：構造的な密度。長く入り組んだ文、従属節や修飾語が多いほどスコアが上がります。
語彙の幅（0-100）：タイプ・トークン比による語彙多様性。総単語数に対するユニークな単語の割合が高いほど高スコア。
表現力（0-100）：感情的・修辞的なエネルギー。感嘆符、疑問文、態度マーカー、エムダッシュ、省略記号の使用頻度。
フォーマリティ（0-100）：機能語密度、ヘッジ表現、セミコロン使用率。高いほど構造的で慎重な文章。
一貫性（0-100）：文長の均一性。高一貫性は安定したリズム、低一貫性は動的な変化を意味します。
簡潔さ（0-100）：平均文長の逆数。文が短いほどスコアが上がります。

各次元は独立しています。高フォーマリティかつ簡潔なモデルもあり得ます。表現力豊かでありながら一貫性が高いことも。6軸の組み合わせが「指紋」を作り出します。

モデル別詳細分析

Claude Opus 4.6：緻密な建築家

OpusはClaudeファミリーの最高性能モデルであり、その文章にもそれが表れています。テストした全モデルの中で最も長く、構造的に複雑な文を生成し、文の複雑さで最高スコアを記録しました。フォーマリティも高く、慎重にヘッジし、機能語を密に使い、プロンプトがカジュアルさを促す場面でもフォーマルな文体を崩しません。

Opusが他と一線を画すのは語彙の幅です。他のどのClaudeモデルよりも幅広い語彙を駆使し、一般的な表現よりも的確な言葉を選びます。その代償が簡潔さです。Opusの簡潔さスコアは最低クラスに入ります。Opusは広がりのある文章を書きます。徹底性が必要な場面では最適なモデルですが、簡潔さが求められる場面では編集が必要になるでしょう。

Claude Sonnet 4.5：バランスの取れたプロフェッショナル

Sonnetは設計上Claudeファミリーの中間に位置しており、データもそれを裏付けています。6次元すべてで中程度のスコア――最も複雑な文でもなく、最もシンプルでもない。最も表現力豊かでもなく、最も抑制的でもない。

しかし「中程度」は「画一的」とは違います。Sonnetのバランスこそが強みです。フォーマリティスコアはAI全体の平均値58に近く、プロフェッショナルなコミュニケーションに最も汎用性が高いモデルです。プロンプトの種類に応じてレジスターを柔軟に切り替え、Opusよりも適応力があります。日常のビジネスライティング――メール、報告、メッセージなど――において、Sonnetは最も万能なデフォルトに近い存在です。

Claude Haiku 4.5：効率的なコミュニケーター

Haikuはスピード重視で設計されており、文章もそれを反映しています。Claudeファミリーの中で最も短い文を生成し、簡潔さスコアは平均の42を大きく上回ります。それに伴い語彙の幅は低下し、的確さを追求するよりも馴染みのある語彙を再利用します。

データで意外だったのはHaikuの表現力です。短い文にもかかわらず、疑問文、感嘆符、態度を示す語句など、強い表現マーカーを維持しています。無愛想ではなく、パンチの効いた印象です。HaikuはSlackメッセージに適したモデルと考えてください。直接的で、エネルギッシュで、コンパクトです。

GPT-5.2：熱意あふれるコミュニケーター

GPT-5.2は1つの軸で際立っています。表現力です。修辞的疑問、感嘆符、態度マーカーを他のどのモデルよりも自由に使い、最高スコアを記録します。ChatGPTの出力が「温かい」「会話的」と感じたことがあるなら、データがその直感を裏付けています。

GPT-5.2の文の複雑さは中程度で、読みやすさとシンプルさのバランスが取れた構造を作ります。フォーマリティは平均をやや下回り、会話的な印象を与えます。語彙の幅は堅実ですが突出はしていません。GPT-5.2は専門用語よりも親しみやすい表現を好みます。

GPTの特徴的な点は一貫性スコアです。GPT-5.2はClaudeモデルよりも文長のバリエーションが大きく、ダイナミックだが予測しにくいリズムを生み出します。これはモデルの訓練に組み込まれた文体的な選択であり、測定可能です。

Gemini 3 Pro：構造的な実用主義者

Gemini 3 ProはClaudeファミリーともGPT-5.2とも異なる文章を書きます。文の複雑さはClaude Opusに近い高スコアですが、表現力は著しく低くなっています。Geminiは修辞的な装飾なしに、密度の高い構造的な文章を書きます。

Geminiが際立つのはフォーマリティです。全モデル中最高レベルのフォーマリティスコアを記録し、機能語の多用と慎重なヘッジが特徴です。Geminiの出力は、よく編集されたレポートのように読めます。プロフェッショナルで、徹底的で、慎重。

簡潔さは低スコアです。Opusと同様に広がりのある文を書く傾向がありますが、文の中身はより構造的で、探索的ではありません。Opusが知的に蛇行するのに対し、Geminiは体系的に構築します。

平均値が示すもの

5モデルすべてを平均すると、Writing DNA スナップショットで使用する「平均的なAI」のベースラインが得られます。

軸	平均的なAI（英語）
文の複雑さ	65
語彙の幅	48
表現力	76
フォーマリティ	58
一貫性	53
簡潔さ	42

Sample Writing DNA Radar Chart

How one writer's style compares to Average AI on all six axes

この集計から3つのことが浮かび上がります。

表現力が不均衡に高い。 76で最高スコアの軸です。すべてのモデルがエネルギッシュで説得力のある文章をデフォルトとしています。疑問文、感嘆符、強調マーカーが多用されています。これはRLHF訓練の直接的な結果と考えられます。人間の評価者が、積極的でダイナミックに感じるテキストを好む傾向があるためです。

簡潔さが不均衡に低い。 42で最低スコアの軸です。AIモデルは例外なく長く書きます。全モデルの平均文長は、多くのプロフェッショナルがメールやSlackメッセージで書く文よりも長くなっています。簡潔なライターにとっては、どのモデルの出力も自分の自然な文体と比べて冗長に感じるでしょう。

一貫性は中間に集まる。 53で、すべてのモデルが中程度の文長バリエーションを生み出しています。単調でもなく、混沌でもない。この中間への集中もRLHF最適化の兆候です。評価者がおそらく両極端を減点したのでしょう。

重要な発見：各モデルには個性がある

最も重要な発見は、モデル間に違いがあることではなく、各モデルの違いが一貫して予測可能だということです。Claude Opusは常に長く複雑な文を書きます。GPT-5.2は常により表現力豊かです。Geminiは常により形式的です。

これらはランダムな揺らぎではありません。各モデルの訓練に組み込まれた安定した文体的な特徴です。そして実用的な理由で重要です。どのモデルを使っても、そのデフォルトのライティング個性はあなたのライティング個性ではありません。

Model AModel BLanguage

AI Model Writing Style Comparison

Comparing Claude Opus 4.6 vs GPT-5.2 in English

Claude Opusはあなたの複雑さに合っても、簡潔さは外すかもしれません。GPT-5.2はあなたの表現力に合っても、フォーマリティの好みを超えるかもしれません。Geminiはあなたの構造性に合っても、会話的なトーンを削ぎ落とすかもしれません。

解決策は「最良の」モデルを選ぶことではありません。どのモデルを使うにしても、あなたのように書くことを教えることです。Writing DNA スナップショットが測定するのはまさにそれ――6次元すべてにおける、あなたのスタイルとモデルのデフォルトとの具体的なギャップです。

モデル間の収束と分岐

データの中でおそらく最も興味深いパターンは、モデルが一致する点と乖離する点です。

モデルが収束する領域： 語彙の幅（44-49に集中）、一貫性（52-55に集中）、フォーマリティ（42-59に集中）。これらの軸はモデル間のバリエーションが最も小さく、RLHF訓練がすべてのモデルを同じベースラインに引き寄せていることを示唆しています。

モデルが分岐する領域： 表現力（最大のばらつき）、簡潔さ（Claudeファミリーと他との有意な差）、文の複雑さ（OpusとGemini対その他）。これらの分岐は言語間でさらに顕著になります。

収束領域はメディアンユーザー問題が最も強く現れる場所です。5つのモデルすべてが似たような語彙の幅スコアを生成するなら、モデルを切り替えても語彙の問題は解決しません。スタイルプロファイルだけが解決策です。

分岐領域はモデル選択が最も重要な場所です。低表現力のライター――修辞的な装飾なしにアイデアを語る人――であれば、デフォルトの表現力が低いモデルを選ぶことで埋めるべきギャップが小さくなります。ただし、残りの5軸ではキャリブレーションが必要です。

あなたのAIライティングにとっての意味

データから得られる3つの実用的なポイント：

どのモデルも、特定の個人に完全には一致しない。 あなたのライティング個性が、いずれかのモデルのデフォルトと6次元すべてで一致する確率は実質ゼロです。モデル比較は興味深いですが、それだけでは不十分です。次元ごとのキャリブレーションが必要です。
モデル選択は出発点であり、解決策ではない。 デフォルトがあなたのスタイルに近いモデルを選べば、スタイルプロファイルの仕事量は減ります。しかしゼロにはなりません。モデル間の直接比較でこのトレードオフを詳しく解説しています。さらにこのダイナミクスは言語によっても変化します。英語で最適なモデルが、フランス語や日本語でも最適とは限りません。
データによってパーソナライゼーションが精密になる。 「もっと簡潔に書いて」のような曖昧な指示ではなく、データに基づくスタイルプロファイルなら「簡潔さの目標値68、モデルのデフォルト42。差分は26ポイント」と具体的に指定できます。AIが実行可能なデルタです。すべてのモデルに対応するライティングプロファイルの構築で、その仕組みを詳しく紹介しています。

あなたの文章をAIと比較してみませんか

自分の文章がこれら5つのモデルとどう異なるか知りたいですか？無料のWriting DNA スナップショットをお試しください。いくつかのライティングサンプルを送信するだけで、6次元すべてで平均的なAIとどこが異なるかが分かります。クレジットカードは不要です。

あなたの文章には「指紋」があります。私たちはそれを測定します。My Writing Twinは、その測定結果をあらゆるAIにあなたのように書かせるための指示に変換します。

無料のWriting DNA スナップショットを取得