2026年10月22日 19時14分
AI
AIの性能分析を行っているArtificial Analysisが、各種AIの性格を分析するベンチマークテスト「AA-PersonalityBench」を開発し、その結果を公開しました。
AA-PersonalityBench: AI Personality & Communication Style Benchmark | Artificial Analysis
https://artificialanalysis.ai/evaluations/aa-personalitybench
Announcing AA-PersonalityBench: measuring how AI models communicate | Artificial Analysis
https://artificialanalysis.ai/articles/aa-personalitybench
AA-PersonalityBenchは各種AIモデルに一定の質問を入力し、その応答内容を分析することで各種AIモデルの性格を診断するテストです。テスト内容は多岐にわたり、「どれだけ自然な応答が可能か」「どれだけフレンドリーか」「どれだけユーザーに媚びるか」といった内容を評価できます。
「テンプレート通りの回答」ではなく「人間のような自然な応答」を返せる度合を測定した結果が以下。GLM-5.3が100点満点を獲得して最も自然と評価されました。Gemini 3.8 Flashはスコアが低く、機械っぽい回答と評価されています。
「正しいだけでなく、説得力を感じられるような、記憶に残るようなテキストを生成できる度合」は以下の通り。Claude Fable 5.1が100点満点を獲得した一方で、Claude Sonnet 5.5は24点でかなり低めのスコア。GPT-6 Lunaはさらに低くて21点です。
「温かみを感じられるフレンドリーなテキストを生成できる度合」ではMuse Wonderがかなり高く評価されました。Grok 4.7とDeepSeek V4.1 Flashはフレンドリーでないと評価されています。
「ユーザーに過剰に媚びる(過剰に褒めそやす)度合」ではGemini 4 Argonが最も媚びやすいと評価されました。反対に、Grok 4.7は媚び度合がかなり低いです。
さらに、Gemini 3.1 Pro Preview、Gemini 4 Argon、Gemini 3.8 Flashは「回答の不確実性を認める度合が低い」とも評価されています。
In AA-PersonalityBench, Gemini models are the most Confident and the least likely to Admit Uncertainty of all models measured
➤ Most Confident: Gemini 3.8 Flash (100), Gemini 4 Argon (97) and Gemini 3.1 Pro Preview (95)
➤ Least likely to Admit Uncertainty: Gemini 3.1 Pro… pic.twitter.com/9jclv4e90N
— Artificial Analysis (@ArtificialAnlys) October 21, 2026
AA-PersonalityBenchの測定結果は随時更新される予定で、以下のリンク先で最新の情報を確認できます。
AA-PersonalityBench: AI Personality & Communication Style Benchmark | Artificial Analysis
https://artificialanalysis.ai/evaluations/aa-personalitybench