なぜ大手のAIモデルはみんな同じ答えをするのですか？

ほとんどのLLMは似たような方法で、似たようなデータから、似たようなタスク向けに訓練されているためです。その結果、異なるメーカーのモデル間でも、オープンな質問に対して似た答えに収れんする傾向が生まれています。

Flint はどうやってより多様な答えを出しているのですか？

Flint は、出力のすべての単語をランダムにするのではなく、「目的地の名前を選ぶ直前」というように、より多様性が可能な特定の箇所だけで無作為性を高めるよう訓練されています。この選別的なアプローチにより、自然で一貫性のある多様な回答が実現できます。

マーケティング企業や広告業界の創意工夫が必要な専門家が、ChatGPT や Claude と並んで Flint を試用しています。ただし Flint はまだプロトタイプであり、極端に使用すると機能が不安定になることもあります。

大規模言語モデルMIT Technology Review AI2026年7月1日2026年7月2日 1:00

何が起きたか
オーストラリアのスタートアップ Springboards が、既存のAIより幅広い回答を生成する言語モデル「Flint」を開発しました。ChatGPT や Claude などの主流モデルが「1～10の乱数」と聞かれてほぼ7を答える一方で、Flint は異なる数字を返すなど、より多様な応答を実現しています。
なぜ重要か
既存のLLMは訓練方法やデータが似ているため、異なるモデル間でも同じような回答に収れんする傾向があります。11月に発表された論文では、25個の異なるLLMに「時間についてのたとえ」を書かせた1,250個の回答の多くが「時は川」「時は織り手」という類似表現に集中していることが判明し、NeurIPS（大規模AI学会）で最優秀論文賞を受賞しました。マーケティングやブレーンストーミングなど創意工夫が求められる場面では、この均一性が課題となる可能性があります。
注目点
Springboards は Alibaba のオープンソースモデル「Qwen 3」をベースに Flint を構築しました。温度（randomness）を単純に上げると回答が支離滅裂になるため、出力の特定の箇所だけ無作為性を高める技術を開発することで、より自然な多様性を実現しています。

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

よくある質問

なぜ大手のAIモデルはみんな同じ答えをするのですか？: ほとんどのLLMは似たような方法で、似たようなデータから、似たようなタスク向けに訓練されているためです。その結果、異なるメーカーのモデル間でも、オープンな質問に対して似た答えに収れんする傾向が生まれています。
Flint はどうやってより多様な答えを出しているのですか？: Flint は、出力のすべての単語をランダムにするのではなく、「目的地の名前を選ぶ直前」というように、より多様性が可能な特定の箇所だけで無作為性を高めるよう訓練されています。この選別的なアプローチにより、自然で一貫性のある多様な回答が実現できます。
どんな人が Flint を使っていますか？: マーケティング企業や広告業界の創意工夫が必要な専門家が、ChatGPT や Claude と並んで Flint を試用しています。ただし Flint はまだプロトタイプであり、極端に使用すると機能が不安定になることもあります。

MIT Technology Review AI元記事を読む