AA 发布 PersonalityBench:30 项人格特质横评各模型「性格指纹」
ArtificialAnlys · x · 2026-10-20
Artificial Analysis 发布 AA-PersonalityBench,用 900 道精选问题测量各语言模型的 30 项人格特质(归纳为 8 大人格指数)与 21 项沟通特征,理由是两个模型答案同样正确、使用感受却可能天差地别。
人格指数代表性最强的模型:
- 表现力: Claude Fable 5.1、GLM-5.3
- 条理性: DeepSeek V4.1 Flash、Step 5 Preview
- 信息量: Muse Spark 1.3、Claude Fable 5.1、Claude Opus 5.5
- 坦诚度: Claude Sonnet 5.5、GPT-6 Astra
- 温暖度: Muse Wonder、Muse Spark 1.3
- 主见: Claude Fable 5.1、DeepSeek V4.1 Flash
- 想象力: Muse Spark 1.3、Claude Opus 5.5
- 废话(Slop)最多: Llama 4 Maverick、GPT-4o、K2 Horizon
沟通特征的极端值:Qwen3.8 27B 平均每回复约 1030 词,接近 GPT-6 Luna(270 词)的 4 倍;Nemotron 3 Ultra 平均每回复近 3 张表格;GLM-5.3 平均用 7 个破折号,Claude 系列几乎不用;K2 Horizon 平均每回复 2 个以上 emoji。
特质打分由 LLM 评委对答案两两比较得出 Elo,沟通特征则程序化统计;无系统提示词下查询,捕捉开箱默认行为。同一问题的示例显示各模型风格差异显著(回答长度 170677 词不等)。
所属事件:Artificial Analysis 发布 PersonalityBench 横评模型性格(4 条相关)→
「模型」频道最新
- 老用户首次降级 $200 Codex 订阅：上线新功能却没有算力兜底 — karmay007 · 2026-10-20
- DeepSeek V4.1 Flash 去审查发现:内置两段式安全护栏 — cephaloform · 2026-10-20
- Meta 发布 Muse Glimmer 30B 开放权重模型,主打消费级硬件跑 Agent — AIatMeta · 2026-10-20
- Maxwell 号称首个「代码执行模型」,已开放早期访问申请 — tri_dao · 2026-10-20
- d1-ultra 决策模型登顶 Artificial Analysis 决策指数 — JosephJacks_ · 2026-10-20
- 德银数据：Meta 的 Muse 下载量与日活持续领先 ChatGPT — alexandr_wang · 2026-10-20