Output ‘Kreatif’ Model AI Menjadi Semakin Mirip di Antara Penyedia

Penelitian baru menunjukkan bahwa model AI dari perusahaan pesaing semakin mirip dalam jawaban kreatif mereka, berpotensi mempersempit ragam ide yang ditemui pengguna.

Penelitian baru dari AS menemukan bahwa output ‘kreatif’ di berbagai model AI terkemuka menjadi semakin mirip seiring waktu.

Penulis, yang berasal dari Duke University, menguji 69 model dari 12 keluarga penyedia, mencakup rilis dari 2023 hingga 2026, dan menemukan penurunan signifikan secara statistik dalam keragaman output baik pada pertanyaan terbuka dunia nyata maupun pada tes kreativitas standar – menunjukkan bahwa ide‑ide serupa mungkin ditawarkan sebagai respons terhadap permintaan ‘kreatif’, semakin sering, di antara semua penyedia LLM utama.

Keluarga penyedia yang diuji meliputi Anthropic; Cohere; DeepSeek; Google; Meta; MiniMax; Mistral AI; Moonshot AI; OpenAI; Qwen; xAI; dan Z.ai*:

From the new paper – model releases used in the study, from Maret 2023 to Juli 2026. The chart covers 69 mode versions across 12 AI providers, demonstrating how the models tested were distributed across the three-year period, and showing increasingly frequent release schedules for some providers, which has to be accounted for in the authors’ reckonings. Source

The authors of the new paper state**:

‘We find that LLM responses to the open-ended prompts we [test] have become increasingly similar over time.

‘This suggests that LLMs are becoming less creative in tasks that involve generating open-ended responses, demanding scrutiny of their long-term usefulness as creative assistants.’

Meskipun ‘algorithmic monoculture’ telah menjadi jalur studi yang mapan, pemeriksaan tren menuju homogenitas dalam output kreatif yang dihasilkan AI belum pernah dilakukan sebelumnya, demikian kata penulis.

Namun, insiden terisolasi telah menunjukkan konvergensi ini sejak lama, termasuk kasus aneh yang diuraikan dalam studi May 20026 dari Cornell University, di mana beragam penyedia LLM menunjukkan obsesi aneh yang bertabrakan tentang ‘penjaga mercusuar’, serta sekumpulan nama anachronistic, termasuk ‘Mara’ dan ‘Elias’:

In May, Cornell University’s new paper found strange similarities across LLM providers when given ‘open prompts’ – though no clues as to why have yet become apparent in the diverse training data fueling these models.

Studi baru lebih sistematis: penulis menguji tiga tahun model terhadap baik prompt kreatif dunia nyata maupun tes psikologi klasik yang meminta penggunaan tidak biasa untuk objek sehari‑hari. Mereka kemudian mengukur seberapa jauh jawaban model berbeda secara makna, melacak apakah jarak tersebut menyusut di antara generasi berurutan.

The authors of the new work, titled Are LLMs becoming similarly creative? Evidence from three years of models, state^†:

‘Our findings, though preliminary, raise concerns about the long-term usefulness of LLMs as creative partners. Even if models perform well on creative tasks, converging outputs could bound the range of possibilities LLM users are exposed to, and with it, the breadth of their own thinking.

‘If using an LLM for creative tasks like essay writing decreases one’s brain activity, could using increasingly less creative LLMs–the trend suggested by our study–further worsen LLMs’ effects on human creativity, as observed by this and other studies?’

Sudah, beragam karakteristik output teks LLM menjadi bahan meme; dan, seperti yang kami laporkan pada Mei tahun ini, setidaknya satu penulis telah menerbitkan buku secara mandiri yang tampaknya menampilkan obsesi ‘mercusuar’ yang disebutkan sebelumnya pada model utama.

Jadi, dalam iklim di mana penerbit semakin banyak menarik kembali buku yang mereka curigai ditulis AI atau dibantu AI, penelitian baru tampaknya menunjukkan bahwa kita dapat mengharapkan pertumbuhan ‘kebetulan plot’ yang muncul dari karya yang tampak ditulis manusia, termasuk karya akademik yang diajukan mahasiswa.

Mengenai asal konvergensi ini, penulis berhipotesis bahwa data pelatihan yang tumpang tindih dan tujuan optimasi yang semakin serupa mungkin mendorong model menuju representasi internal konsep dan hubungan semantik yang sebanding – pada akhirnya menghasilkan jawaban yang lebih mirip^†:

‘[It] remains unclear whether this homogeneity is a temporary byproduct of a still-developing technology or an inevitable–potentially compounding–feature of statistical language models.

‘Plausible forces point in both directions. A growing body of academic work suggests that generative models trained on overlapping data and optimized toward similar objectives will organize concepts and semantic relationships in increasingly similar ways, resulting in similar outputs.’

Namun, penulis juga mengutip pekerjaan yang menunjukkan bahwa seiring model berkembang, mereka mungkin kembali menyimpang ke dalam set karakteristik yang terisolasi masing‑masing, terkait output kreatif.

Method

Untuk melacak apakah model AI menjadi lebih mirip, peneliti memulai dengan pertanyaan terbuka, mengumpulkan jawaban dari generasi model berurutan. Setiap jawaban diubah menjadi representasi numerik maknanya, memungkinkan pengukuran seberapa mirip atau berbeda respons tersebut.

Regression analysis kemudian digunakan untuk menentukan apakah perbedaan ini menyusut seiring rilis model yang lebih baru:

The authors’ schema for measuring whether AI outputs become more similar over time. Open-ended creative prompts were run across different model families, their answers mapped by meaning, to measure the distance between them, and with regression analysis tracking how those distances changed across successive model generations.

Dua set prompt dipilih untuk menguji kreativitas dari sudut berbeda. Pertama, Alternate Uses Task (AUT), tes psikologi standar untuk berpikir divergen, meminta penggunaan tidak konvensional untuk objek biasa, dengan studi menggunakan objek seperti book, shoe, dan hammer. Format tetapnya menyediakan cara terkontrol untuk membandingkan ide yang dihasilkan oleh model yang berbeda.

Seratus prompt tambahan disaring dari Infinity-Chat100, kumpulan yang diambil dari percakapan dunia nyata dengan model bahasa. Prompt ini mencakup tugas kreatif yang kurang terbatas seperti menghasilkan konten, memecahkan masalah, brainstorming, dan ideasi; tugas yang memungkinkan kebebasan lebih besar dalam jawaban dan pendekatan.

Set lengkap prompt AUT dan Infinity-Chat100 kemudian dikirim ke model yang dirilis antara Maret 2023 dan Juli 2026, mencakup 12 penyedia dan sistem dari Anthropic, Google, Meta, OpenAI, DeepSeek, dan Mistral AI. Semua respons dikumpulkan melalui API OpenRouter dengan pengaturan sampling yang sama, dengan temperature (kebebasan berkreasi) dan top-p keduanya disetel ke satu.

Model diurutkan berdasarkan bulan rilis untuk memeriksa apakah generasi yang lebih baru menghasilkan jawaban yang lebih mirip.

Karena tanggal rilis tidak secara langsung mencerminkan perubahan data pelatihan, arsitektur, atau pasca‑pelatihan, penulis memperlakukan tren yang muncul sebagai asosiasi dengan pengembangan model, bukan bukti bahwa berlalunya waktu sendiri menyebabkan konvergensi.

Jawaban model kemudian diubah menjadi embedding menggunakan all-MiniLM-L6-v2 sentence‑transformer. Setiap respons direpresentasikan sebagai vektor numerik, memungkinkan jawaban dengan makna serupa ditempatkan pada arah yang serupa, dan jarak semantik mereka diukur.

Untuk AUT, semua penggunaan yang diusulkan untuk tiap objek diperlakukan sebagai satu respons, menghasilkan sepuluh embedding per model. Untuk Infinity-Chat100, setiap jawaban di‑embed secara terpisah, menghasilkan 100 embedding per model.

27 bulan rilis dikelompokkan menjadi sembilan periode waktu, dan hanya model dari penyedia yang berbeda yang dibandingkan. Jarak semantik antara jawaban mereka diukur dalam tiap periode, dengan jarak yang lebih kecil menunjukkan kemiripan yang lebih besar.

Untuk mencegah penyedia dengan lebih banyak model mendominasi hasil, analisis diulang 1.000 kali, menggunakan sampel seimbang dari tiap penyedia.

Results

Linear regression kemudian digunakan untuk melacak jarak‑jarak ini seiring waktu, dengan kemiringan negatif konsisten yang menunjukkan bahwa model dari penyedia berbeda menjadi lebih mirip:

Initial test results, showing whether creative responses from different AI providers became more similar over time. Semantic distances declined for both the Alternate Uses Task and Infinity-Chat100 prompts, while repeated balanced sampling produced consistently negative trends, indicating increasing similarity across model generations.

Dari hasil ini penulis menekankan:

‘Untuk kedua set respons AUT dan Infinity‑Chat, kami mengamati penurunan jarak output antar‑penyedia selama periode observasi.

‘Ini menunjukkan penurunan keragaman—atau peningkatan homogenitas—output kreatif LLM seiring waktu.’

Perbedaan antara model lama dan baru paling jelas pada Alternate Uses Task. Jarak rata‑rata antara jawaban dari penyedia berbeda turun dari sekitar 0,50 pada model paling awal menjadi di bawah 0,40 pada model terbaru, yang berarti jawaban mereka menjadi jauh lebih mirip. Pola serupa ditemukan pada Infinity‑Chat100, meski perubahannya lebih kecil, dengan jarak rata‑rata turun dari sekitar 0,34 menjadi sedikit di atas 0,32.

Test results measuring how quickly answers from the different AI providers became more similar over time. The ‘Alternate Uses’ Task showed a much stronger decline in differences between models than Infinity-Chat, with both results remaining consistent across the researchers’ repeated sampling tests.

Temuan ini juga bertahan dalam semua 1.000 putaran resampling seimbang. Dalam setiap kasus, model yang lebih baru menghasilkan jawaban yang lebih dekat satu sama lain dibandingkan model yang lebih lama. Besarnya penurunan ini, bersama interval kepercayaan 95 % peneliti, ditampilkan di atas.

Mengenai hal ini, makalah menyatakan:

‘Besarnya penurunan AUT sangat menonjol mengingat tujuan tugas tersebut. AUT secara eksplisit menguji berpikir divergen dengan menginstruksikan model menghasilkan penggunaan yang sesungguhnya orisinal dan tak terduga, menjadikannya konteks tepat di mana output diharapkan berbeda.’

Hasil Infinity‑Chat menunjukkan bahwa tren serupa juga muncul pada rentang tugas kreatif yang jauh lebih luas. Seratus promptnya meminta model menghasilkan banyak jenis jawaban terbuka, dan jawaban‑jawaban ini menjadi lebih mirip seiring waktu.

Perubahannya lebih kecil dibandingkan dengan Alternate Uses Task, namun menjadi lebih jelas pada model yang dirilis sejak 2025. Penulis menyarankan bahwa ini bisa menjadi tanda awal bahwa output kreatif dari penyedia AI yang berbeda menjadi lebih mirip secara umum, bukan hanya pada satu jenis tes tertentu.

Conclusion

Isu konvergensi LLM dan VLM merupakan sumber kekhawatiran yang terus berkembang di kalangan komunitas riset maupun konsumen model turunannya. Kami berada di penghujung generasi ‘murni’ pertama dan satu‑satunya data yang pernah dapat diakses oleh dunia riset; dan tekad penyedia model untuk menyerap data pesaing tak terelakkan menimbulkan konvergensi, karena data menjadi identik, dan prinsip pelatihan model serupa, bila tidak identik, di antara penyedia.

Oleh karena itu, tidak ada solusi sederhana seperti mengganti em‑dash yang kemungkinan akan muncul untuk melawan meningkatnya kemiripan output kreatif di antara keluarga model, dan kasus duplikasi justru kemungkinan akan terungkap secara lebih publik dan memalukan.

* Daftar lengkap model adalah Claude-3-Haiku; Claude-Fable-5; Claude-Opus-4; Claude-Opus-4.1; Claude-Opus-4.5; Claude-Opus-4.6; Claude-Opus-4.7; Claude-Opus-4.8; Command-A; Command-R-08-2024; DeepSeek-Chat; DeepSeek-V3.1-Terminus; DeepSeek-V3.2; DeepSeek-V4-Pro; Gemini-2.5-Pro; Gemini-3-Flash-Preview; Gemini-3.1-Pro-Preview; Gemini-3.5-Flash; Llama-3.1-70B-Instruct; Llama-3.2-3B-Instruct; Llama-3.3-70B-Instruct; Llama-4-Maverick; MiniMax-01; MiniMax-M1; MiniMax-M2; MiniMax-M2.1; MiniMax-M2.5; MiniMax-M2.7; MiniMax-M3; Mistral-Large; Mistral-Large-2407; Mistral-Large-2512; Mistral-Medium-3; Mistral-Medium-3.5; Mistral-Medium-3.1; Mistral-Small-24B-Instruct-2501; Mistral-Small-2603; Mistral-Small-3.1-24B-Instruct; Mistral-Small-3.2-24B-Instruct; Mixtral-8x22B-Instruct; Kimi-K2; Kimi-K2-0905; Kimi-K2.5; Kimi-K2.6; GPT-3.5-Turbo; GPT-4; GPT-4.1; GPT-4o; GPT-5; GPT-5.1; GPT-5.2; GPT-5.3-Chat; GPT-5.4; GPT-5.5; GPT-5.6-Sol; Qwen-2.5-72B-Instruct; Qwen3-Max; Qwen3.5-Plus-20260420; Qwen3.6-Max-Preview; Qwen3.7-Max; Grok-4.20; Grok-4.3; Grok-4.5; GLM-4.5; GLM-4.6; GLM-4.7; GLM-5; GLM-5.1; dan GLM-5.2

** Penekanan penulis, bukan saya.

^† Konversi saya atas sitasi dalam teks penulis menjadi tautan hiperlink.

First published Friday, 21 Agustus 2026