L’output “creativo” dei modelli di IA sta diventando simile tra i fornitori

Nuove ricerche suggeriscono che i modelli di IA di aziende concorrenti stanno diventando più simili nelle loro risposte creative, potenzialmente riducendo la gamma di idee che gli utenti incontrano.

Nuove ricerche provenienti dagli Stati Uniti hanno scoperto che l’output ‘creativo’ di una vasta gamma di modelli di IA leader sta diventando più simile nel tempo.

Gli autori, dell’Università di Duke, hanno testato 69 modelli appartenenti a 12 famiglie di fornitori, coprendo versioni dal 2023 al 2026, e hanno riscontrato un calo statisticamente significativo della diversità dell’output sia nelle domande aperte del mondo reale sia in un test standard di creatività – suggerendo che idee simili vengano offerte in risposta a richieste ‘creative’, sempre più frequentemente, tra tutti i principali fornitori di LLM.

Le famiglie di fornitori testate erano Anthropic; Cohere; DeepSeek; Google; Meta; MiniMax; Mistral AI; Moonshot AI; OpenAI; Qwen; xAI; e Z.ai*:

Dal nuovo documento – versioni di modello utilizzate nello studio, da marzo 2023 a luglio 2026. Il grafico copre 69 versioni di modello tra 12 fornitori di IA, dimostrando come i modelli testati siano stati distribuiti nel periodo di tre anni e mostrando calendari di rilascio sempre più frequenti per alcuni fornitori, che devono essere tenuti in considerazione nei calcoli degli autori. Source – https://arxiv.org/pdf/2608.19437 Fonte

Gli autori del nuovo documento affermano**:

‘Rileviamo che le risposte dei LLM ai prompt aperti che [testiamo] sono diventate sempre più simili nel tempo’.

‘Ciò suggerisce che i LLM stanno diventando meno creativi nei compiti che coinvolgono la generazione di risposte aperte, richiedendo un esame critico della loro utilità a lungo termine come assistenti creativi.’

Sebbene la ‘monocultura algoritmica‘ sia diventata una linea di studio consolidata, un esame delle tendenze verso l’omogeneità negli output creativi generati dall’IA non è stato ancora intrapreso, affermano gli autori.

Tuttavia, incidenti isolati hanno indicato questa convergenza da tempo, incluso il caso strano descritto nello studio di maggio 20026 dell’Università di Cornell, in cui una gamma diversificata di fornitori di LLM ha mostrato strane ossessioni convergenti sui ‘guardiani del faro’, e un particolare insieme di nomi anacronistici, tra cui ‘Mara’ ed ‘Elias’:

A maggio, il nuovo documento dell’Università di Cornell ha riscontrato strane somiglianze tra i fornitori di LLM quando sono stati dati ‘prompt aperti’ – sebbene non siano ancora emersi indizi sul perché nei diversi dati di addestramento che alimentano questi modelli.

Il nuovo studio è più sistematico: gli autori hanno testato tre anni di modelli sia con prompt creativi del mondo reale sia con un classico test psicologico che richiede usi insoliti per oggetti quotidiani. Hanno poi misurato quanto le risposte dei modelli fossero distanti nel significato, monitorando se tali distanze si riducessero nelle generazioni successive.

Gli autori del nuovo lavoro, intitolato Stanno diventando i LLM più simili nella creatività? Evidenze da tre anni di modelli, affermano^†:

‘I nostri risultati, sebbene preliminari, sollevano preoccupazioni sull’utilità a lungo termine dei LLM come partner creativi. Anche se i modelli performano bene nei compiti creativi, output convergenti potrebbero limitare la gamma di possibilità a cui gli utenti di LLM sono esposti, e con esse l’ampiezza del loro stesso pensiero.’

‘Se l’uso di un LLM per compiti creativi come la scrittura di saggi diminuisce l’attività cerebrale, l’uso di LLM sempre meno creativi – la tendenza suggerita dal nostro studio – potrebbe aggravare ulteriormente gli effetti dei LLM sulla creatività umana, come osservato da questo e altri studi?’

Già, le diverse caratteristiche dell’output testuale dei LLM sono diventate materiale per meme; e, come abbiamo riportato a maggio di quest’anno, almeno un autore ha già autopubblicato un libro apparente contenente la suddetta fissazione per i ‘fari’ comune ai principali modelli.

Quindi, in un contesto in cui gli editori stanno ritirando sempre più libri che sospettano di essere scritti da IA o assistiti da IA, la nuova ricerca sembra indicare che possiamo aspettarci una crescita di ‘coincidenze di trama’ emergenti da opere apparentemente scritte da umani, inclusi lavori accademici presentati dagli studenti.

Per quanto riguarda l’origine di questa convergenza, gli autori ipotizzano che dati di addestramento sovrapposti e obiettivi di ottimizzazione sempre più simili possano spingere i modelli verso rappresentazioni interne comparabili di concetti e relazioni semantiche – producendo, in ultima analisi, risposte più simili^†:

‘[Non è] chiaro se questa omogeneità sia un sottoprodotto temporaneo di una tecnologia ancora in sviluppo o una caratteristica inevitabile – potenzialmente cumulativa – dei modelli di linguaggio statistico.’

‘Forze plausibili indicano entrambe le direzioni. Un crescente corpus di lavori accademici suggerisce che i modelli generativi addestrati su dati sovrapposti e ottimizzati verso obiettivi simili organizzeranno concetti e relazioni semantiche in modo sempre più simile, producendo output simili.’

Tuttavia, gli autori citano anche lavori che indicano che, man mano che i modelli evolvono, potrebbero divergere nuovamente in un proprio insieme di caratteristiche isolate, per quanto riguarda l’output creativo.

Metodo

Per monitorare se i modelli di IA stanno diventando più simili, i ricercatori hanno iniziato con domande aperte, raccogliendo le risposte dalle successive generazioni di modelli. Ogni risposta è stata convertita in una rappresentazione numerica del suo significato, rendendo possibile misurare quanto fossero simili o diverse le risposte.

Regressione analysis was then used to establish whether these differences were shrinking as newer models were released:

Lo schema degli autori per misurare se gli output di IA diventano più simili nel tempo. I prompt creativi aperti sono stati eseguiti su diverse famiglie di modelli, le loro risposte mappate per significato per misurare la distanza tra loro, con analisi di regressione che traccia come tali distanze cambiano nelle successive generazioni di modelli.

Due insiemi di prompt sono stati selezionati per testare la creatività da diverse angolazioni. Prima, il Compito di Usi Alternativi (AUT), un test psicologico standard di pensiero divergente, chiede usi non convenzionali per oggetti ordinari, con lo studio che utilizza oggetti come un libro, una scarpa e un martello. Il suo formato fisso ha fornito un modo controllato per confrontare le idee prodotte da diversi modelli.

Altri 100 prompt sono stati estratti da Infinity-Chat100, una raccolta derivata da conversazioni reali con modelli linguistici. Questi hanno coperto compiti creativi meno vincolati, includendo generazione di contenuti, risoluzione di problemi, brainstorming e ideazione; compiti che consentono maggiore libertà rispetto alle risposte prodotte e agli approcci adottati.

I set completi di prompt AUT e Infinity-Chat100 sono stati poi inviati ai modelli rilasciati tra marzo 2023 e luglio 2026, coprendo 12 fornitori e sistemi da Anthropic, Google, Meta, OpenAI, DeepSeek e Mistral AI. Tutte le risposte sono state raccolte tramite l’API di OpenRouter con le stesse impostazioni di campionamento, con temperatura (libertà di rispondere in modo creativo) e top-p entrambi impostati a uno.

I modelli sono stati ordinati per mese di rilascio per esaminare se le generazioni più recenti producessero risposte più simili.

Poiché le date di rilascio non catturano realmente i cambiamenti nei dati di addestramento, nell’architettura o nel post-addestramento, gli autori hanno interpretato la tendenza risultante come un’associazione con lo sviluppo del modello, piuttosto che come prova che il trascorrere del tempo stesso causi la convergenza.

Le risposte dei modelli sono state poi convertite in embedding usando il all-MiniLM-L6-v2 sentence-transformer. Ogni risposta è stata rappresentata come un vettore numerico, consentendo di collocare risposte con significati simili in direzioni simili e di misurare la loro distanza semantica.

Per l’AUT, tutti gli usi suggeriti per ciascun oggetto sono stati trattati come una singola risposta, producendo dieci embedding per modello. Per Infinity-Chat100, ogni risposta è stata embeddata separatamente, producendo 100 embedding per modello.

I 27 mesi di rilascio sono stati raggruppati in nove periodi temporali, e sono stati confrontati solo i modelli di fornitori diversi. Le distanze semantiche tra le loro risposte sono state misurate all’interno di ciascun periodo, con distanze più piccole che indicano maggiore somiglianza.

Per evitare che i fornitori con più modelli dominassero i risultati, l’analisi è stata ripetuta 1.000 volte, utilizzando campioni bilanciati da ciascun fornitore.

Risultati

La regressione lineare è stata poi usata per monitorare queste distanze nel tempo, con una pendenza negativa costante che indica che i modelli di fornitori diversi stavano diventando più simili:

Risultati iniziali del test, che mostrano se le risposte creative di diversi fornitori di IA sono diventate più simili nel tempo. Le distanze semantiche sono diminuite sia per i prompt del Compito di Usi Alternativi sia per quelli di Infinity-Chat100, mentre il campionamento bilanciato ripetuto ha prodotto tendenze costantemente negative, indicando una crescente somiglianza tra le generazioni di modelli.

Degli questi risultati gli autori sottolineano:

‘Per entrambi i set di risposte AUT e Infinity-Chat, osserviamo un calo delle distanze di output tra fornitori durante il periodo di osservazione.’

‘Ciò suggerisce una diminuzione della diversità – o un aumento dell’omogeneità – degli output creativi dei LLM nel tempo.’

La differenza tra modelli più vecchi e più recenti era più evidente nel Compito di Usi Alternativi. La distanza media tra le risposte di fornitori diversi è scesa da circa 0,50 per i modelli più antichi a meno di 0,40 per i più recenti, il che significa che le loro risposte sono diventate sostanzialmente più simili. Lo stesso schema è stato riscontrato con Infinity-Chat100, sebbene il cambiamento fosse minore, con la distanza media che è scesa da circa 0,34 a poco sopra 0,32.

Risultati del test che misurano la rapidità con cui le risposte dei diversi fornitori di IA sono diventate più simili nel tempo. Il Compito ‘Usi Alternativi’ ha mostrato un calo molto più marcato nelle differenze tra i modelli rispetto a Infinity-Chat, con entrambi i risultati rimasti coerenti nei test di campionamento ripetuto dei ricercatori.

La scoperta è sopravvissuta a tutti i 1.000 round di ricampionamento bilanciato. In ogni caso, i modelli più recenti hanno prodotto risposte più vicine tra loro rispetto a quelle dei modelli più vecchi. L’entità di questi cali, insieme agli intervalli di confidenza al 95% dei ricercatori, è rappresentata sopra.

A riguardo, il documento afferma:

‘L’entità del calo dell’AUT è particolarmente notevole dato lo scopo del compito. L’AUT testa esplicitamente il pensiero divergente istruendo i modelli a produrre usi che siano il più originale e inaspettato possibile, rendendolo proprio il contesto in cui ci si aspetterebbe che gli output differiscano.’

I risultati di Infinity-Chat mostrano che la stessa tendenza è emersa anche su una gamma molto più ampia di compiti creativi. I suoi 100 prompt chiedevano ai modelli di produrre molteplici tipi di risposte aperte, e queste risposte sono diventate più simili nel tempo.

Il cambiamento è stato più contenuto rispetto al Compito di Usi Alternativi, ma è diventato più evidente tra i modelli rilasciati dal 2025 in poi. Gli autori suggeriscono che questo potrebbe essere un segnale precoce che gli output creativi di diversi fornitori di IA stanno diventando più simili in generale, e non solo su un tipo specifico di test.

Conclusione

Le questioni relative alla convergenza di LLM e VLM rappresentano una fonte di preoccupazione in crescita nella comunità di ricerca e tra i consumatori dei modelli a valle che ne derivano. Stiamo per giungere alla fine della prima e unica generazione ‘pura’ di dati a cui la scena della ricerca avrà mai accesso; e la determinazione dei fornitori di modelli a esfiltrare i dati dei concorrenti comporta inevitabilmente il rischio di convergenza, poiché i dati stanno diventando identici e i principi di addestramento dei modelli sono simili, se non identici, tra i fornitori.

Pertanto, nulla di così semplice come sostituire i trattini lunghi probabilmente emergerà per combattere la crescente somiglianza dell’output creativo tra le famiglie di modelli, e i casi di duplicazione, invece, probabilmente verranno alla luce in modi molto più pubblici e imbarazzanti.

* The complete model list is 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; and GLM-5.2

** Enfasi degli autori, non mie.

^† La mia conversione delle citazioni in linea degli autori in collegamenti ipertestuali.

Pubblicato per la prima volta venerdì 21 agosto 2026