De ‘creatieve’ output van AI-modellen wordt steeds gelijker tussen aanbieders

Nieuw onderzoek suggereert dat AI-modellen van rivaliserende bedrijven steeds meer op elkaar gaan lijken in hun creatieve antwoorden, waardoor het scala aan ideeën dat gebruikers tegenkomen mogelijk kleiner wordt.

Nieuw onderzoek uit de VS heeft aangetoond dat de ‘creatieve’ output van een breed scala aan toonaangevende AI-modellen na verloop van tijd steeds meer op elkaar gaat lijken.

De auteurs, van Duke University, testten 69 modellen van 12 aanbiedersfamilies, met releases van 2023 tot 2026, en vonden een statistisch significante daling in de diversiteit van de output, zowel bij real‑world open‑ended vragen als bij een standaard creativiteitstest – wat suggereert dat er steeds vaker vergelijkbare ideeën worden aangeboden als reactie op ‘creatieve’ verzoeken, bij alle grote LLM‑aanbieders.

De geteste aanbiedersfamilies waren Anthropic; Cohere; DeepSeek; Google; Meta; MiniMax; Mistral AI; Moonshot AI; OpenAI; Qwen; xAI; en Z.ai*:

From the new paper – model releases used in the study, from maart 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

De auteurs van het nieuwe artikel stellen**:

‘We vinden dat LLM‑reacties op de open‑ended prompts die wij [testen] in de loop van de tijd steeds meer op elkaar gaan lijken.’

‘Dit suggereert dat LLM’s minder creatief worden in taken die open‑ended antwoorden vereisen, waardoor hun langetermijnnut als creatieve assistenten onder de loep moet worden genomen.’

Hoewel ‘algorithmic monoculture’ een gevestigde onderzoekslijn is, is een onderzoek naar de trends richting homogeniteit in AI‑gegenereerde creatieve output tot nu toe niet ondernomen, stellen de auteurs.

Isolatie‑incidenten wijzen echter al geruime tijd op deze convergentie, waaronder het vreemde geval beschreven in de studie van Cornell University mei 20026, waarin een divers scala aan LLM‑aanbieders een vreemde, botsende obsessie vertoonden voor ‘lighthouse keepers’ en een specifieke set anachronistische namen, waaronder ‘Mara’ en ‘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.

De nieuwe studie is systematischer: de auteurs testten drie jaar aan modellen tegen zowel real‑world creatieve prompts als een klassieke psychologietest die ongewone toepassingen voor alledaagse objecten vraagt. Vervolgens maten ze hoe ver de antwoorden van de modellen van elkaar afstonden in betekenis, en volgden ze of die afstanden kleiner werden over opeenvolgende generaties.

De auteurs van het nieuwe werk, getiteld Are LLMs becoming similarly creative? Evidence from three years of models, stellen^†:

‘Onze bevindingen, hoewel voorlopig, roepen zorgen op over de langetermijnnut van LLM’s als creatieve partners. Zelfs als modellen goed presteren op creatieve taken, kan convergerende output het scala aan mogelijkheden dat LLM‑gebruikers te zien krijgen beperken, en daarmee de breedte van hun eigen denken.’

‘Als het gebruik van een LLM voor creatieve taken zoals essay‑schrijven de hersenactiviteit vermindert, zou het gebruik van steeds minder creatieve LLM’s – de trend die onze studie suggereert – de effecten van LLM’s op menselijke creativiteit nog verder kunnen verergeren, zoals waargenomen in dit en andere studies?’

Reeds nu is de diversiteit van LLM‑tekstoutput een voedselbron voor memes; en, zoals we in mei van dit jaar meldden, heeft ten minste één auteur al een boek apparently featuring de eerdergenoemde ‘lighthouse’-fixatie die bij de grote modellen voorkomt.

Dus, in een klimaat waarin uitgevers steeds vaker boeken terugtrekken die zij vermoeden van AI‑schrijfsels of AI‑ondersteuning, lijkt het nieuwe onderzoek te wijzen op een groei van ‘plot‑coïncidenties’ die voortkomen uit ogenschijnlijk door mensen geschreven werken, inclusief academische werken van studenten.

Wat de convergentie veroorzaakt, hypothiseren de auteurs dat overlappende trainingsdata en steeds gelijkere optimalisatiedoelstellingen modellen kunnen duwen naar vergelijkbare interne representaties van concepten en semantische relaties – wat uiteindelijk meer gelijkende antwoorden oplevert^†:

‘[Het] blijft onduidelijk of deze homogeniteit een tijdelijk bijproduct is van een nog in ontwikkeling zijnde technologie of een onvermijdelijke – mogelijk versterkende – eigenschap van statistische taalmodellen.’

‘Redelijke krachten wijzen in beide richtingen. Een groeiende hoeveelheid academisch werk suggereert dat generatieve modellen die getraind zijn op overlappende data en geoptimaliseerd naar gelijkaardige doelen, concepten en semantische relaties in steeds gelijkende manieren organiseren, wat leidt tot gelijkende output.’

De auteurs verwijzen echter ook naar werk dat aangeeft dat modellen bij verdere evolutie weer kunnen divergeren naar hun eigen, afgeschermde set kenmerken, wat betreft creatieve output.

Method

Om te volgen of AI‑modellen steeds meer op elkaar gaan lijken, begonnen de onderzoekers met open‑ended vragen en verzamelden antwoorden van opeenvolgende generaties modellen. Elk antwoord werd omgezet in een numerieke representatie van de betekenis, waardoor het mogelijk werd de mate van overeenkomst of verschil tussen de reacties te meten.

Regressie‑analyse werd vervolgens gebruikt om te bepalen of deze verschillen kleiner werden naarmate nieuwere modellen werden uitgebracht:

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.

Twee sets prompts werden geselecteerd om creativiteit vanuit verschillende hoeken te testen. Ten eerste vraagt de Alternate Uses Task (AUT), een standaard psychologische test voor divergent denken, om onconventionele toepassingen voor alledaagse objecten; de studie gebruikte objecten zoals een boek, een shoe en een hammer. Het vaste format bood een gecontroleerde manier om de door verschillende modellen gegenereerde ideeën te vergelijken.

Een verdere set van 100 prompts werd gedistilleerd uit Infinity-Chat100, een verzameling afgeleid van real‑world gesprekken met taalmodellen. Deze omvatten minder‑beperkte creatieve taken zoals content‑generatie, probleemoplossing, brainstorming en ideevorming; taken die meer vrijheid in antwoorden en benaderingen toestonden.

De volledige AUT‑ en Infinity-Chat100‑promptsets werden vervolgens naar modellen gestuurd die tussen maart 2023 en juli 2026 werden uitgebracht, van 12 aanbieders en systemen van Anthropic, Google, Meta, OpenAI, DeepSeek en Mistral AI. Alle reacties werden verzameld via de OpenRouter‑API onder dezelfde sampling‑instellingen, met temperature (vrijheid om creatief te antwoorden) en top-p beide ingesteld op één.

De modellen werden geordend op uitgiftemonth om te onderzoeken of nieuwere generaties meer gelijkende antwoorden produceerden.

Aangezien uitgiftedatums niet daadwerkelijk veranderingen in trainingsdata, architectuur of post‑training weergeven, behandelden de auteurs de waargenomen trend als een associatie met modelontwikkeling, in plaats van als bewijs dat de tijd zelf convergentie veroorzaakt.

De antwoorden van de modellen werden vervolgens omgezet in embeddings met behulp van de all-MiniLM-L6-v2 sentence‑transformer. Elke respons werd gerepresenteerd als een numerieke vector, waardoor antwoorden met gelijkaardige betekenissen in gelijkaardige richtingen konden worden geplaatst en hun semantische afstand kon worden gemeten.

Voor de AUT werden alle voorgestelde toepassingen voor elk object behandeld als één enkele respons, wat tien embeddings per model opleverde. Voor Infinity-Chat100 werd elk antwoord afzonderlijk embedded, wat 100 embeddings per model opleverde.

De 27 uitgiftemaanden werden gegroepeerd in negen tijdsperioden, en alleen modellen van verschillende aanbieders werden met elkaar vergeleken. Semantische afstanden tussen hun antwoorden werden binnen elke periode gemeten, waarbij kleinere afstanden duiden op grotere overeenkomst.

Om te voorkomen dat aanbieders met meer modellen de resultaten domineerden, werd de analyse 1.000 keer herhaald met evenwichtige steekproeven uit elke aanbieder.

Results

Lineaire regressie werd vervolgens gebruikt om deze afstanden over de tijd te volgen, waarbij een consistente negatieve helling aangeeft dat modellen van verschillende aanbieders steeds meer op elkaar gaan lijken:

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.

Van deze resultaten benadrukken de auteurs:

‘Voor zowel de AUT‑ als de Infinity‑Chat‑responssets zien we een daling in de cross‑provider output‑afstanden over de observatieperiode.’

‘Dit duidt op een afnemende diversiteit – of een toenemende homogeniteit – van LLM‑creatieve output in de loop van de tijd.’

Het verschil tussen oudere en nieuwere modellen was het duidelijkst in de Alternate Uses Task. De gemiddelde afstand tussen antwoorden van verschillende aanbieders daalde van ongeveer 0,50 voor de vroegste modellen tot onder 0,40 voor de nieuwste, wat betekent dat hun antwoorden aanzienlijk meer op elkaar leken. Eenzelfde patroon werd gevonden bij Infinity‑Chat100, hoewel de verandering kleiner was, met een gemiddelde afstand die daalde van ongeveer 0,34 naar net boven 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.

De bevinding hield ook stand tijdens alle 1.000 rondes van evenwichtige hersteekproeven. In elk geval produceerden nieuwere modellen antwoorden die dichter bij elkaar lagen dan die van oudere modellen. De omvang van deze dalingen, samen met de 95 %‑betrouwbaarheidsintervallen van de onderzoekers, worden hierboven weergegeven.

Met betrekking tot dit punt stelt het artikel:

‘De omvang van de AUT‑daling is bijzonder opmerkelijk gezien het doel van de taak. De AUT test expliciet divergent denken door modellen te instrueren om toepassingen te produceren die zo origineel en onverwacht mogelijk zijn, waardoor het precies de situatie is waarin outputs van elkaar zouden moeten verschillen.’

De Infinity‑Chat‑resultaten tonen aan dat dezelfde trend ook verscheen over een veel breder scala aan creatieve taken. De 100 prompts vroegen modellen om vele verschillende soorten open‑ended antwoorden te produceren, en deze antwoorden werden in de loop van de tijd meer gelijkend.

De verandering was kleiner dan in de Alternate Uses Task, maar werd duidelijker bij modellen die vanaf 2025 werden uitgebracht. De auteurs suggereren dat dit een vroeg teken kan zijn dat creatieve output van verschillende AI‑aanbieders over het algemeen steeds meer op elkaar gaat lijken, en niet alleen bij één specifiek type test.

Conclusion

Vraagstukken rond LLM‑ en VLM‑convergentie vormen een voortdurende en groeiende bron van zorg zowel in de onderzoeksgemeenschap als bij de gebruikers van de downstream‑modellen die hieruit voortvloeien. We naderen het einde van de eerste en enige ‘pure’ generatie data waar de onderzoeksgemeenschap ooit toegang tot zal hebben; en de vastberadenheid van modelaanbieders om de data van concurrenten te exfiltreren brengt onvermijdelijk convergentie met zich mee, aangezien de data identiek wordt en de principes van modeltraining vergelijkbaar, zo niet identiek, zijn tussen aanbieders.

Daarom zal niets zo simpel als het vervangen van em‑dashes waarschijnlijk opduiken om de groeiende gelijkheid van creatieve output tussen de modelfamilies te bestrijden, en zullen gevallen van duplicatie eerder in meer publieke en gênante vormen aan het licht komen.

* De volledige modellijst 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; en GLM-5.2

** Auteurs’ nadruk, niet de mijne.

^† Mijn omzetting van de inline‑citaten van de auteurs naar hyperlinks.

Eerste publicatie vrijdag 21 augustus 2026