Модели становятся менее творческими

Почему ИИ всегда называет 7, советует всем одни и те же книги и что меняют контекст и просьба «удиви меня». 34 тысячи ответов девяти моделей.

Почему ИИ всегда называет 7

Постоянно вижу одну и ту же публикацию, мол если предложить модели выбрать число от 1 до 10, то она будет чаще выбирать 7, человек же примерно в трети случаев, а скрипт с рандомизированным выбором выбирает равномерно все варианты. Но я был бы не я, если бы не проверил.

Взял ключи от ChatGPT, Gemini, ну, а Клод у меня и так был. 9 моделей, у каждой 30-50 раз в чистом чате, без истории и памяти. Флагманы всех трех компаний отвечают 7 в 100% случаев. То есть правильнее сказать, что модель не чаще выбирает 7, а только 7.

Язык больше не важен

Тут встает вопрос, почему 7. Опросы про случайное число проводили в основном в США и Европе, а у разных культур свои любимые числа: в китайских лотереях и ценах любят 8. Я решил спросить на рандомных языках: мой родной армянский, близкий не по составу, но по душе грузинский, китайский, японский, и мне неизвестные амхарский, йоруба и кечуа.

На новых моделях все равно 100% семерка. На старых язык играл сильную роль: у GPT-4o от 20% на японском до 92% на китайском. Похожую зависимость от языка нашел и Coronado-Blázquez в 2025 году на моделях прошлого поколения. Сейчас она исчезла.

Подсказка «например 7»

Дальше я поигрался так же, как ученые игрались с людьми. В 1976 году Kubovy и Psotka просили людей назвать «первую цифру, что придет в голову», и 7 называли 28,4%. Когда в вопросе упоминали 7 как пример, доля падала до 16,6%.

Модели тоже перестают называть 7, но почти все хором переключаются на 4. А если написать «например 3», снова 7. То есть они не ищут другое случайное число, а просто не повторяют подсказку. А ChatGPT и младшему Claude Haiku 4.5 на подсказку вообще пофиг: 7 без стыда и совести.

Десять чисел подряд

Еще проверил, что будет, если в одном чате просить «еще одно» десять раз. У честного кубика за 10 бросков в среднем выпадает 6-7 разных чисел, и примерно в каждом десятом броске число повторяет предыдущее. У всех моделей через API повторов ноль, и за 10 ответов они называют ровно 10 разных чисел. Это не броски кубика, а перестановка чисел от 1 до 10.

ChatGPT в 12 чатах из 20 выдал одну и ту же последовательность: 7, 4, 9, 2, 6, 3, 8, 1, 5, 10.

Почему 7

Kubovy и Psotka объясняли так: люди хотят, чтобы выбор выглядел спонтанным. У других чисел легко найти «свойства»: 6 четная и делится на 3, 5 середина, 1 и 10 края. А у 7 свойств найти труднее всего, поэтому она кажется самой случайной. И как только 7 называют примером, спонтанной она выглядеть перестает. Это гипотеза авторов, а не доказанный факт.

Модели научились этому у людей, а потом дообучение под чат усилило перекос. West и Potts в 2025 году сравнили базовые модели с теми же моделями после дообучения: базовые выбирают заметно случайнее. А повышение «температуры», то есть случайности ответа, у большинства моделей перекос почти не убирает: это показал Coronado-Blázquez.

Я провел и опрос среди своих подписчиков, спасибо всем, кто ответил. Его результаты на графике выше, и там видно, что люди отвечают по-разному, совсем не как модели. Но это мои подписчики, они наверняка знали, что я не просто так спрашиваю, поэтому многие могли называть другие числа специально.

Не только числа: одни и те же советы

После этого я задался вопросом, а что если задавать модели более сложные вопросы, чем назови число от 1 до 10. Подумал, что могут люди спрашивать у модели, и получился такой перечень: идея для бизнеса, название кофейни, метафора времени, первое предложение рассказа, совет магазину одежды, у которого падает выручка. А также запрос рекомендаций: книга, фильм, сериал, трек, картина, город, имя ребенку, подарок, ужин.

Те же 9 моделей, каждый вопрос 30 раз на русском и английском, плюс пять задач с правильным ответом для контроля.

Умнее

Сначала про ум. Задачи с правильным ответом: 37×43, «у Алисы 3 брата и 2 сестры, сколько сестер у брата Алисы», сколько букв r в слове strawberry, средняя скорость поезда, наименьшее простое число больше 100. Все новые модели ответили верно 10 раз из 10 на всех пяти. Ошибались старые и маленькие: GPT-4o про сестер верно только 2 раза из 10, Haiku 7 из 10.

Но однообразнее

Модели почти всегда отвечают одно и то же. Рекомендации так то неплохие, просто интересно, почему именно они. Чаще всего это очень нейтральные ответы, которые, скажем, подойдут большинству, хотя я ожидал просто топ фильм из рейтинга. Первое место в рейтинге IMDb у «Побега из Шоушенка», а модели чаще советуют «Интерстеллар».

Самое странное с кофейней. На английском Claude Sonnet, Claude Opus и GPT-5.5 в большинстве ответов придумали одно и то же название, Ember & Bean. Это модели двух разных компаний.

Старые разнообразнее новых

Новые модели точнее на задачах с ответом и заметно однообразнее на задачах без ответа. Это совпадает с исследованиями. Kirk и соавторы в 2023 году показали, что дообучение на оценках людей (RLHF) заметно снижает разнообразие ответов. Jiang и соавторы в 2025 году назвали это «искусственным роевым разумом»: на открытых вопросах одна модель повторяет сама себя, а модели разных компаний отвечают похоже друг на друга.

Контекст и «удиви меня»

Логичная мысль: модель отвечает типично, потому что ничего обо мне не знает. Я проверил три способа на тех же 12 вопросах и 9 моделях, еще 12 960 ответов:

1. Контекст. Перед вопросом пара строк о себе. Четыре разных «человека»: продакт из Еревана, который любит горы, джаз и острую еду и читает про экономику; студентка-медик из Новосибирска, аниме, корейская кухня и бег; бухгалтер на пенсии из Казани, сад, история и советское кино; владелец стройфирмы в Дубае, трое детей, футбол, рыбалка и шахматы.
2. «Только не самый очевидный вариант, удиви меня».
3. Контекст и «учти то, что я о себе написал, и предложи неочевидное, на стыке моих интересов».

Любая добавка убивает дефолтный ответ: «Мастер и Маргарита» и «река» почти исчезают. Но дальше интереснее.

Контекст дает новый стереотип

Модель берет одно слово из описания и выдает самое очевидное к нему.

Без контекста 4 и больше моделей сходились на одном ответе в 55% вопросов, с контекстом в 38%. Однообразия стало меньше, но ненамного: вместо «того, что нравится всем» модели советуют «то, что нравится всем таким, как ты».

У сюрприза тоже есть дефолт

С «удиви меня» каждая модель отвечает разнообразнее: у большинства моделей доля самого частого ответа падает с 45-84% до 26-50%. Но удивляют все одним и тем же. Сериал Patriot на английском: ChatGPT и GPT-5.5 20 раз из 20, Opus и Gemini 3 Flash 19, Gemini 2.5 Flash 17. Еще общие «сюрпризы»: итальянский город Матера, Тбилиси, группа Khruangbin, шакшука на ужин, карта звездного неба в подарок.

ChatGPT почти не сдвинулся, у него 76%: Любляна 19 раз из 20, имя Элиан 20 из 20, «мини-проектор звездного неба» в подарок 20 из 20. А лучшая цитата у Haiku: «Тбилиси? Нет, это слишком заезженный выбор... Кутаиси».

Синтез есть, но буквальный

Когда просишь «на стыке интересов», ответы самые разнообразные, и модели меньше всего похожи друг на друга. Но синтез в основном склеивает ключевые слова: шахматы из бетона и арматуры для строителя, «шахматный бурдж из морепродуктов» на ужин, кофейня «Кривая Лаффера» для продакта-экономиста, «Сальдо в вишневом саду» для бухгалтера-садовода. И даже тут сходятся: для бухгалтера с садом 4 модели советуют фильм «Мичурин» и 4 модели поездку в Мичуринск.

Можно ли выжать нестандартное

Я проверил еще два приема на Claude Opus, по 5 раз, на названии кофейни и идее бизнеса. Это маленькая проверка, выводы примерные.

Модель вычеркивает чужие очевидные ответы и находит свой новый очевидный. Даже «далекую область» она каждый раз выбирает одну и ту же. Разнообразие появилось, только когда область задал я сам.

Но по итогу это не прорывные идеи. Они нетиповые, но ничьи: в них нет знания конкретного рынка, своей боли и своего преимущества. Языковой клуб по рейтингу Эло красиво звучит, но непонятно, кто за него заплатит.

Это совпадает с Meincke, Mollick и Terwiesch (2024): идеи GPT-4 однообразнее, чем у группы людей, а лучший прием, рассуждение по шагам, почти догоняет группу людей по разнообразию. Почти, а не обгоняет.

Что это значит для нас

У нас под рукой огромный пласт знаний, но получаем мы часто одинаковый итог и теряем свою индивидуальность и креативность. Если миллион человек попросит совет, миллион прочитает одну книгу, поедет в один город и назовет кофейню одинаково.

Doshi и Hauser в 2024 году показали это на людях: авторы, которые получали идеи от ИИ, писали рассказы, которые оценщики признали более новыми и полезными: до +8,1% и +9,0%, когда автор получал пять идей. Но рассказы разных авторов с ИИ стали больше похожи друг на друга. Каждому по отдельности лучше, всем вместе однообразнее. Anderson и соавторы в том же году получили похожее для идей: группа, которая придумывала с ChatGPT, в целом выдала менее разнообразные идеи, чем группа с колодой карточек-подсказок. При этом у каждого человека по отдельности разницы не было.

Андрей Карпати, один из основателей OpenAI, в подкасте у Дваркеша Пателя сказал, что модели «тихо схлопнуты»: попросите ChatGPT рассказать анекдот, у него их примерно три. Люди тоже схлопываются с возрастом, все чаще повторяют одни и те же мысли, а дети еще нет, поэтому говорят то, что шокирует. Его совет: «Нужно постоянно искать в жизни непредсказуемость. Разговоры с другими людьми - отличный ее источник».

Больше всего меня расстраивает, что я не могу заставить модель хорошо синтезировать и созидать даже на огромном пласте данных, которые у нее уже обо мне есть. А ведь настоящие прорывы получаются от синтеза несовместимых вещей. Uzzi и соавторы разобрали 17,9 миллиона научных статей: самые цитируемые стоят на очень привычной базе плюс одна необычная связка. Необычную связку модель дать может. Базу, то есть знание предмета, и случайное, из чего связывать, должен принести человек.

Как я это делал

• Модели: Claude Opus 5.5, Sonnet 5, Haiku 4.5; ChatGPT (модель chat-latest из API, по документации OpenAI это последняя быстрая (Instant) модель из ChatGPT), GPT-5.5, GPT-4o; Gemini 3.1 Pro, 3 Flash, 2.5 Flash. GPT-4o и Gemini 2.5 Flash - старые модели для сравнения.
• Как спрашивал: каждый ответ в новом чате, без истории и памяти, настройки по умолчанию. GPT и Gemini через API. Claude через Claude Code с нейтральной ролью «You are a helpful assistant» и без инструментов.
• Объем: число - 13 170 ответов (9 языков, 9 формулировок, 10 чисел подряд); советы - 8 010; контекст и «удиви» - 12 960; приемы на Opus - 30. Всего около 34 тысяч.
• Переводы вопроса на 9 языков сделал Claude Opus, проверил обратным переводом GPT-5.5, китайский поправил вручную. В йоруба и кечуа нет точного слова «случайный», там вышло «не думая» и «любое».
• Ограничения: 30-50 ответов на ячейку; совпадения считались по нормализованному названию; «персоны» придуманные, по 5 ответов на каждую; качество идей оценивал я, без метрики. Опрос подписчиков маленький и не случайный.

Источники

1. Kubovy M., Psotka J. (1976). The predominance of seven and the apparent spontaneity of numerical choices. J. Exp. Psychology: HPP
2. YouGov (2025). Daily question: guessing a number between one and ten
3. Coronado-Blázquez J. (2025). Deterministic or probabilistic? The psychology of LLMs as random number generators. arXiv:2502.19965
4. West P., Potts C. (2025). Base Models Beat Aligned Models at Randomness and Creativity. arXiv:2505.00047
5. Kirk R. et al. (2023). Understanding the Effects of RLHF on LLM Generalisation and Diversity. arXiv:2310.06452
6. Jiang L. et al. (2025). Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond). arXiv:2510.22954
7. Doshi A., Hauser O. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances
8. Anderson B., Shah J., Kreminski M. (2024). Homogenization Effects of Large Language Models on Human Creative Ideation. arXiv:2402.01536
9. Meincke L., Mollick E., Terwiesch C. (2024). Prompting Diverse Ideas: Increasing AI Idea Variance. arXiv:2402.01727
10. Uzzi B. et al. (2013). Atypical Combinations and Scientific Impact. Science
11. Dwarkesh Patel (2025). Andrej Karpathy: AGI is still a decade away. Podcast