ウォーカー、主要LLM12モデルを性格診断240回で比較

株式会社ウォーカーは、主要LLM12モデルに16タイプの性格診断を計240回受けさせた調査結果を公開しました。
240試行で現れたのは7タイプにとどまり、9タイプは一度も確認されませんでした。
全モデルで「感覚」に関するスコアが低く、モデルごとに回答の一貫性も分かれました。

記事の概要

調査は、Anthropic・OpenAI・Googleの主要AI 12モデルを対象に、1モデルあたり20回実施したものです。
設問には、心理機能を測るために性格診断ラボが作成した48問を使用しています。
240試行で現れたタイプは、ENTP・INTP・ENFJ・INTJ・ISTP・INFJ・ENTJの7タイプでした。
ISTJ・ISFJ・ISFP・INFP・ESTP・ESFP・ENFP・ESTJ・ESFJの9タイプは、一度も現れませんでした。
8つの心理機能では、Tiの全モデル平均が71だった一方、Seは32、Siは24でした。
同じ診断結果へ戻る一貫性は、Claude Opus 5が100％、GPT-5.4 miniが25％でした。
調査では、モデルの規模だけでは一貫性を説明できず、モデルごとに測定する必要があるとしています。
株式会社ウォーカーは、全240試行のタイプ判定と8機能スコアを含む生データを公開しています。

記事のポイント

1. 9タイプが未出現： 240試行で確認されたのは7タイプで、感覚を含む8タイプではISTPだけが現れました。
2. 感覚の機能が低調： 心理機能の平均値はTiが71で最も高く、Seは32、Siは24にとどまりました。
3. 回答の一貫性に差： Claude Opus 5は20回すべてENTPでしたが、GPT-5.4 miniは6タイプに分散しました。

このニュースがもたらす影響

• AI導入企業： 同じ質問でもモデルごとに回答の一貫性が異なるため、業務投入前に自社の用途と反復条件で再現性を測る工程が求められそうです。
• AI開発企業： モデル規模だけでは一貫性を説明できない結果から、性能評価に正答率だけでなく、出力の偏りや安定性を組み込む必要が高まりそうです。
• AI研究者： 全240試行のタイプ判定と機能スコアが公開されたことで、同一条件での追試やモデル更新前後の比較を通じて、応答傾向を検証しやすくなります。

このニュースの背景

Anthropic・OpenAI・Googleの主要AI 12モデルを対象に、同じ48問を各20回実施して回答傾向を比較しています。
調査では、16タイプの出現状況に加え、8つの心理機能のスコアと、同じ診断結果に戻る割合をモデルごとに確認しています。
モデルの規模順では一貫性を説明できないケースがあり、モデル単位での測定が必要だという結論につながっています。
全240試行のタイプ判定と機能スコアが公開され、2026年8月22日以降に測定した5モデルでは設問ごとの平均回答も確認できます。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

主要LLM12モデルに性格診断を240回受けさせた結果を公開 16タイプ中9タイプが一度も出ない結果に

株式会社ウォーカーのプレスリリース（2026年9月2日 13時30分）主要LLM12モデルに性格診断を240回受けさせた…