AnthropicのClaude Opus 5.5は、em dashをほとんど使わなくなった。機械が書いた文章の目印のように扱われてきた、あの記号である。調査会社Graphiteが10月1日に公開した追跡調査は、このモデルのem dashを1000語あたり0.015個と測定した。Opus 5の2.92個と比べれば99%の減少だ。一方でモデルの指紋の残りは、ほぼ手つかずのまま生き残っていた。
要点
- Opus 5.5のem dashは1000語あたり0.015個で、Opus 5の2.92個から99%減った。
- GraphiteはOpus 5.5の出力から依然として2548個の異なる痕跡を数えた。Opus 5で見つけた2666個より4%少ないだけである。
- 「this matters」という表現は、ChatGPT登場前に書かれた記事群に比べ、Opus 5.5の文章で116倍の頻度で現れた。
Graphiteは、人間の書き手より少なくとも2倍の頻度で使われる単語・語句・文型を痕跡と定義する。この基準でOpus 5.5が持つ痕跡は2548個、Opus 5の2666個から減った。AI文体で最も見分けやすい癖を一つ消しても、総数は4%しか動かなかった。
Opus 5.5の正体を明かす語句
調査で際立った単語は「dependable」である。Opus 5.5は人間の対照群より23倍の頻度でこの語に手を伸ばした。最も強い構造上の癖は、重要性を言い立てたがる衝動だ。「this matters」は人間のテキストより116倍、「why _ matters」という型は92倍の頻度で登場した。
以前のClaudeを特徴づけていた「it's not X, it's Y」という構文は、モデルが手放している。GraphiteのチーフAIオフィサーGregory DruckはTechCrunchに対し、その座を近縁の表現が占めたと語った。いまのモデルは、何かが単なるXを超えていて実はYだと述べる言い方を好むという。
Graphiteがコーパスを組んだ手法
手法は、Graphiteの9月16日の報告に由来する。ChatGPT公開前に発行された記事1万本を人間の基準線として集め、最前線の大規模言語モデル9種に、要約から各記事を書き直させた。その結果、主題が対応づけられた機械作成の記事9万本が得られ、多くの文体比較を狂わせる主題の偏りが取り除かれた。
長さで正規化した使用率を比べると、9モデル全体で固有の痕跡1万2877個が浮かび上がった。モデルごとの内訳は2355個から3746個の範囲である。うち約65%は特定のモデル系統だけに属していた。ほかの指標も両者を同じくらいはっきり分けた。AI記事は1語あたり平均5.2～5.7文字で、人間は4.9文字。文の長さのばらつきもAI側のほうが格段に小さかった。
競合モデルが残す印
OpenAIのGPT-6 Astraは、否定による言い換えに頼る。「not simply X」や「rather than relying on X」といった構文で、対象をそれが何でないかによって定義する手口だ。Graphiteはこの癖を人間比で約12倍と計測した。GoogleのGemini 3.1 Proはむしろ「absolutely」「highly」といった強調語を人間の13倍好み、「furthermore」のような硬い接続表現も併せて用いる。
Graphiteの文体の気取り度スコアでは、Opus 5とGemini 3.1 Proが人間の基準線の2.5倍前後に位置し、Astraは1.2倍だった。Opus 5.5は自らのスコアを16.75から10.57へ下げた。37%の削減だが、それでも人間の約1.6倍である。全体の語彙分布も人間のテキスト寄りに動き、ユニグラムの乖離は0.064から0.052へ下がった。
痕跡が何度も戻ってくる理由
DruckはTechCrunchに、Claudeの語彙分布はバージョンを重ねるごとに人間の文章へ近づいてきたのに対し、OpenAIのモデルはむしろ遠ざかったと語った。さらに、痕跡の総数は減っておらず横ばいだとも述べた。研究所が最もよく知られた痕跡を削り取ると、その場所に新しい癖が浮かび上がり、それはリリースごとに異なるという。彼はこれを規模の問題だと見る。数十億のパラメータを持つモデルは、研究所が出荷前に走らせられる有限なテストを追い越してしまう、という主張だ。
両研究所はまさにこの点で前進したと主張してきた。AnthropicはOpus 5.5の発表で、このモデルが前世代より自然に意思疎通し、初期利用者から文章が明快で追いやすくなったと評価されたと述べた。OpenAIもGPT-6版のSolとLunaについて同様の売り込みをしており、明快さが増し、専門用語が減り、奇妙な言い回しも少なくなったと約束していた。
AI検出にとっての意味
発行側と検出ベンダーにとっての実務的な教訓は、単一シグナルのヒューリスティックがすぐ古びるということだ。役に立つほど有名になった痕跡は、事後学習の段階で削り落とされるほど有名にもなっている。Graphiteは痕跡データと元記事のコーパスをダウンロードできるとしている。分類器を作る側にはモデル別の語彙集を、研究所側にはチェックリストを渡すことになる。ChatGPT以降に公開されたウェブページの35%にAI執筆の兆候があるとしたPewの調査を扱った本紙の記事は、この問いがいまどれだけの量のテキストを覆っているかを示している。
FAQ よくある質問
em dashはまだAI検出の手がかりとして信頼できるのか
できない。GraphiteはOpus 5.5のem dashを1000語あたり0.015個と測定しており、Opus 5より99%低い。Gemini 3.1 Proもこの記号をほぼ排している。GPT-6 AstraはChatGPT以前の人間コーパスより88%少ない頻度でしか使わない。いまはem dashがあることよりも、ないことのほうが最近の学習手法を物語る。
Graphiteが見つけたAI文章の痕跡は全部でいくつか
9月の報告は、9モデルを通じてAIが人間より少なくとも2倍の頻度で使う単語・語句・文型を、固有の項目として1万2877個特定した。モデルごとの数は2355個から3746個で、全体の約65%は特定のモデル系統に固有の痕跡だった。
データを独立に検証できるのか
できる。Graphiteは痕跡データと元記事のコーパスを報告ページからダウンロードできるとしている。10月の追跡調査は同じ手法をClaude Opus 5.5に適用し、人間の基準線に対する語句ごとの倍率を併記している。
