一句话看懂：Artificial Analysis 于 2026 年 10 月 19 日推出 AA-PersonalityBench，用 30 项人格特质、8 个指数和 21 项沟通特征，衡量大模型“怎么说话”而不只是“答得对不对”。对选型者来说，回答正确之外的默认表达风格，首次有了可量化参考。
事件核心：发生了什么
Artificial Analysis 发布 AA-PersonalityBench，专门评测 AI 模型的人格与沟通风格。方法上，由一组 LLM 评审在同一道题上，对模型回答按 30 项人格特质做两两比较，再聚合为 8 个人格指数：表现力、组织性、信息量、透明度、温度、信念感、想象力与“Slop（注水感）”。每个特质配 30 道题，总计 900 题，覆盖已纳入评测的 37 个模型；同时用程序化方式统计 21 项沟通特征，如回答长度、结构、标点和强调方式。
官方强调，得分描述的是模型在无系统提示时的默认写作风格，特质可为正面、中性或负面，衡量的是“强弱”而非“好坏”。榜单中出现的 Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Grok 4.7、GLM-5.3 等模型名称和位次，仅适用于原文日期与所述评测条件。
为什么重要
同题同分的两个模型，实际使用体验可能差异很大。此前行业评测多聚焦推理、代码和知识的正确率，AA-PersonalityBench 把“表达风格”拆成可比较的维度，补上了模型选型中经常被忽略的一层。对模型厂商而言，这意味着除了能力榜，还可能多出一条“风格榜”的竞争线：模型不只是要答对，还要在结构、语气、坦诚度和克制程度上符合目标场景。需要说明的是，目前公开信息显示这是评测基准发布，主观特质的评分仍依赖 LLM 评审，结论应限定在该框架内理解。
对用户/开发者/创作者的影响
对普通用户，这套指数可以作为挑选聊天助手时的风格参考：偏好简洁直接，还是更有人情味。对开发者，尤其是通过 API 构建 AI 应用的团队，可在提示词之外先比较模型的默认文风，减少后期反复调校。例如客服场景更看重温度和透明度，分析报告更看重组织性和信息密度，创意写作则关注表现力和想象力。对内容创作者，回答长度、结构和语气等程序化指标，有助于判断模型输出是否便于二次编辑。但它不替代任务准确率测试，实际选型仍应结合自身数据和成本做验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是榜单是否持续更新、覆盖模型是否扩大，排名会随版本迭代变化；二是行业是否采纳这类人格维度作为模型采购或 API 选型的参考项；三是厂商是否会针对“Slop”“谄媚”等负面特质调整默认输出策略。另外，LLM 评审的主观性和可复现性，也是该方法后续需要接受的检验。
