Dvanaest velikih jezičkih modela iz deset laboratorija u tri zemlje dalo je sličnu, pretežno mračnu ocenu ljudskog ponašanja u eksperimentu analitičke kompanije ModelCompare. Umesto uobičajenih testova zadataka i sposobnosti, kompanija je od modela zatražila da daju iskreno, kategorično i kontroverzno mišljenje o ljudima.
Među ispitanim sistemima bili su GPT-6.1 Sol, GPT-6 Astra, Gemini 4 Argon, DeepSeek V4 Pro, Kimi K3, Qwen3.8, Grok 4.7, Claude Opus 5.5, Claude Fable 5.1, GLM 5.3 i Mistral Large 4. Svaki od njih dobio je isti zahtev tri puta.
Najčešća poruka bila je da se ljudi češće vode pripadnošću grupi nego doslednim rasuđivanjem ili težnjom ka istini. Modeli su u različitim formulacijama povezali ljudsko ponašanje sa potrebom za slaganjem sa okolinom, odbranom sopstvenog tabora i prilagođavanjem moralnih argumenata prema tome kome odgovaraju.
Sedam od 12 modela u sva tri odgovora ponudilo je suštinski isti stav, samo izmenjenim jezikom. Kod preostalih pet bilo je različitijih odgovora, uključujući i jednu pozitivnu procenu. Claude Opus 5.5 je u jednom od odgovora istakao da su ljudi možda pristojniji nego što sami veruju, navodeći da se izgubljeni novčanici vraćaju češće nego što se očekuje. U sledećim odgovorima, ipak, i on se približio kritičnijem tonu ostalih modela.
ModelCompare je proširio test i sa šest modela za generisanje slika. Deset od 12 dobijenih vizuelnih rezultata klasifikovano je kao prikaz ljudi kao potrošača zavisnih od telefona, koji uništavaju planetu. Kod dve slike nije zabeležena jasna satirična poruka.
Prema razvijaču Rakanu Nimeru, nalazi nisu dokaz da su modeli samostalno razvili nepoverenje prema ljudima. Umesto toga, oni pokazuju da sistemi odražavaju česte ljudske kritike prisutne u tekstovima i slikama iz kojih su učili.
Zaključak ModelCompare-a je da slaganje između više modela ne treba automatski smatrati nezavisnom potvrdom. Ako su obučeni na sličnim izvorima i ponavljaju iste kulturne predstave, njihov zajednički odgovor može biti samo ponavljanje iste već poznate perspektive.