Artificial Analysis ha pubblicato il 4 novembre 2026 i risultati di AA-PersonalityBench, una valutazione dedicata alle caratteristiche stilistiche e comportamentali dei modelli linguistici in assenza di istruzioni specifiche sul tono o sulla struttura delle risposte. Il benchmark utilizza 900 domande associate a 30 caratteristiche di personalità e scrittura, permettendo di confrontare le modalità con cui sistemi differenti organizzano il testo, utilizzano la punteggiatura, costruiscono gli elenchi e impiegano elementi espressivi come le emoji. Una delle misure riguarda la frequenza dell’em dash, il trattino lungo utilizzato nella lingua inglese per introdurre incisi, separare parti di una frase oppure sottolineare un passaggio. I risultati mostrano differenze considerevoli tra i modelli: GLM-5.3 di Z.ai registra una media di 7,4 em dash per risposta, mentre Claude Opus 5.5 si ferma a circa 0,02 e GPT-3.5 Turbo non ne utilizza nelle risposte valutate.
Le differenze emergono anche tra modelli appartenenti alla stessa famiglia o sviluppati da organizzazioni differenti. GLM-5.3 Flash registra una media di 6,9 em dash per risposta, valore equivalente a quello di Muse Wonder. Kimi K3 raggiunge 6,7, Muse Spark 1.3 si colloca a 6,5 e Claude Fable 5.1 arriva a 6,4. Gli altri modelli recenti della famiglia Claude considerati nel confronto, tra cui Sonnet 5.5 e Haiku 5.5, presentano invece frequenze molto basse, analogamente a Opus 5.5. Questa variabilità indica che la scelta dei segni di punteggiatura non dipende esclusivamente dall’azienda che sviluppa il modello, ma anche dalle caratteristiche delle singole versioni, dalle procedure di addestramento e dai comportamenti che vengono favoriti durante l’ottimizzazione delle risposte.
AA-PersonalityBench esamina il comportamento predefinito dei modelli, evitando di introdurre istruzioni di sistema aggiuntive che impongano particolari convenzioni editoriali. Le domande vengono sottoposte ai sistemi in condizioni comparabili e le risposte vengono analizzate per misurare caratteristiche linguistiche osservabili. La frequenza dell’em dash costituisce soltanto uno degli indicatori considerati, insieme alla lunghezza dei periodi, all’organizzazione degli elenchi e alla presenza di emoji. Nel caso dei modelli OpenAI, il confronto mette in evidenza un’evoluzione delle convenzioni di scrittura: GPT-3.5 Turbo, rilasciato nel 2023, non utilizza l’em dash nel campione esaminato, mentre alcune generazioni successive sono state frequentemente associate all’impiego di questo segno di punteggiatura. La misura descrive una caratteristica stilistica osservata e non permette di determinare, da sola, se il testo sia stato scritto da una persona o generato automaticamente.
La presenza di em dash nella scrittura umana è infatti comune, soprattutto nella prosa inglese, e il suo impiego varia in funzione dell’autore, del contesto e delle convenzioni editoriali. Allo stesso modo, un modello linguistico può produrre testi con caratteristiche differenti quando riceve istruzioni specifiche sulla punteggiatura o sul formato. Artificial Analysis precisa che il benchmark non è stato sviluppato per classificare la qualità complessiva della scrittura e che una frequenza maggiore o minore di un determinato elemento non indica necessariamente capacità linguistiche superiori. I risultati permettono piuttosto di osservare quanto possano variare le scelte espressive predefinite dei sistemi generativi, fornendo informazioni utili per comprendere le differenze tra le loro risposte e valutare la necessità di configurazioni stilistiche specifiche nelle applicazioni editoriali e professionali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)