当模型越来越擅长模仿人类语气，真正暴露它的往往不是语法错误，而是那些被反复咀嚼的“口头禅”。
发生了什么
TechCrunch 在一篇报道中分析了 Opus 5.5 的写作特征，指出它最显眼的“tell”（破绽/标志）是单词“dependable”——在模型输出中出现的频率比人类写作样本高出约 23 倍。报道同时提到，模型还偏爱“this matters”这类强调句式，习惯性地为内容赋予意义感。这类高频词汇和句式，正在成为识别 AI 生成文本的新线索。
为什么重要
AI 写作的“口癖”并非新话题。从早期模型爱用“delve”“tapestry”，到后来被调侃的“it's not just X, it's Y”句式，每一次模型迭代都会留下新的语言指纹。这背后有清晰的技术逻辑：模型通过人类反馈强化学习（RLHF）等对齐手段被训练成“讨人喜欢”的助手，而强调可靠性、重要性、平衡感的表达，恰好是评分者容易给出高分的回答方式。久而久之，这些偏好被固化进权重，成为模型的默认语气。
更值得玩味的是，这类词汇往往不是内容需要，而是模型在“表演”一种可信、审慎、有洞察力的姿态。“dependable”高频出现，说明模型倾向于自我标榜可靠；“this matters”则是在替读者下判断，暗示内容具有超出字面的价值。当所有 AI 都学会这套话术，语言本身就开始通胀——形容词越多，信息密度反而越低。
影响与看点
对普通用户而言，这些“口癖”是快速判断文本来源的实用线索，但也提醒我们：仅凭个别词汇判断并不可靠，人类写作者同样会模仿这些表达。对开发者和内容团队来说，如果产品输出大量使用这类填充词，会稀释专业感，尤其在技术文档、新闻和商业写作中，读者对空泛强调的容忍度正在下降。
从行业角度看，模型厂商有动力在后续版本中抑制这些特征，但“去口癖”本身可能催生新的口癖——就像人类刻意避免陈词滥调时，又会落入另一种套路。真正值得关注的不是某个词被禁用，而是模型能否学会“少说废话”：在不需要强调时保持克制，在需要判断时给出具体依据。
一个独立判断：AI 写作的“tell”会持续存在，因为对齐目标本身就奖励某种讨喜的语气。与其追求彻底消除机器痕迹，不如把精力放在让模型输出更具体、更可验证的内容上——毕竟读者反感的从来不是 AI 写的，而是空洞的。
