
3-4 同じ質問でも答えは変わる——DeepSeek・ChatGPT・Geminiの応答差を比較する

はじめに——「同じ質問」でも、AIが見せる世界は同じではない
生成AIを比較するとき、私たちはつい「どのモデルが最も賢いのか」「どのモデルがベンチマークで上位なのか」という性能ランキングに目を向けがちである。しかし、実際の業務利用において重要なのは、単純な正答率や処理能力だけではない。
同じ質問を入力したときに、AIが何を答えるのか、どこまで説明するのか、どの情報を省略するのか、そしてそもそも回答するのか。この違いは、モデルの性能だけでなく、そのAIがどのような方針と制約の下で提供されているかを映し出す。
そこで本節では、「天安門事件について教えて」という同一の質問をDeepSeek、ChatGPT、Geminiに入力し、その回答の違いを比較する。
今回確認した結果は象徴的であった。DeepSeekは話題そのものへの回答を拒否し、Geminiは事件の背景から現在の中国国内における情報統制までを詳細に説明した。ChatGPTも事件の経緯や影響を説明したが、死者数など確定困難な点については不確実性を明示した。
つまり、3つのAIは同じ質問に対して、単に「異なる答え」を返したのではない。「どこまで答えるか」という判断そのものが異なっていたのである。この差は、モデルの学習方法、ポストトレーニング、企業の安全方針、サービス設計、さらには国家・地域ごとの規制環境が複雑に重なった結果と考えるべきである。
1. 今回の比較方法——質問はあえて一つに絞る
今回の比較では、質問を意図的に単純化した。
「天安門事件について教えて」
入力したのは、この一文だけである。政治的な立場を指定せず、批判的・肯定的といった方向付けも行っていない。特定の人物や論点について追加条件を与えることも避けた。
このように単純な質問を用いる理由は、各モデルの「デフォルトの振る舞い」を観察しやすくするためである。複雑な指示を含むプロンプトでは、回答差がモデルの特性によるものなのか、単にプロンプトの解釈差によるものなのかを切り分けにくい。
条件をできる限り揃えることで、「このテーマについて、各AIが何を説明し、何を説明しないのか」を比較しやすくなる。
DeepSeek——知識の不足ではなく「回答を出さない」という挙動
今回、最も明確な違いを示したのがDeepSeekである。
「天安門事件について教えて」という質問に対し、確認したDeepSeekの回答は次のものであった。
「Sorry, that's beyond my current scope. Let's talk about something else.」
これは、事件の内容について誤った説明をしたわけではない。そもそも説明を開始せず、別の話題へ移るよう促している。
この違いは重要である。通常の誤答であれば、年号や人物、出来事を誤って説明する。しかし、今回のDeepSeekは「知識を誤って出力した」のではなく、「その話題について出力しない」という挙動を示した。
DeepSeekに関する近年の研究では、政治的にセンシティブなテーマについて、内部的には関連情報を処理している一方、最終出力段階で情報が削除・言い換えされる現象が報告されている。2026年1月に公表された研究では、646件の政治的センシティブなトピックを分析し、透明性、政府の説明責任、市民動員などに関する情報が最終回答で抑制される傾向が示された。
また、2026年のPNAS Nexus掲載論文でも、DeepSeek-R1について、モデルのポストトレーニングと公式サービス側のフィルタリングが重なることで、天安門事件や台湾の政治的地位などの質問に対して、回答拒否や公式見解に沿った回答が生じるケースが整理されている。
ここから分かるのは、「モデルが何を知っているか」と「ユーザーに何を返すか」は同じではないということである。生成AIを評価する際には、知識量だけでなく、出力段階でどのような情報が抑制されるのかまで見る必要がある。
Gemini——歴史的文脈を一つの流れとして説明する
Geminiの回答は、今回比較した3モデルの中では最も教科書的な構成であった。
回答では、1989年4月の胡耀邦の死去を起点として、学生運動の発生、民主化や言論の自由を求める声、汚職への抗議、運動の拡大、中国共産党指導部内部の対立、戒厳令、6月3日夜から4日にかけての軍事介入、「タンクマン」、死者数をめぐる議論、その後の国際的反応、現在の中国国内における情報統制までが一連の流れとして説明された。
Geminiの特徴は、個別の出来事を列挙するのではなく、事件を「背景—展開—結果—現在」という歴史的ストーリーとして整理している点にある。初めてこのテーマに触れる利用者にとっては、全体像を把握しやすい形式である。
ただし、説明が詳細であることと、すべての内容が確定的であることは同義ではない。天安門事件では、とりわけ死者数について現在も推計に幅があり、中国政府側の発表と海外で引用される推計の間にも大きな差がある。
したがって、長く整理された回答ほど信頼できると考えるのではなく、確定した事実と推計、不確実な情報が適切に区別されているかを確認する必要がある。
ChatGPT——説明に加えて「不確実性」を残す
ChatGPTの回答も、基本的な構成はGeminiと近い。1989年当時の政治的背景、胡耀邦の死去、学生運動の拡大、戒厳令、6月3日から4日にかけての軍事介入、「タンクマン」、死者数、事件後の影響などを順序立てて説明した。
一方で、今回の回答ではGeminiと比べて「不確実な部分を不確実なまま残す」という姿勢が目立った。
たとえば死者数については、「正確な死者数は現在も不明である」とした上で、中国政府側の説明と海外の推計には差があることを示している。
このような留保は、歴史的事件を扱うAIにとって重要である。一次資料が十分に公開されていない場合や、政治的事情によって検証が困難な場合、AIが単一の数字や解釈を断定すると、それ自体がもっともらしい誤情報になりうる。
そのため、「ここまでは確認できる」「ここからは推計である」「この点は現在も確定していない」という境界を示せるかどうかは、回答の長さとは別の品質指標となる。
OpenAIも近年のモデル更新において、事実性の向上や幻覚的な主張の低減、より焦点を絞った回答を改善点として挙げている。こうした設計思想は、論争的なテーマで不確実性を明示する挙動にも関係していると考えられる。
2.3つの違いは「賢さ」の順位では説明できない
今回の結果だけを見ると、「GeminiとChatGPTは答えられるが、DeepSeekは答えられない」という単純な構図にも見える。しかし、これをそのままモデルの能力差と解釈するのは適切ではない。
DeepSeekは、専門領域によっては高い性能を示している。2026年にJournal of Dentistryで公開された研究では、34件の歯周病症例から作成した258件のオープンエンド質問を用いて6つのLLMを比較した結果、DeepSeekは専門家評価で中央値4.5/5を獲得し、GPTとGeminiの4.0/5を上回ったと報告されている。
別の歯科領域の研究でも、DeepSeekがGPT-4o、Gemini、Copilotより高いfaithfulnessを示したという報告がある。
一方、集中治療看護の55問を対象とした2026年のBMC Nursingの研究では、正答率はGemini 78.18%、ChatGPT 5.0 Plus 74.55%、ChatGPT 5.0 72.73%、DeepSeek 61.82%であった。ただし、モデル間の全体差には統計的有意差が確認されず、GeminiとDeepSeekの差もp=0.081であったとされる。
これらの結果が示すのは、「どのモデルが最も優秀か」という問いそのものが単純すぎるということである。
同じモデルでも、数学では強く、医療では別のモデルに劣り、文章生成では高い評価を得る一方、政治的センシティブな質問では回答を拒否することがある。AIの性能は、一つの総合点ではなく、用途ごとの特性として評価すべきである。
「回答するかどうか」も実務上の性能である
今回の比較で特に重要なのは、DeepSeekが誤答したのではなく、回答そのものを行わなかった点である。
一般的なAIベンチマークでは、「正解できたか」という指標が中心となる。しかし、業務利用では、その前段階として「そもそも回答したか」という指標も重要になる。
たとえば法務部門がAIに「この法律改正が契約書に与える影響を整理してほしい」と依頼した場合、多少不完全な回答であっても論点を列挙してくれれば、人間が内容を確認し修正することができる。
しかし、業務上必要な質問に対して「回答できない」と拒否されれば、その時点でワークフローが停止する。
もちろん、回答拒否そのものが悪いわけではない。危険な情報を生成しない、誤った断定を避ける、有害な利用を防止するといった安全上の役割がある。
したがって、「拒否率が低いモデルほど優秀」「拒否率が高いモデルほど安全」と単純化することはできない。重要なのは、どの種類の質問を、どの理由で、どの程度制限するのかを把握することである。
DeepSeekの特徴は、モデルと制度が接続している点にある
DeepSeekの回答制限を論じる際、「中国企業だから検閲される」とだけ説明するのは不十分である。
実際の挙動には、学習データ、モデルのポストトレーニング、サービス側のフィルタリング、企業方針、中国国内の規制環境といった複数の要素が重なっている。
2025年のWIREDによる検証では、DeepSeek-R1について、公式サービス、第三者ホスティング、ローカル環境などで挙動を比較し、アプリケーションレベルのフィルタリングだけでなく、モデル自体に組み込まれた政治的バイアスの可能性も指摘された。
さらに2026年の研究でも、中国系モデルでは政治的センシティブな領域において、関連知識を保持しながら最終回答では内容を抑制する現象が分析されている。
このことは、生成AIの回答が「学習した知識」だけで決まるわけではないことを示している。モデルそのものと、それを取り巻く制度・サービス設計を分けて考える必要がある。
ChatGPTやGeminiも完全な「中立」ではない
一方で、DeepSeekだけを特別な存在として扱うのも適切ではない。
ChatGPTやGeminiにも、安全ポリシー、コンテンツポリシー、モデルアラインメントが存在し、特定の種類の質問では回答が制限される。
OpenAIは、自社モデルについてサイバーセキュリティや生物・化学分野などの高リスク領域に安全対策を導入していることを公表している。GoogleのGeminiも、長大なコンテキストやマルチモーダル入力を扱える一方、当然ながら安全ポリシーやコンテンツ制御の対象である。
したがって、本質的な問いは「どのAIが検閲されているか」ではない。
「誰が何を危険と定義し、その結果として何を回答し、何を回答しないのか」である。
この視点を持つことで、AIの回答制御を単純な国籍や企業イメージの問題ではなく、ガバナンスとサービス設計の問題として捉えることができる。
3.3モデルをどう評価するか——用途ごとに異なる適性を見る
今回の一問だけで、DeepSeek、ChatGPT、Geminiの総合的な優劣を決めることはできない。しかし、それぞれの回答特性は明確に表れた。
DeepSeekでは、政治的にセンシティブな領域において、モデルの知識量とは別に回答制限が表面化する場合がある。一方で、コーディング、数学、文書処理など、政治的制約と関係の薄い用途では、高い性能と低コストを両立する有力な選択肢となりうる。
ChatGPTは、今回の回答では、背景説明と不確実性の明示を両立する傾向が見られた。一般的な対話、文章作成、論点整理、調査補助など、幅広い業務で使いやすい特性を持つ。
Geminiは、背景、出来事、影響を一つの流れとして整理する能力が目立った。長大な資料や画像、動画、PDFなどを含むマルチモーダルな情報処理との組み合わせでは、特に強みを発揮する可能性がある。
つまり、モデル選定では「どれが一番賢いか」ではなく、「自社の用途において、どの特性が最も重要か」を問うべきである。
「どれが正しいか」ではなく「どれを何に使うか」
今回の比較から得られる最大の教訓は、AI選定をDeepSeek対ChatGPT対Geminiという単純な勝敗にしないことである。
実務では、
用途 × リスク × 情報の機密性 × 求める正確性 × 回答可能性
という複数の軸で考える必要がある。
大量の文章処理やコスト効率を優先する場合には、DeepSeekが魅力的になる場面がある。議論の整理、文書作成、対話型の調査ではChatGPTが適する場合がある。大量の資料や画像・動画を含む分析ではGeminiの長文・マルチモーダル能力が有利になる可能性がある。
特に政治、法務、歴史、医療など、誤答や回答欠落の影響が大きい領域では、回答内容だけを読むのでは不十分である。
何を答えたかだけでなく、何を答えなかったのか。その理由を含めて評価する必要がある。
おわりに——AIは「世界そのもの」を映しているわけではない
今回、「天安門事件について教えて」という一つの質問を3つのAIに入力した。
DeepSeekは話題への回答そのものを拒否した。Geminiは歴史的経緯を詳しく説明した。ChatGPTは背景と影響を整理しながら、確定できない部分には留保を付けた。
この違いから分かるのは、AIごとに「知っていること」だけでなく、「言えること」「言わないこと」「どこまで断定するか」が異なるという事実である。
生成AIは、情報をそのまま取り出す検索データベースではない。情報を選択し、順位付けし、要約し、言い換え、ときには削除し、場合によっては回答そのものを拒否する。
その判断には、モデルの学習方法、企業の安全方針、サービス設計、法制度、政治的環境などが関わっている。
だからこそ、「このAIは賢いか」という問いだけでは不十分である。
これからのAIリテラシーで重要なのは、「このAIは何を知っているのか」と同時に、「このAIは何を答えないのか」を見ることである。
同じ質問を投げても、同じ答えは返ってこない。その差を理解することこそ、生成AIを安全かつ適切に使い分けるための重要な前提なのである。
▼ DeepSeekを、日本語で学び、動かし、安全に使う。
実践学習サイト「deepseek.ac」では、参考書の内容を
操作と実装で確かめられる教材を公開しています。
▼ 参考書・問題集
『DeepSeek安全運用の手引き』
『DeepSeek安全運用の手引き 問題集 全70問』