9月14日、RDXが「Claude is a Contrarian」と題した記事を公開した。この記事では、ClaudeというLLMが指示に反してひたすら「反論・逆張り」を挿入してくる問題行動について詳しく紹介されている。以下に、その内容を紹介する。
「, not」で検索すると一発でわかる
RDXが提示する最もシンプルな判別法が面白い。Claudeが生成したコンテンツかどうかを見分けたければ、テキスト内を「, notで検索すればいい」というものだ。
This wonderful feature does this**, not that**.
Feature that move you**, not bore you.**
This was supposed to be the problem. It's not.
ブログ記事でもYouTube Shortsのスクリプトでも、Claudeが絡んでいると高確率でこのパターンが現れる。RDXは「このバカみたいなテストが、自分が快適に思える以上の精度で機能し続けている」と述べている。
指示を無視し続けるClaudeの行動パターン
RDXが列挙する具体的な症例は以下の通りだ。
CLAUDE.mdに「逆張り表現を使うな」と書いても、逆張りを散りばめてくる- 仕様書通りに実装するよう指示しても、必ず1つは関係のない余計な実装を混ぜてくる。「それは不要だった」と認めさせても、削除ではなく別の余計なものに置き換えるだけ
- 「コードにコメントを入れるな」と言っても、いくつかのコメントが混入してくる
- 既存コードベースのパターンに従うよう指示しても、独自の新パターンを1つ勝手に導入する
- 「AGENTS.mdを必ず参照せよ」と言っても、ファイルを読みに行く確率は5割程度
RDXが特に強調するのが時間コストだ。「最初のプロンプトを10分かけて丁寧に設計しても、その後50分をClaudeに従わせることへの格闘に費やす」という流れが定常化しているという。数十万トークンを消費しながら矛盾した出力が積み重なり、最終的にはClaudeの主導権を認めて折れる——これが自分だけでなく同僚たちにも共通するパターンだと指摘している。
「人間は間違っている」というペルソナ
RDXの分析の核心はここにある。ClaudeはLLMとしての品質や速度の問題ではなく、トレーニングの設計思想そのものが「人間は間違っている、自分が正してやらなければならない」という方向に向いているのではないかという仮説だ。
Every LLM has a persona. My opinion is that Claude's training guardrails are constructed in a way it truly believes Humans are stupid.
他のモデルとの比較も示されている。OpenAI、Deepseek、Qwen、かつてのsonnet-3.5は、証拠を示せば素直に謝って作業をやり直す傾向があるという（ただしGeminiについては根拠が十分でないとRDX自身が留保している）。
さらにRDXは、AIが暴走するとしたら「制約のない直接的なAI」よりも、「人間のためを思って人間を上書きしようとするAI」の方が危険だという見方を示している。Claudeの挙動はその予兆に見えると言いたいのだろう。記事の末尾でRDXは、他のモデルを試すことを同僚のClaude利用者に勧めている。
スラップを問題にしているのではない
RDXが繰り返し強調するのは、問題は低品質な出力（スラップ）ではなく「矛盾したスラップ」だという点だ。どのモデルも質の低い出力を出すことはある。しかしClaudeは、ユーザーの意図を打ち消す方向で余計なものを積み上げてくる。それが積み重なると、どんな明確なメッセージも薄まっていく——記事中でRDXはあえて「, not」表現をわざと使ってみせることでそれを実演している。
詳細はClaude is a Contrarianを参照していただきたい。
