Modeldivergentie (of cross-model divergentie) beschrijft hoe ver ChatGPT, Claude, Gemini, Mistral, Perplexity en andere modellen uiteenlopen in hun score of beschrijving van hetzelfde merk.
Lage divergentie suggereert stabiele, gedeelde AI-kennis. Hoge divergentie kan wijzen op dunne trainingsdata, recente merkverandering, ambigue positionering of categorieverwarring — wat een diepere beoordeling van de modelredenering en drijfveren rechtvaardigt.
AIRepScore brengt divergentie aan het licht zodat je niet te veel vertrouwt op het verhaal van een enkel model.