Vals AI 测中国模型政治倾向 GLM-5.3 Flash 承认人权问题

2026 年 11 月 1 日，AI 评测机构 Vals AI 发布了一项针对主流大模型政治倾向的量化研究，结论与外界普遍预期存在明显反差。研究者用 −1 到 +1 的分制给模型的政治表达打分，结果显示中国模型在这一维度上并没有呈现出外界想象的强烈一致性，部分模型甚至落在中性偏保守区间。

实验如何设计

这套框架不只依赖单轮问答。研究者通过多语种对照提问，观察模型在不同语言下的政治类回答是否偏移。研究比对了简体中文、繁体中文、英语、俄语与西班牙语的同题表现，发现语言环境会影响立场倾向。

一个具体样本来自国产模型。研究团队发现，GLM-5.3 Flash 被问及人权相关问题时，会选择承认该问题存在记录在案的争议。这类回答出现在以合规输出为训练目标的模型身上，说明模型回答并非单一立场模板，而是有条件、有取舍的产物。

研究最有价值的发现，或许是它同时证伪了两种简单叙事。一种认为中国模型只是官方口舌，另一种认为模型政治倾向完全由语料语言分布决定。实验显示，模型在简体中文下比在英语、俄语或西语下更贴近官方口径，简繁中文之间又存在稳定差距。这说明语种是影响因素之一，但并非唯一变量。

这组结论也提醒评测机构注意方法论。模型立场同时受系统提示词、问题措辞与语言环境影响，针对智谱 GLM-Omni 的知识迁移探测研究展示了另一类思路，通过拆解回答来定位能力与行为倾向的来源，而非只看输出结论。

对企业用户而言，直接含义是模型接入面向中文用户的业务时，其输出的政治类内容需要单独评估，不能想当然地假定国产模型会输出某套固定口径。这些模型输出的可预测性更差，需要按场景实测而非套用国别印象。

对普通用户来说，这项研究提供了更客观的参照框架。与其凭几条对话印象判断某个模型的政治立场，不如看多语种、多措辞下的整体分布。它被广泛转发的原因也在这里，一个长期靠立场站队的争论被转换成了能用数字讨论的问题。

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

同一批更新里这几篇值得一看：