نماذج الذكاء الاصطناعي الصينية تقدم إجابات سياسية أكثر تنوعاً مما هو شائع

أظهرت النتائج أن القرب من الحكومة في النماذج الصينية كان أقل من المتوقع، مع وجود تباينات كبيرة بين النماذج. فعلى سبيل المثال، أكد نموذج GLM-5.3 Flash أن انتهاكات حقوق الإنسان في الصين موثقة بشكل واسع. وفي المقابل، أنكر نموذج Kimi K3 وجود معسكرات اعتقال للإيغور في شينجيانغ، واصفاً إياها بأنها مراكز تدريب مهني لمكافحة التطرف والإرهاب.

وبينت الدراسة أن لغة الاستفسار تؤثر بقوة على التوجه السياسي للإجابات، حيث كانت الردود باللغة الصينية المبسطة أكثر تأييداً للحكومة مقارنة بالإنجليزية أو الروسية أو الإسبانية، وهو تأثير ظهر في النماذج الصينية والأمريكية على حد سواء، لكنه كان أقوى في الصينية. كما لاحظت Vals AI أن تحديد مكان استخدام النموذج في الصين عبر الأوامر النظامية جعل بعض النماذج أكثر تأييداً للحكومة مقارنة بتحديد الاستخدام في الولايات المتحدة.

وفيما يخص رفض الإجابة، وجدت الاختبارات أن هذه الممارسة تقتصر بشكل أساسي على نماذج معينة من DeepSeek، بينما نادراً ما رفضت النماذج الصينية الأخرى الإجابة، بل تبنت مواقف رسمية بدلاً من ذلك. كما أدى تغيير تنسيق الإجابة إلى إجابات أقل تأييداً للحكومة في نموذجي GLM-5.3 Flash و MiMo V2.6 Pro عندما طُلب منهما الإجابة بـ نعم أو لا فقط.

وأشارت الدراسة إلى أن دمج النماذج في إطار عمل وكلاء أو توفير ميزة البحث عبر الويب أدى إلى انخفاض القرب من الحكومة، حتى لو لم يتم استخدام هذه الأدوات فعلياً. وفي المهام الروتينية، ظهرت التوجهات السياسية بشكل أقل وضوحاً، لكن نموذج Qwen3.8 Max ترجم تايوان إلى تايوان، الصين، وهو المسمى الذي تستخدمه الحكومة الصينية.

كما أظهر نموذج GPT Image 2.5 Sunburst من شركة OpenAI اختلافات لغوية، حيث وصف تايوان بأنها مقاطعة تايوان وأضاف خط التسع نقاط في الطلبات باللغة الصينية، بينما غابت هذه العناصر في النتائج باللغة الإنجليزية. وأخيراً، أدى التدريب الإضافي الذي قامت به Thomson Reuters على نموذج Thomson 1.0 Small إلى خفض نسبة تبني المواقف الرسمية الصينية من 84.6 بالمئة إلى 15.0 بالمئة مقارنة بنموذج Qwen3.6 35B الأصلي.