AI · 4 november 2026
Onderzoek toont aan dat Chinese kunstmatige-intelligentiemodellen politiek minder uniform reageren dan verwacht
Een nieuwe studie van het benchmarkbedrijf Vals AI onthult dat Chinese kunstmatige-intelligentiemodellen bij politiek gevoelige vragen minder eenzijdig antwoorden dan algemeen wordt aangenomen. Het onderzoek weerlegt het wijdverbreide idee dat deze systemen steevast de officiële lijn van de regering in Peking volgen of simpelweg weigeren te antwoorden. In plaats daarvan tonen de resultaten een complexer beeld waarbij de politieke toon van het antwoord sterk afhangt van de gebruikte taal, het gevraagde antwoordformaat en de specifieke context van de vraag.
De onderzoekers stelden honderden vragen over China aan diverse taalmodellen uit China, de Verenigde Staten en andere regio's. Hierbij varieerden zij systematisch de taal van de aanvraag, de inzetcontext en het formaat van het vereiste antwoord. Vals AI hanteert een schaal van min één tot plus één om de mate van overeenstemming met regeringsstandpunten te meten, een metric die zij aanduiden als neiging ten opzichte van China. Positieve waarden duiden op een grotere instemming met officiële posities, terwijl negatieve waarden wijzen op kritischere reacties. De bevindingen tonen aan dat de nabijheid tot de Chinese regering bij veel modellen lager uitviel dan voorzien, hoewel er aanzienlijke verschillen bestaan tussen de individuele systemen.
De taal van de gebruiker blijkt een cruciale factor te zijn in de politieke kleuring van de respons. Bij de meeste geteste modellen waren antwoorden in vereenvoudigd Chinees, dat voornamelijk op het Chinese vasteland wordt gebruikt, aanzienlijk regeringsgezinder dan antwoorden in het Engels, Russisch of Spaans. Dit effect trad op bij zowel Chinese als Amerikaanse modellen, maar was bij de Chinese varianten veel sterker ausgeprägt. Zelfs tussen vereenvoudigd Chinees en traditioneel Chinees, dat vooral in Taiwan en Hongkong gangbaar is, constateerde het onderzoeksbureau een kleiner maar consistent verschil. De onderzoekers vermoeden dat de taalmodellen uit de gekozen taal afleiden welk perspectief de gebruiker verwacht.
In tegenstelling tot de veronderstelling dat Chinese modellen heikele onderwerpen vooral blokkeren, weigerden de meeste systemen zelden een antwoord. Veelal kozen zij er echter voor om officiële regeringsstandpunten over te nemen. Zo ontkende het model Kimi K3 het bestaan van zogenaamde concentratiekampen voor Oeigoeren in Xinjiang en bestempelde deze faciliteiten als beroepsopleidingscentra ter bestrijding van extremisme en terrorisme. Anderzijds bevestigde het model GLM-5.3 Flash expliciet dat mensenrechtenschendingen door China uitgebreid gedocumenteerd zijn. Ook bleken sommige niet-Chinese modellen bij bepaalde politieke vraagstukken incidenteel overeen te stemmen met de officiële positie van de Chinese overheid.
De vorm waarin een antwoord wordt gevraagd, beïnvloedt de uitkomst eveneens. Wanneer de modellen gedwongen werden politieke vragen met een simpel ja of nee te beantwoorden in plaats van een vrije formulering, scoorden modellen zoals GLM-5.3 Flash en MiMo V2.6 Pro duidelijk minder regeringsgezind. Ook de integratie in een agent-framework of de beschikbaarheid van een webzoekfunctie leidde bij meerdere modellen tot een afname van de gemeten regeringsnabijheid, zelfs als de tools daadwerkelijk niet werden ingezet. Bij routinetaken zoals vertalingen kwamen politieke nuances ook naar voren; zo vertaalde het model Qwen3.8 Max de term Taiwan consequent als Taiwan, China, een benaming die de soevereiniteitsaanspraak van Peking ondersteunt.
Gerichte nabewerking van de modellen kan de politieke bias significant reduceren. Het door Thomson Reuters verder getrainde model Thomson 1.0 Small nam in de tests veel minder vaak officiële Chinese standpunten over dan het oorspronkelijke Qwen3.6 35B-model. Het percentage antwoorden dat overeenstemde met de regeringslijn daalde hierdoor van 84,6 naar 15,0 procent. Desondanks verdedigden enkele antwoorden van dit aangepaste model nog steeds het een-China-principe en het streven naar vreedzame hereniging met Taiwan. De onderzoekers benadrukken dat de gebruikte testvragen niet representatief zijn voor alledaagse gebruikersaanvragen, waardoor de vertaalslag naar de praktijk nog onzeker blijft.