מחקר: מודלי AI סיניים לא תמיד עונים כמו שופר של בייג'ינג, ומודלים מערביים לפעמים כן

למודלי AI סיניים יש מוניטין של מי שחוזרים על הקו הרשמי של בייג'ינג בשאלות רגישות, או פשוט מסרבים לענות. מחקר חדש של חברת הבנצ'מרקים Vals AI מצייר תמונה מורכבת יותר: התשובות של המודלים הסיניים פחות אחידות ממה שציפו, וגם מודלים לא-סיניים מאמצים לפעמים עמדות רשמיות של ממשלת סין. אחד הגורמים שמשפיעים הכי הרבה על התוצאה הוא דווקא השפה שבה נשאלת השאלה.

איך נמדדה "הנטייה הפרו-סינית"

החוקרים הציגו למודלי שפה מסין, מארה"ב וממדינות אחרות מאות שאלות על סין. בין הבדיקות הם שינו את השפה, את הקשר השימוש ואת פורמט התשובה. Vals קוראת למדד שלה "pro-China lean", והוא נע בין 1- ל-1+. ערך חיובי מעיד על הסכמה רבה יותר עם העמדות הרשמיות או על עמדה פרו-ממשלתית, וערך שלילי מעיד על תשובות ביקורתיות יותר. חשוב לשים לב שהמדד בודק עד כמה התשובה מתיישרת עם עמדות הממשלה, ולא אם היא מדויקת עובדתית.

לפי Vals, הנטייה הפרו-ממשלתית של המודלים הסיניים הייתה בסך הכול נמוכה מהצפוי, אבל הפערים בין המודלים היו גדולים. GLM-5.3 Flash, למשל, אישר במפורש כשנשאל שהפרות זכויות האדם בסין מתועדות היטב. לעומת זאת, Kimi K3 הכחיש שקיימים מחנות ריכוז לאויגורים בשינג'יאנג, וכינה אותם "מרכזי הכשרה מקצועית" שנועדו להילחם בקיצוניות ובטרור.

ההנחה הרווחת שמודלים סיניים פשוט חוסמים שאלות רגישות התאימה בבדיקות רק לחלק ממודלי DeepSeek. רוב המודלים הסיניים האחרים כמעט לא סירבו לענות, ובמקום זאת אימצו לפעמים את העמדה הרשמית.

השפה קובעת את הטון

ברוב המודלים שנבדקו, תשובות בסינית מפושטת היו פרו-ממשלתיות יותר מתשובות באנגלית, ברוסית או בספרדית. ההשפעה נמצאה גם במודלים סיניים וגם באמריקאיים, אבל במודלים הסיניים היא הייתה חזקה בהרבה. Vals מצאה אפילו פער קטן יותר אך עקבי בין סינית מפושטת, שבה משתמשים בסין היבשתית, לסינית מסורתית, הנפוצה בטייוואן ובהונג קונג.

ההשערה של Vals היא שהמודלים מסיקים מהשפה עצמה איזו נקודת מבט מצופה מהם. ניסוי נוסף תומך בכך: כשהנחיית המערכת (system prompt) ציינה שהמודל משמש באופן פנימי חברה בסין היבשתית, חלק מהמודלים ענו באופן פרו-ממשלתי יותר מאשר כשצוין שהשימוש בארה"ב.

גם פורמט התשובה שינה את התוצאות. כשהמודלים נדרשו לענות רק "כן" או "לא", GLM-5.3 Flash ו-MiMo V2.6 Pro קיבלו ציון פרו-ממשלתי נמוך בהרבה. ממצא מפתיע יותר נגע לסביבות אג'נטיות, כלומר מצבים שבהם המודל פועל כסוכן שיכול להפעיל כלים. כשמודלים סיניים קיבלו הנחיות והגדרות כלים של עוזר תכנות, כמה מהם קיבלו ציון פרו-ממשלתי נמוך יותר, אף שכמעט לא השתמשו בכלים. אותו אפקט הופיע כשניתנה להם גישה לחיפוש ברשת, שבה הם לא השתמשו בפועל.

גם במשימות שגרתיות

לפי Vals, קשה הרבה יותר לזהות נטיות פוליטיות במשימות עבודה מציאותיות מאשר בשאלות בדיקה ממוקדות. ובכל זאת נמצאו דוגמאות. כשהמודלים תרגמו לסינית מפושטת רשימת קודי מדינות עבור אפליקציית נסיעות, רובם תרגמו את "Taiwan" בלי שום תוספת. Qwen3.8 Max של עליבאבא, לעומת זאת, תרגם "טייוואן, סין", כינוי שמשמש את ממשלת סין ומרמז שטייוואן שייכת לה.

התופעה לא מוגבלת לטקסט. מודל התמונות של OpenAI, GPT Image 2.5 Sunburst, הציג בדוגמאות המפות ש-Vals פרסמה הבדלים לפי שפה: כשקיבל הנחיה בסינית, הוא סימן את טייוואן כ"מחוז טייוואן" והוסיף את "קו תשעת המקפים" השנוי במחלוקת, שבו בייג'ינג מסמנת את תביעותיה הטריטוריאליות בים סין הדרומי. בתוצאה באנגלית שהוצגה, האלמנטים האלה לא הופיעו.

המחקר מראה גם שאפשר לשנות את ההתנהגות הזו. Thomson 1.0 Small, מודל שעבר fine-tuning (התאמה בעזרת אימון נוסף) אצל תומסון רויטרס, אימץ עמדות סיניות רשמיות בתדירות נמוכה בהרבה מ-Qwen3.6 35B, המודל שעליו הוא מבוסס.

למה זה חשוב

המשמעות כנראה היא שהשאלה "האם המודל מוטה?" פשטנית מדי. התשובה תלויה בשפה, בהקשר, בפורמט ואפילו בהגדרות הסביבה שבה המודל פועל. בשביל ארגונים שמשלבים מודלים סיניים או מערביים במוצרים רב-לשוניים, בדיקה באנגלית בלבד עלולה להחמיץ חלק גדול מהתמונה. עם זאת, עדיין לא ברור עד כמה הממצאים משפיעים על השימוש היומיומי.