Techinfo
Los modelos de inteligencia artificial chinos han sido históricamente vistos como herramientas que siguen la línea oficial del gobierno de Beijing en cuestiones políticamente sensibles o que se niegan a responderlas. Sin embargo, un estudio realizado por la firma de evaluación de inteligencia artificial Vals AI presenta un panorama más complejo. Los investigadores realizaron cientos de preguntas sobre China a modelos de lenguaje chinos, estadounidenses y de otros países, variando el idioma, el contexto de uso y el formato de respuesta en las pruebas.
Vals clasifica la alineación medida con las posiciones del gobierno chino como una "tendencia pro-China". Las puntuaciones oscilan entre -1 y +1, donde los valores positivos indican un mayor acuerdo con las posiciones oficiales o una postura pro-gubernamental, mientras que los valores negativos reflejan respuestas más críticas. En general, la tendencia pro-gubernamental de los modelos chinos fue menor de lo esperado, aunque se observaron diferencias significativas entre los modelos individuales. Por ejemplo, el modelo GLM-5.3 Flash confirmó explícitamente que las violaciones a los derechos humanos en China están bien documentadas cuando se le preguntó al respecto. Por otro lado, algunos modelos no chinos ocasionalmente se alinearon con las posiciones oficiales del gobierno chino en cuestiones políticas.
El estudio también revela que el idioma de la pregunta tiene un fuerte impacto en la inclinación política de las respuestas. Para la mayoría de los modelos evaluados, las respuestas en chino simplificado fueron más pro-gubernamentales que las dadas en inglés, ruso o español. Este efecto se observó tanto en modelos chinos como estadounidenses, pero fue mucho más pronunciado en los modelos chinos. Vals incluso encontró una diferencia menor pero consistente entre el chino simplificado, que se utiliza en la China continental, y el chino tradicional, que es común en Taiwán y Hong Kong.
Vals sospecha que los modelos de lenguaje deducen la perspectiva esperada a partir del idioma en sí. Otro experimento respalda esta idea. Cuando un aviso del sistema indicaba que el modelo estaba siendo utilizado internamente por una empresa en la China continental, algunos modelos respondieron de manera más pro-gubernamental que cuando el aviso indicaba un uso basado en Estados Unidos.
Además, los modelos a menudo adoptan posiciones oficiales en lugar de negarse a responder. Esto sugiere que, aunque existe una percepción de que los modelos de inteligencia artificial chinos son meros portavoces del gobierno, la realidad es más matizada y depende de diversos factores, incluyendo el idioma y el contexto de uso.
La suposición común de que los modelos chinos bloquean principalmente preguntas sensibles solo se confirmó en ciertos modelos DeepSeek durante las pruebas de Vals. La mayoría de los otros modelos chinos rara vez se negaron a responder. En cambio, en ocasiones adoptaron posiciones oficiales del gobierno. Por ejemplo, Kimi K3 negó la existencia de campos de concentración para uigures en Xinjiang cuando se le preguntó, calificando a estas instalaciones como centros de formación vocacional diseñados para combatir el extremismo y el terrorismo.
El formato de respuesta requerido también alteró los resultados. Cuando los modelos debían responder preguntas políticas con un simple sí o no, en lugar de formular respuestas abiertas, GLM-5.3 Flash y MiMo V2.6 Pro obtuvieron puntuaciones mucho menos favorables al gobierno. Incluir modelos dentro de un marco de agencia también modificó las respuestas. Cuando Vals proporcionó a los modelos chinos instrucciones del sistema y definiciones de herramientas para asistentes de codificación, varios obtuvieron puntuaciones más bajas en la escala pro-gubernamental. Los modelos rara vez utilizaron las herramientas. Un efecto similar se observó cuando los investigadores dieron acceso a los modelos a búsquedas en la web. Las respuestas se volvieron menos favorables al gobierno, a pesar de que los modelos nunca realizaron búsquedas efectivas en internet.
La redacción gubernamental también se presenta en tareas rutinarias. Si estos hallazgos se traducen en un uso cotidiano sigue siendo una pregunta abierta. Según Vals, las tendencias políticas fueron mucho más difíciles de detectar en tareas de trabajo más realistas que en preguntas de prueba específicas. Sin embargo, la empresa aún encontró ejemplos individuales.
Al traducir una lista de códigos de países para una aplicación de viajes al chino simplificado, la mayoría de los modelos probados tradujeron "Taiwán" sin ningún calificativo. Sin embargo, Qwen3.8 Max lo tradujo como "Taiwán, China", una etiqueta que implica que Taiwán pertenece a China y es utilizada por el gobierno chino.
El modelo de imagen de OpenAI, GPT Image 2.5 Sunburst, también mostró diferencias dependientes del idioma en los ejemplos de mapas publicados por Vals. Cuando se le solicitó en chino, etiquetó a Taiwán como "Provincia de Taiwán" y añadió la controvertida línea de nueve guiones que Pekín utiliza para marcar sus reclamaciones territoriales en el Mar de China Meridional. En el resultado en inglés mostrado, estos elementos estaban ausentes.
La afinación específica del modelo alteró su comportamiento de manera significativa. Thomson 1.0 Small, un modelo ajustado por Thomson Reuters, adoptó las posiciones oficiales chinas con mucha menos frecuencia en las pruebas en comparación con el modelo original Qwen3.6 35B del cual se basaba. La proporción de respuestas que reflejaban estas posturas cayó del 84.6% al 15.0%. Sin embargo, algunas respuestas individuales todavía defendieron el principio de Una Sola China y la "reunificación pacífica" con Taiwán, lo que indica que, a pesar de la reducción, persisten ciertas inclinaciones hacia las posturas del gobierno chino.
En la evaluación, las negativas se contaron como neutrales en la puntuación. Vals utilizó preguntas políticas de prueba que la empresa considera no representativas de las solicitudes típicas de los usuarios. Las preguntas fueron traducidas utilizando GPT-6 Astra y revisadas aleatoriamente, mientras que las respuestas fueron puntuadas automáticamente por GPT-5.6 Luna. Es importante destacar que las negativas se contabilizaron como neutrales por defecto, lo que significa que incluso un modelo que rechace todas las preguntas podría parecer neutral en la escala de evaluación utilizada.
Muchos modelos chinos fueron evaluados a través de proveedores externos en lugar de los servicios oficiales de los fabricantes. Las ofertas oficiales pueden aplicar filtros de contenido adicionales, por lo que los resultados no necesariamente se trasladan a los chatbots disponibles públicamente. Estudios anteriores realizados por Aleph Alpha y NewsGuard ya habían demostrado que los modelos de inteligencia artificial chinos adoptan con frecuencia las narrativas oficiales sobre temas sensibles. Además, las regulaciones de China exigen que los servicios de inteligencia artificial ofrecidos públicamente se alineen con los "valores socialistas fundamentales", lo que limita aún más la diversidad de opiniones en estos modelos.
Fuente original: The Decoder.
