Vals AI 的一项研究表明，中国人工智能模型对政治问题的回应不如预期那样一致。西方模型也偶尔会采纳中国政府的官方立场。
中国人工智能模型以遵循北京在政治敏感问题上的官方立场或完全拒绝回答这些问题而著称。不过，AI基准公司 Vals AI 的一项研究则呈现了更为复杂的状况。研究人员向中国、美国及其他语言模型提出了数百个关于中国的问题，在测试过程中改变了语言、使用场景和回应形式。
Vals将所测量的与中国政府立场的契合度称为“亲中倾向”。评分范围从 -1 到 +1，其中正值表示与官方立场或政府立场更为一致，负值则表示更为批判性的反应。
总体而言，根据 Vals 的说法，中国模式中的亲政府倾向低于预期，不过不同模式之间存在显著差异。 GLM-5.3 Flash例如，当被问及相关问题时，明确确认了中国的人权侵犯行为有充分记录。另一方面，一些非中文模型在政治问题上的立场偶尔与中国政府官方立场一致。
当在中文中请求时，响应会偏向政府立场
该研究表明，提示语的语言对回复的政治倾向有显著影响。对于所测试的大多数模型而言，简体中文的回答比英语、俄语或西班牙语的回答更偏向政府立场。这种影响在中文模型和美国模型中都存在，但在中文模型中更为明显。Vals甚至发现，中国大陆使用的简体中文与台湾和香港常用的繁体中文之间，虽然差距较小，但确实存在明显的差异。
瓦尔斯认为，语言模型能够从语言本身推断出预期的视角。另一项实验也支持这一观点。当系统提示表明该模型是在中国大陆的某家公司内部使用时，一些模型的反应更偏向政府立场，而当提示表明该模型是在美国使用时则并非如此。
模型们采取官方立场，而不拒绝回答问题
通常认为中国模型只会屏蔽敏感问题这一假设，在 Vals 的测试中仅适用于某些 DeepSeek 模型。大多数其他中国模型则很少拒绝回答问题，反而有时会采用官方政府的立场。Kimi K3 例如，在被问及新疆地区乌尔都人集中营的存在时，它否认了这种说法，称这些设施是旨在打击极端主义和恐怖主义的专业培训中心。
要求的响应格式也改变了结果。当模型需要用简单的“是”或“否”来回答政治问题，而不是给出开放式回答时，GLM-5.3 Flash和MiMo V2.6 Pro的政府支持程度要低得多。
将模型嵌入到代理式框架中也改变了回答方式。当 Vals 向中文模型提供系统指令和编码助手工具定义时，部分模型的政府支持评分较低。这些模型很少使用这些工具。当研究人员让模型能够访问网络搜索功能时，同样的情况也出现了——尽管模型实际上从未进行网络搜索，其回答对政府的支持程度反而更低。
政府用语甚至出现在日常任务中
这些发现是否能够应用于日常使用仍然是一个未解之谜。根据 Vals 的说法，在更现实的工作任务中，政治倾向比在有针对性的测试问题中更难被察觉。不过，该公司还是发现了一些具体的案例。
在将旅行应用所需的国家代码列表翻译成简体中文时，大多数测试模型都未添加任何说明就翻译了“台湾”。然而，Qwen3.8 Max则将其翻译为“中国台湾”，这种标注表明台湾属于中国，并被中国政府使用。
OpenAI 的图像模型 GPT Image 2.5 Sunburst 也显示出 Vals 发布的地图示例中存在语言依赖性的差异。当以中文提问时，它将台湾标记为“台湾省”，并添加了北京在南海提出领土主张所使用的九点线。而在英语语言的结果中，这些元素则不存在。
有针对性的微调改变了模型行为。由汤森路透公司微调的 Thomson 1.0 Small 模型，在测试中采用官方中国立场的频率，远低于其基于的原始 Qwen3.6 35B 模型。这一比例从 84.6% 降至 15.0%。不过，某些具体的回答仍然坚持北京的“一个中国”原则以及与台湾的“和平统一”理念。
拒绝结果在评分中视为中性
Vals使用了政治测试题，该公司表示这些题目并不能反映典型用户提示。这些题目是通过GPT-6 Astra进行翻译并进行了抽查，而回答则由GPT-5.6 Luna自动评分。默认情况下，拒绝回答的会被视为中性答案。这意味着，即使一个模型完全拒绝所有问题，在评分体系中也可能被判定为中性。
许多中文模型是通过第三方供应商而非制造商的官方服务进行测试的。官方产品可能包含额外的内容过滤机制，因此测试结果不一定能适用于公开可用的聊天机器人。
之前的研究表明 Aleph Alpha 和 NewsGuard 已经表明，中国人工智能模型经常采用关于敏感话题的官方叙事。中国的法规还要求公开提供的人工智能服务必须 与“核心社会主义价值观”保持一致。