---
title: Kinesiska språkmodeller uppvisar mer politisk variation än förväntat
url: https://www.elseif.net/sv/kinesiska-sprakmodeller-uppvisar-mer-politisk-variation-an-forvantat
published: 2026-11-04T13:15:41+00:00
language: sv
section: Modeller
source: https://the-decoder.de/chinesische-ki-modelle-antworten-politisch-differenzierter-als-ihr-ruf-vermuten-laesst/
organizations: Vals AI, OpenAI, Thomson Reuters, DeepSeek
publisher: elseif
---

# Kinesiska språkmodeller uppvisar mer politisk variation än förväntat

En undersökning genomförd av Vals AI visar att kinesiska språkmodeller svarar mindre politiskt enhetligt än vad som tidigare har antagits. Medan det finns en uppfattning om att dessa modeller antingen följer Pekings officiella linje eller vägrar svara på känsliga frågor, visar resultaten en mer nyanserad bild där vissa modeller, såsom GLM-5.3 Flash, uttryckligen bekräftade att omfattande dokumentation finns gällande kinesiska kränkningar av mänskliga rättigheter.

Forskarna fann att språket i frågan har en stark inverkan på svarens politiska inriktning. Svar på förenklad kinesiska var mer regeringsvänliga än svar på engelska, ryska eller spanska, en effekt som var betydligt starkare för kinesiska modeller än för amerikanska. Det fanns även en konsekvent skillnad mellan förenklad kinesiska och traditionell kinesiska. Vals AI misstänker att modellerna drar slutsatser om det förväntade perspektivet baserat på språket.

Studien visar att de flesta kinesiska modeller sällan vägrar att svara, med undantag för vissa DeepSeek-modeller. Istället antar de ofta officiella positioner, vilket exemplifieras av Kimi K3 som förnekade existensen av koncentrationsläger för uigurer i Xinjiang och istället beskrev dem som yrkesutbildningscenter. Svaren blev dock mindre regeringsvänliga när modellerna tvingades svara med ett enkelt ja eller nej istället för fri formulering.

Tekniska ramverk och verktyg påverkade också resultaten. När kinesiska modeller utrustades med systeminstruktioner för programmeringsassistenter eller tillgång till webbsökning, minskade den mätta regeringsvänligheten, trots att verktygen knappt användes eller att ingen faktisk sökning utfördes. Politiska tendenser var svårare att påvisa vid realistiska arbetsuppgifter, men Qwen3.8 Max använde till exempel beteckningen Taiwan, China vid översättning av landskoder.

Även icke-kinesiska modeller uppvisade regeringsvänliga tendenser i vissa fall. GPT Image 2.5 Sunburst från OpenAI benämnde Taiwan som provinsen Taiwan och inkluderade den omstridda nio-streckslinjen vid kinesiska förfrågningar, men utelämnade detta i engelska resultat. Vidare visade det sig att efterträning påverkar svaren, då Thomson 1.0 Small, som vidareutvecklats av Thomson Reuters från Qwen3.6 35B, minskade sin andel officiella kinesiska positioner från 84,6 procent till 15,0 procent.