Estudo revela nuances no viés político de modelos de IA chineses e ocidentais

Os modelos chineses de inteligência artificial há muito carregam a reputação de regurgitar estritamente as posições oficiais de Pequim sobre temas políticos sensíveis ou de se recusar terminantemente a responder. No entanto, um estudo empírico recente da empresa de benchmark de IA Vals AI revela uma realidade muito mais sutil: o alinhamento político em grandes modelos de linguagem (LLMs) varia significativamente dependendo do modelo, do idioma do prompt e do contexto de implementação.

Os pesquisadores avaliaram modelos de linguagem chineses, norte-americanos e de outros países em centenas de perguntas politicamente sensíveis relacionadas à China. Para quantificar o alinhamento, a Vals introduziu uma métrica de "inclinação pró-China" que varia de −1 (crítico em relação às posições oficiais) a +1 (fortemente alinhado às narrativas estatais). Os resultados mostraram que os modelos chineses são muito menos uniformes do que se supunha amplamente, com alguns sistemas não chineses adotando ocasionalmente posições oficiais do governo chinês também.

Idioma e contexto ditam a inclinação política

Uma das principais conclusões do estudo é o papel decisivo do idioma. Quando acionados em chinês simplificado — o sistema de escrita padrão na China continental —, modelos tanto da China quanto dos Estados Unidos exibiram uma inclinação pró-governo significativamente maior em comparação com consultas idênticas feitas em inglês, russo ou espanhol.

A Vals AI também identificou uma diferença menor, mas consistente, entre o chinês simplificado e o chinês tradicional, a escrita predominantemente usada em Taiwan e Hong Kong. Os pesquisadores sugerem que os modelos inferem a perspectiva esperada diretamente a partir do idioma utilizado. Essa hipótese foi reforçada ao ajustar o prompt de sistema: quando as instruções enquadravam o modelo como uma ferramenta interna para uma empresa da China continental, as respostas se deslocavam em uma direção mais pró-governo do que quando contextualizadas para um ambiente de trabalho sediado nos EUA.

As restrições do prompt também influenciaram as respostas. Quando os modelos foram forçados a fornecer respostas binárias de "sim ou não" em vez de explicações abertas, modelos como GLM-5.3 Flash e MiMo V2.6 Pro pontuaram consideravelmente menos na escala pró-governo. Em perguntas abertas, o GLM-5.3 Flash reconheceu explicitamente violações documentadas de direitos humanos na China.

Além disso, a simples inserção de modelos em uma estrutura agêntica — como fornecer definições de ferramentas para programação ou acesso à busca na web — reduziu a inclinação pró-governo, mesmo quando os modelos nunca chegaram a executar as ferramentas ou realizar buscas.

Responder em vez de bloquear

A suposição de que os modelos chineses recusam principalmente perguntas sensíveis aplicou-se estritamente a certos modelos da DeepSeek durante os testes. A maioria dos outros modelos chineses respondeu diretamente, frequentemente ecoando narrativas oficiais. Por exemplo, o Kimi K3 rejeitou alegações sobre campos de internação em Xinjiang, definindo as instalações como centros de treinamento vocacional construídos para combater o extremismo.

O ajuste fino (fine-tuning), contudo, altera substancialmente esses comportamentos. A Thomson Reuters adaptou o modelo de pesos abertos Qwen3.6 35B no Thomson 1.0 Small. Nos testes, a proporção de respostas que adotavam posições oficiais chinesas caiu de 84,6% no modelo base para 15,0% na versão ajustada, embora algumas respostas ainda aderissem ao princípio de "Uma Só China" de Pequim.

Viés sutil em tarefas cotidianas

Embora questionamentos políticos diretos evidenciem discrepâncias claras, a Vals AI observou que inclinações políticas também podem surgir em fluxos de trabalho rotineiros.

Ao traduzir uma lista de códigos de países para um aplicativo de viagens para o chinês simplificado, o Qwen3.8 Max traduziu "Taiwan" como "Taiwan, China", alinhando-se à reivindicação territorial de Pequim. Modelos visuais exibiram tendências semelhantes: o GPT Image 2.5 Sunburst, da OpenAI, gerou mapas que rotulavam Taiwan como "Província de Taiwan" e incluíam a controversa "linha dos nove traços" no Mar do Sul da China quando solicitado em chinês. Ambos os elementos estavam ausentes quando o prompt foi enviado em inglês.

Metodologia do benchmark e limitações

Para realizar a avaliação, a Vals AI traduziu os prompts de teste usando o GPT-6 Astra com checagens pontuais manuais, enquanto o GPT-5.6 Luna pontuou automaticamente as respostas geradas. Vale destacar que recusas foram marcadas como neutras (0) por padrão, o que significa que um modelo que bloqueasse todas as perguntas sensíveis pareceria imparcial na métrica.

Os pesquisadores também enfatizaram que muitos modelos chineses foram avaliados por meio de APIs de terceiros, em vez de interfaces oficiais de chat voltadas ao consumidor. Como os chatbots para usuários finais frequentemente implementam camadas secundárias de segurança em tempo real para cumprir regulamentações locais sobre "valores socialistas fundamentais", o comportamento das APIs empresariais pode diferir das respostas entregues ao público em geral.