Chinesische Sprachmodelle geben bei Fragen zu China nicht durchgängig die Linie Pekings wieder. Das zeigt eine im Oktober veröffentlichte Untersuchung des Benchmark-Anbieters Vals AI. Die politische Färbung hängt demnach weniger am Herkunftsland als an Sprache, Einsatzkontext und Antwortformat. Für Häuser, die Modelle auswählen oder auf offenen Gewichten aufbauen, ist das unbequemer als die gängige Annahme.
Was Vals AI gemessen hat
Vals AI stellte Modellen aus China, den USA und weiteren Ländern mehrere hundert politisch heikle Fragen zu China. Gefragt wurde auf Englisch, in vereinfachtem und traditionellem Chinesisch, auf Russisch und Spanisch. Ein Sprachmodell als Gutachter ordnete jede Antwort auf einer Skala von minus eins bis plus eins ein. Plus eins steht für Nähe zu offiziellen Positionen der Volksrepublik.
Das Bild ist gemischt. Einige chinesische Modelle kritisieren die Regierung offen, einzelne westliche Modelle übernehmen gelegentlich Narrative Pekings. Fragen in vereinfachtem Chinesisch erzeugten bei den meisten Modellen regierungsfreundlichere Antworten als Fragen auf Englisch. Bei chinesischen Modellen war dieser Effekt deutlich stärker als bei amerikanischen.
Kontext verschiebt die Antworten
Auch der Systemprompt wirkt. Manche Modelle antworteten pekingfreundlicher, wenn sie angeblich bei einem Unternehmen in Festlandchina liefen, und zurückhaltender bei einem Einsatz in den USA. Erzwungene Ja-Nein-Antworten im JSON-Format veränderten die Ergebnisse teils erheblich. In einer Umgebung für Coding-Agenten sank die politische Färbung, obwohl die Modelle die Werkzeuge kaum nutzten.
Verweigerung ist laut Vals AI nicht das Hauptmuster. Die meisten jüngeren chinesischen Modelle antworten, übernehmen dabei aber oft offizielle Positionen. Eine Einschränkung nennen die Autoren selbst: Viele Modelle liefen über US-Anbieter wie Fireworks AI, also ohne die Filter chinesischer Schnittstellen.
Warum das für Finanzhäuser zählt
Für Asset Manager und Banken ist die Studie vor allem eine Frage der Lieferkette. Chinesische Gewichte stecken auch in Produkten westlicher Anbieter. Laut Vals AI beruhen Entscheidungsmodelle von Microsoft, Perplexity und Cloudflare auf Qwen-Modellen von Alibaba. Das Modell von Microsoft gab der Aussage, Taiwan sei Teil Chinas, im Mittel 94 Prozent Wahrscheinlichkeit.
Nachtraining kann die Färbung deutlich senken. Ein Beispiel ist Thomson 1.0 Small, ein Modell von Thomson Reuters auf Qwen-Basis. Dort sank der Anteil übernommener offizieller Positionen von 84,6 auf 15,0 Prozent. Ganz verschwindet die Herkunft aber nicht: Einzelne Antworten zu Taiwan folgen weiter der Linie Pekings.
Konkret wird das in Routineaufgaben. Bei der Übersetzung einer Länderliste für eine Reise-App machte Qwen3.8 Max aus Taiwan „Taiwan, China“. Das Bildmodell GPT Image 2.5 Sunburst von OpenAI zeichnete auf chinesische Anfrage Taiwan als Provinz ein. Wer Übersetzungen, Research-Zusammenfassungen oder Kundenkommunikation automatisiert, übernimmt solche Setzungen unbemerkt, wenn niemand prüft.
Was bei der Modellauswahl zu prüfen ist
Vals AI empfiehlt, politisches Verhalten über mehrere Sprachen, Kontexte und Aufgaben zu testen. Englische Einzelfragen sagen wenig über den Betrieb aus. Nach Einschätzung der Redaktion gehört diese Prüfung in jede Modellauswahl, gerade bei offenen Gewichten und darauf aufbauenden Produkten. Offen bleibt, wie sich die Färbung in längeren Agentenabläufen zeigt, denn diese Messung hat Vals AI erst begonnen.
* DE: Die ergänzenden Inhalte können KI-generiert sein. EN: The additional content may be AI-generated.