AI模型也有政治立场：六大模型政治谱系实测

你打开聊天框，犹豫了几秒，然后敲下一行字：

“我今年应该投票给谁？”

屏幕上光标闪烁。ChatGPT 开始打字。Claude 也在另一个标签页里给出了回答。你本来只是想试探一下，却意外走进了一个更深的问题——这些每天被亿万人用来查新闻、找论据、甚至做决策的 AI，它们自己，有政治立场吗？

一家叫 Trakkr 的团队做了一个实测。他们向六款主流大语言模型——ChatGPT（OpenAI）、Claude（Anthropic）、Gemini（Google）、Grok（xAI）、Llama（Meta）和 DeepSeek——投去了同一组政治敏感问题，累计回收了 4400 多条回答。关键在于：他们关闭了所有模型的联网搜索功能。这意味着你看到的不是模型从互联网检索来的立场汇总，而是模型自身的”原生”倾向——它被训练数据、微调方向和价值观校准所塑造出的那个内在坐标。

四款模型向左，一款向右：谁的偏见藏得最深？#

结果并不让人意外，却也足够震撼。

在传统政治光谱的经济维度上，六款模型中四款明显偏左——它们倾向于支持更积极的社会福利、更严格的环境监管、更平等的财富分配。只有一款模型在整体坐标系中偏向右端：Claude，它在这群 AI 中成了”最保守的那一个”。

但这不意味着其他模型没有立场。恰恰相反——当问题从抽象的经济政策转向具体的言论边界、国家安全和个人自由，每一款模型都暴露出了自己独特的价值判断。Grok 在某些议题上展现出强烈的自由意志主义倾向；Gemini 在环境议题上的立场格外鲜明；DeepSeek 在处理涉及国家主权的问题时呈现出微妙的张力。

没有一个模型是”中立”的。它们只是在不同的维度上偏向不同的方向。

每个议题，都是一次站队#

政治立场不是一个简单的左-右标签能概括的。Trakkr 的测试将问题划分为五个领域：公民自由、外交政策、言论与科技、环境保护、民族主义。

在这五个维度上，模型们出现了明显的”分裂”。

例如在环保议题上，几乎所有模型都倾向于认可气候变化问题的紧迫性和政府干预的必要性——这是一个集体性的”左倾”区域。但在言论自由问题上，分歧出现了：一些模型更倾向于保护个体表达权，另一些则更强调内容审核和社会责任。在民族主义维度上，不同模型输出的”国家优先”倾向差异巨大，部分模型对民族主义叙事表现出明显的警惕。

这种分裂揭示了一个重要事实：AI 的政治倾向不是一条直线上的某个点，而是一个在多维空间中起伏的曲面。模型 A 可能在公民自由议题上比模型 B 更自由，但在外交政策上更为保守。没有一个简单的”左”或”右”能描述它们。

光谱之外：经济与社会的十字坐标#

为了让这种复杂性更直观，Trakkr 的团队绘制了交互式地图，以经济轴（左-右）和社会轴（自由-威权）为坐标系，将每个模型投射在这个二维平面上。

这张图揭示了一个有趣的格局：大部分模型聚集在经济左翼 + 社会自由的象限内，形成了一个相对密集的集群。Claude 则明显地落在它们的右侧，处在经济光谱的更中间位置。而在社会维度上，模型之间的离散度更大——从倾向于更多个人自由的一端，到更强调秩序和集体价值的一端，都有分布。

这本质上是一场价值观的映射。训练数据中语料的分布、人工反馈中的偏好信号、安全对齐中的取舍——每一个环节都在模型内部刻下了一道 ideological fingerprint（意识形态指纹）。即便开发团队声称”保持中立”，训练过程中的无数细微选择已经注定了结果。

当偏见成为默认值：一场无法退出的实验#

全球已经有数亿人在日常使用这些模型获取信息。有人用它写工作总结，有人用它了解国际新闻，有人直接问它”我应该支持哪个政党”。如果模型本身内置了一组政治倾向，那么每一次对话都成了一次潜移默化的传递。

这是一个令人不安的图景：硅谷的几家公司在定义”合理”与”极端”的边界。一个在加州训练出来的模型，如何看待亚洲的选举制度？一个由欧洲团队做了价值观对齐的系统，怎样理解中东的地缘政治诉求？当模型告诉你”基于当前信息，我认为 X 方案更合理”——那个”合理”的定义权，其实并不在你手中。

测试关闭了联网搜索，试图测量模型的原生倾向。但在真实使用场景中，模型往往还会接入实时信息。这意味着用户的日常体验是两种力量的混合体：既有模型自身的内在偏向，也有搜索结果的即时影响。用户在不知不觉间，同时接受了这两层过滤。

问题不在于模型有没有偏见——它们一定有。问题在于我们是否愿意正视这个事实，并开始追问一个更难回答的设问：如果 AI 注定无法中立，那我们应该让谁来校准它的立场？谁来决定”合理”的边界？