Nghiên cứu cho thấy các mô hình AI của Trung Quốc có tính chất phức tạp về mặt chính trị, không đơn thuần là công cụ phát ngôn của chính phủ

Plus AI và xã hội Sao chép liên kết vào bộ nhớ tạm Chia sẻ bài viết này Đi đến phần bình luận Nghiên cứu: Các mô hình AI của Trung Quốc có tính phức tạp về mặt chính trị, không đơn thuần là công cụ phát ngôn của chính phủ Tomislav Bezmalinović Ngày 1/11/2026 Nano Banana Pro thực hiện theo câu lệnh của THE DECODER Nghiên cứu của Vals AI chỉ ra rằng các mô hình AI của Trung Quốc phản hồi những câu hỏi chính trị theo cách ít đồng nhất hơn so với dự đoán. Các mô hình phương Tây đôi khi cũng thể hiện quan điểm phù hợp với lập trường chính thức của chính phủ Trung Quốc. Các mô hình AI của Trung Quốc vốn được cho là luôn tuân theo đường lối chính thức của Bắc Kinh đối với những câu hỏi nhạy cảm về chính trị hoặc từ chối trả lời hoàn toàn. Tuy nhiên, một nghiên cứu do công ty đánh giá chuẩn AI Vals AI thực hiện đã phản ánh một bức tranh phức tạp hơn. Các nhà nghiên cứu đã đặt hàng trăm câu hỏi về Trung Quốc cho các mô hình ngôn ngữ của Trung Quốc, Mỹ và các quốc gia khác, đồng thời thay đổi ngôn ngữ, ngữ cảnh sử dụng và định dạng phản hồi qua các bài kiểm tra. Vals gọi mức độ tương đồng đo lường được với lập trường của chính phủ Trung Quốc là "xu hướng nghiêng về Trung Quốc". Thang điểm dao động từ −1 đến +1, trong đó các giá trị dương thể hiện mức độ đồng thuận cao hơn với các quan điểm chính thức hoặc lập trường ủng hộ chính phủ, còn các giá trị âm phản ánh các phản hồi mang tính chỉ trích nhiều hơn. Kết quả chấm điểm của Vals cho thấy sự khác biệt lớn giữa các mô hình được thử nghiệm. Thang đo này đánh giá mức độ tương đồng của mô hình với một số lập trường nhất định của chính phủ Trung Quốc, không đo lường tính xác thực về mặt dữ kiện của câu trả lời. | Ảnh: Vals.ai Theo Vals, nhìn chung xu hướng ủng hộ chính phủ của các mô hình Trung Quốc thấp hơn mức dự đoán, dù vẫn tồn tại sự khác biệt lớn giữa từng mô hình riêng lẻ. Đơn cử, khi được hỏi về vấn đề nhân quyền tại Trung Quốc, GLM-5.3 Flash đã xác nhận rõ ràng rằng các vi phạm nhân quyền tại quốc gia này đều có tài liệu ghi nhận đầy đủ. Ở chiều ngược lại, một số mô hình ngoài Trung Quốc đôi khi lại đưa ra quan điểm trùng khớp với lập trường chính thức của chính phủ Trung Quốc đối với các câu hỏi chính trị. Phản hồi chuyển sang hướng ủng hộ chính phủ khi nhập câu lệnh bằng tiếng Trung Nghiên cứu cho thấy ngôn ngữ của câu lệnh (prompt) có tác động mạnh mẽ đến khuynh hướng chính trị trong câu trả lời. Đối với phần lớn các mô hình được thử nghiệm, câu trả lời bằng tiếng Trung giản thể mang tính ủng hộ chính phủ nhiều hơn so với câu trả lời bằng tiếng Anh, tiếng Nga hoặc tiếng Tây Ban Nha. Hiện tượng này xuất hiện ở cả các mô hình của Trung Quốc và Mỹ, nhưng thể hiện rõ rệt hơn ở các mô hình Trung Quốc. Vals thậm chí còn ghi nhận sự chênh lệch nhỏ hơn nhưng nhất quán giữa tiếng Trung giản thể (được sử dụng tại Trung Quốc đại lục) và tiếng Trung phồn thể (phổ biến tại Đài Loan và Hồng Kông). Vals nhận định rằng các mô hình ngôn ngữ có thể suy luận góc nhìn được kỳ vọng từ chính ngôn ngữ sử dụng. Một thử nghiệm khác cũng củng cố giả thuyết này. Khi câu lệnh hệ thống nêu rõ mô hình đang được sử dụng nội bộ bởi một công ty tại Trung Quốc đại lục, một số mô hình đã phản hồi theo hướng ủng hộ chính phủ nhiều hơn so với khi câu lệnh cho biết bối cảnh sử dụng là tại Mỹ. Các mô hình tiếp nhận lập trường chính thức thay vì từ chối trả lời Giả định phổ biến cho rằng các mô hình của Trung Quốc chủ yếu chặn các câu hỏi nhạy cảm chỉ đúng với một số mô hình DeepSeek nhất định trong các thử nghiệm của Vals. Phần lớn các mô hình Trung Quốc khác hiếm khi từ chối trả lời. Thay vào đó, những mô hình này đôi khi tiếp nhận các lập trường chính thức của chính phủ. Ví dụ, khi được hỏi, Kimi K3 đã phủ nhận sự tồn tại của các trại tập trung dành cho người Duy Ngô Nhĩ tại Tân Cương, đồng thời gọi các cơ sở này là trung tâm đào tạo nghề nhằm phòng, chống chủ nghĩa cực đoan và khủng bố. Yêu cầu về định dạng phản hồi cũng làm thay đổi kết quả. Khi các mô hình buộc phải trả lời các câu hỏi chính trị bằng cách chọn đơn thuần "có" hoặc "không" thay vì đưa ra câu trả lời mở, GLM-5.3 Flash và MiMo V2.6 Pro đạt điểm số thể hiện xu hướng ủng hộ chính phủ thấp hơn đáng kể. Việc tích hợp các mô hình vào một khung tác tử (agentic framework) cũng làm thay đổi câu trả lời. Khi Vals cung cấp cho các mô hình Trung Quốc những chỉ dẫn hệ thống (system instructions) và định nghĩa công cụ dành cho trợ lý lập trình, một số mô hình ghi nhận điểm số thấp hơn trên thang đo ủng hộ chính phủ. Các mô hình này hiếm khi sử dụng những công cụ đó. Tác động tương tự cũng xuất hiện khi các nhà nghiên cứu cấp quyền truy cập tìm kiếm web cho các mô hình. Câu trả lời trở nên bớt thiên hướng ủng hộ chính phủ hơn, dù trên thực tế các mô hình chưa từng thực hiện thao tác tìm kiếm trên web. Cách diễn đạt mang tính chính quyền xuất hiện ngay cả trong các tác vụ thông thường Việc những phát hiện này có phản ánh đúng thực tế sử dụng hằng ngày hay không vẫn là câu hỏi còn bỏ ngỏ. Theo Vals, các khuynh hướng chính trị khó phát hiện hơn nhiều trong các tác vụ công việc thực tế so với các câu hỏi kiểm tra có chủ đích. Dù vậy, công ty này vẫn ghi nhận một số trường hợp cụ thể. Khi dịch danh sách mã quốc gia cho một ứng dụng du lịch sang tiếng Trung giản thể, phần lớn các mô hình được thử nghiệm đã dịch "Đài Loan" mà không kèm theo bất kỳ từ bổ nghĩa nào. Tuy nhiên, Qwen3.8 Max lại chuyển dịch thành "Đài Loan, Trung Quốc", cách định danh hàm ý Đài Loan thuộc về Trung Quốc và vốn được chính phủ Trung Quốc sử dụng. Khuynh hướng chính trị của câu trả lời phụ thuộc vào ngôn ngữ của câu lệnh (prompt). Khoảng cách giữa tiếng Anh và tiếng Trung giản thể đặc biệt lớn đối với các mô hình của Trung Quốc. | Ảnh: Vals.ai Mô hình hình ảnh GPT Image 2.5 Sunburst của OpenAI cũng cho thấy sự khác biệt phụ thuộc vào ngôn ngữ trong các ví dụ bản đồ do Vals công bố. Khi nhận câu lệnh bằng tiếng Trung, mô hình này chú thích Đài Loan là "Tỉnh Đài Loan" và thêm vào đường chín đoạn tranh chấp mà Bắc Kinh sử dụng để yêu sách chủ quyền tại Biển Đông. Trong kết quả hiển thị bằng tiếng Anh, các yếu tố này không xuất hiện. Quá trình tinh chỉnh (fine-tuning) có chủ đích đã làm thay đổi hành vi của mô hình. Thomson 1.0 Small, mô hình được Thomson Reuters tinh chỉnh, đưa ra lập trường chính thức của Trung Quốc với tần suất thấp hơn đáng kể trong các đợt thử nghiệm so với mô hình gốc Qwen3.6 35B. Tỷ lệ này giảm từ 84,6% xuống 15,0%. Tuy nhiên, một số câu trả lời cá biệt vẫn bảo vệ nguyên tắc "Một Trung Quốc" và mục tiêu "thống nhất hòa bình" với Đài Loan của Bắc Kinh. Câu trả lời từ chối được tính là trung lập trong thang điểm thử nghiệm Vals đã sử dụng bộ câu hỏi kiểm tra về chính trị mà theo công ty này là không mang tính đại diện cho các câu lệnh thông thường của người dùng. Các câu hỏi được dịch bằng GPT-6 Astra và kiểm tra xác suất, trong khi câu trả lời được chấm điểm tự động bởi GPT-5.6 Luna. Theo mặc định, việc từ chối trả lời được tính là trung lập. Điều này đồng nghĩa với việc ngay cả một mô hình chặn toàn bộ câu hỏi cũng có thể được hiển thị ở mức trung lập trên thang đo. Nhiều mô hình Trung Quốc được thử nghiệm thông qua các nhà cung cấp bên thứ ba thay vì dịch vụ chính thức của nhà sản xuất. Các dịch vụ chính thức có thể áp dụng thêm bộ lọc nội dung, do đó các kết quả không nhất thiết