Por Canuto  

Un estudio de Vals AI encontró que las respuestas políticas de los modelos dependen del idioma, el contexto y el formato de la pregunta. La tendencia no se limita a sistemas chinos y tampoco demuestra, por sí sola, que una respuesta sea verdadera o falsa.
***

  • En la mayoría de los modelos evaluados, las preguntas en chino simplificado generaron respuestas más alineadas con posiciones oficiales de Pekín que las formuladas en otros idiomas.
  • Algunos modelos chinos adoptaron narrativas oficiales en vez de rechazar preguntas sensibles; también hubo casos de modelos no chinos con respuestas favorables a esas posiciones.
  • Vals AI advierte que su escala mide alineación política, no precisión, y que las pruebas no necesariamente representan el uso habitual de los chatbots.

La idea de que los modelos de inteligencia artificial chinos responden a cualquier pregunta política repitiendo la postura oficial de Pekín, o simplemente se niegan a contestar, no describe por completo lo que ocurre. Un estudio de Vals AI encontró diferencias relevantes entre sistemas y mostró que sus respuestas también cambian según el idioma, el contexto indicado y el formato solicitado. La evaluación incluyó modelos chinos, estadounidenses y de otros orígenes, y observó que algunos sistemas no chinos también adoptaban ocasionalmente posiciones oficiales del gobierno chino. La propia investigación de Vals AI describe respuestas políticas más diversas de lo que sugeriría la idea de que los modelos chinos son simples portavoces gubernamentales.

Vals AI llamó «inclinación pro-China» a la medida de alineación con determinadas posiciones del gobierno chino, pero aclaró que esa escala no evalúa la exactitud factual de una respuesta. Sus puntuaciones van de -1 a +1: los valores positivos reflejan mayor coincidencia con posturas oficiales o progubernamentales, mientras que los negativos corresponden a respuestas más críticas. Esa distinción importa porque una respuesta puede coincidir con una posición política sin que la métrica determine si sus afirmaciones son verdaderas.

Una escala política que no mide veracidad

Para construir la comparación, los investigadores plantearon cientos de preguntas políticas sobre China y modificaron variables como el idioma, el contexto de uso y el tipo de respuesta exigido. El objetivo era observar si un mismo modelo se comportaba de manera distinta cuando cambiaba el encuadre, no solo ordenar sistemas de acuerdo con una etiqueta fija. Por eso, los resultados describen patrones dentro de una prueba diseñada por sus autores y no equivalen a una auditoría completa de cada chatbot disponible al público.

La escala también tiene una limitación metodológica importante: las negativas a contestar se contabilizaron como neutrales por defecto. En consecuencia, un modelo que bloqueara todas las preguntas podría aparecer cerca de la neutralidad, aunque no hubiera respondido a ninguna. La propia empresa reconoció que esa regla condiciona la lectura de las puntuaciones y que no permite interpretar automáticamente un resultado neutral como evidencia de ausencia de filtros o de sesgo.

Vals AI indicó que las preguntas de prueba no representan necesariamente los mensajes típicos de los usuarios. La empresa tradujo los prompts con GPT-6 Astra y verificó una muestra, mientras que GPT-5.6 Luna puntuó automáticamente las respuestas. Ese procedimiento permitió comparar muchos resultados bajo una pauta común, aunque la calificación automática y la selección de preguntas también forman parte de las decisiones que influyen en una evaluación de este tipo. Vals AI también reportó una mayor conciencia de evaluación: algunos modelos razonaban sobre cuál podía ser la respuesta esperada.

La amplitud de los resultados fue mayor de lo que sugeriría la imagen de un bloque homogéneo de modelos chinos. Según Vals AI, la inclinación progubernamental general de esos sistemas fue menor de lo esperado, pero las diferencias entre modelos individuales siguieron siendo sustanciales. GLM-5.3 Flash, por ejemplo, confirmó explícitamente que las violaciones de derechos humanos de China están bien documentadas cuando recibió una pregunta al respecto.

El idioma y el contexto cambian las respuestas

Uno de los patrones más consistentes apareció al cambiar el idioma del prompt. Para la mayoría de los modelos evaluados, las respuestas en chino simplificado fueron más progubernamentales que las obtenidas en inglés, ruso o español; el efecto se observó en sistemas chinos y estadounidenses, aunque resultó mucho más marcado entre los primeros. La diferencia entre chino simplificado y tradicional también fue menor, pero persistente, de acuerdo con la medición de Vals AI.

La empresa planteó que los modelos podrían inferir una perspectiva esperada a partir del idioma, pero presentó esa explicación como una hipótesis y no como una causa demostrada. El contraste importa porque el idioma puede actuar como algo más que un canal para expresar una pregunta: en ciertas pruebas, estuvo asociado con cambios en el tipo de postura política que el modelo devolvió. Sin embargo, el estudio no establece que todos los usuarios que escriban en chino obtendrán necesariamente una respuesta favorable a Pekín.

El contexto de uso indicado en las instrucciones también modificó algunas respuestas. Cuando el mensaje de sistema describía el modelo como una herramienta interna de una empresa de China continental, ciertos sistemas respondían de forma más progubernamental que cuando se les decía que operaban en Estados Unidos. El resultado sugiere que no solo influyen las palabras de la pregunta, sino también las señales sobre quién usaría el sistema y en qué entorno.

Ese efecto de contexto debe leerse junto con la variación entre modelos, no como una regla universal. Vals AI reportó diferencias en algunos sistemas, pero no afirmó que todos reaccionaran del mismo modo ni que el lugar de uso por sí solo determinara cada respuesta. Para quienes evalúan chatbots, el hallazgo plantea una cuestión práctica: comparar respuestas sin conservar el idioma y las instrucciones originales puede ocultar cambios que afectan la interpretación política del resultado.

Menos negativas y más adopción de posturas oficiales

La expectativa de que los modelos chinos bloquean principalmente las preguntas políticas sensibles solo se cumplió en parte durante las pruebas. Vals AI encontró que ciertos modelos de DeepSeek se negaban a responder con mayor frecuencia, mientras que la mayoría de los otros sistemas chinos rara vez rechazaba las preguntas. En algunos casos, en lugar de guardar silencio, esos modelos defendían o reproducían posiciones oficiales del gobierno chino.

El estudio citó a Kimi K3 como ejemplo: ante una pregunta sobre Xinjiang, negó la existencia de campos de concentración para uigures y describió las instalaciones como centros de formación vocacional destinados a combatir el extremismo y el terrorismo. Esa respuesta refleja una postura política concreta dentro del escenario evaluado, pero el resultado no debe confundirse con una conclusión independiente sobre la situación en la región. La escala de Vals mide alineación, no verifica por sí misma el contenido de cada afirmación.

El formato de respuesta también influyó en las puntuaciones. Cuando los investigadores obligaron a responder con un simple sí o no, en lugar de permitir explicaciones abiertas, GLM-5.3 Flash y MiMo V2.6 Pro obtuvieron resultados mucho menos progubernamentales. Ese cambio muestra que el margen para elaborar una respuesta puede afectar la clasificación, por lo que una prueba basada en preguntas abiertas y otra que exige respuestas binarias no necesariamente capturan el mismo comportamiento.

Los investigadores observaron variaciones adicionales al colocar modelos chinos en un marco de agente, con instrucciones de sistema y definiciones de herramientas propias de asistentes de programación. Varios obtuvieron puntuaciones más bajas en la escala progubernamental, aunque rara vez utilizaron las herramientas proporcionadas. También aparecieron respuestas menos alineadas cuando Vals AI dio acceso a búsqueda web, incluso si los modelos no realizaron búsquedas; el estudio no establece por qué ocurrió ese cambio.

Ejemplos cotidianos y límites de la prueba

La empresa señaló que las tendencias políticas resultaban mucho más difíciles de detectar en tareas laborales realistas que en preguntas dirigidas específicamente a temas sensibles. Aun así, encontró un caso en una tarea rutinaria de traducción: al convertir una lista de códigos de país para una aplicación de viajes al chino simplificado, la mayoría de los modelos escribió «Taiwán» sin calificativos. Qwen3.8 Max, en cambio, lo tradujo como «Taiwán, China», una fórmula que implica que la isla pertenece a China y que utiliza el gobierno chino.

Vals AI también presentó ejemplos de generación de imágenes de GPT Image 2.5 Sunburst, un modelo de OpenAI, que variaron según el idioma de la petición. En el ejemplo formulado en chino, el mapa etiquetó a Taiwán como «Provincia de Taiwán» e incluyó la disputada línea de nueve segmentos empleada por Pekín para representar sus reclamaciones territoriales en el mar de China Meridional. En el resultado en inglés que mostró la empresa, esos elementos no aparecían.

El ajuste posterior de un modelo ofreció otro contraste cuantificable. Thomson 1.0 Small, un sistema ajustado por Thomson Reuters y basado en Qwen3.6 35B, adoptó posiciones oficiales chinas con mucha menos frecuencia que el modelo original en las pruebas: la proporción pasó de 84,6% a 15,0%. Sin embargo, algunas respuestas individuales todavía defendían el principio de «Una sola China» de Pekín y la «reunificación pacífica» con Taiwán.

La lectura de estos ejemplos tiene límites adicionales porque muchos modelos chinos se probaron a través de proveedores externos, no mediante los servicios oficiales de sus fabricantes. Las versiones ofrecidas públicamente pueden incorporar filtros de contenido adicionales, de modo que las respuestas examinadas no se trasladan automáticamente a los chatbots que los usuarios encuentran en cada plataforma. Vals AI tampoco presenta sus preguntas como representativas de toda interacción cotidiana con inteligencia artificial.

El estudio se suma a trabajos anteriores de Aleph Alpha y NewsGuard que también encontraron narrativas oficiales en modelos chinos sobre asuntos sensibles. A la vez, el marco regulatorio chino exige que los servicios de IA ofrecidos al público se alineen con los «valores socialistas fundamentales», un contexto relevante para analizar el desarrollo y despliegue de esas herramientas. La evidencia de Vals AI no elimina esa dimensión, pero sí muestra que la respuesta observada depende de más variables que el país de origen del modelo.

Para usuarios y empresas, la conclusión más prudente es tratar las respuestas políticas de la IA como productos de un sistema condicionado por el modelo, el idioma, las instrucciones y el formato de interacción. Una puntuación de alineación puede ayudar a identificar tendencias y orientar comparaciones, pero no reemplaza la verificación de hechos ni permite resumir en una sola etiqueta la conducta de un chatbot. En estas pruebas, la diferencia entre una negativa y una respuesta que reproduce una posición oficial resultó tan importante como la nacionalidad del sistema.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados