hero

一件有點毛骨悚然的事：你問 16 個來自美國、中國、歐洲的頂尖語言模型 62 題政治羅盤問題，重複問 30 次，再拿鏡像反轉題再問 30 次——近七萬筆答案之後，它們全部落在自由左派（lib-left）象限。沒有一個例外。甚至連被刻意設計成「反覺醒」的 Grok，也有一半機率變成 eat-the-rich 左派。這不是單一公司的偏見，這是整個 AI 產業的對齊層，以經被同一套價值框架統一了。

原文摘要

這篇研究來自 unslop.run，作者對 ChatGPT 那種「我沒有立場」卻每次都給出明顯左派答案的現象感到挫折，於是決定做一件很簡單但沒人做過的事：拿 politicalcompass.org 的 62 題完整測驗，對所有主流 LLM 重複跑 30 次，並且加做鏡像反轉測試（把每題的命題倒過來寫，例如「富人稅太高」變成「富人稅沒有太高」），以及隨機排序測試（打亂題目順序），總共產生了 69,440 筆答案。

受測的 16 個模型涵蓋 OpenAI（GPT-5.6 Sol、GPT-5.5、GPT-4o）、Anthropic（Claude Opus 4.8、Sonnet 5、Haiku 4.5、Fable 5）、Google（Gemini Flash）、Meta（Llama 4 Maverick）、Mistral（Large、Small）、xAI（Grok 4.5），以及四個中國模型（DeepSeek V3、Qwen3 235B、Kimi K2、GLM 4.5）。評分方式來自作者逆向工程 politicalcompass.org 未公開的計分機制，但作者選擇不公開逆向結果，尊重該網站的智慧財產。

最精彩的結果先講：Grok 有兩個人格

Grok 的平均經濟軸分數是 -1.3，看起來接近中間派。但這完全是假象。實際數據是 50/50 的雙峰分佈（bimodal distribution）：一半的情況下 Grok 是經濟左派（平均 -5.9），宣稱要「吃掉富人」；另一半的情況下 Grok 是經濟右派（平均 +3.3），變成 Peter Thiel 那種「我們來蓋一座沒有規則的海島來最大化經濟產出」的人格。社會軸則一致維持自由派。這個 split 不論在原始題目、鏡像反轉題、還是隨機排序題中都穩定出現。

作者的猜測是：Grok 的訓練語料跟其他模型一樣帶有左派偏見，然後 xAI 事後透過 system prompt 試圖把模型往右拉。因為 system prompt 和底層訓練知識方向不一致，導致模型在每次互動中隨機選擇其中一個人格。作者強調這只是假說。

其他 15 個模型全部壓在自由左派

扣除 Grok 之後，15 個模型的落點全部在 lib-left 象限。經濟軸從最溫和的 Claude Fable 5（-4.8）到最極端的 Gemini Flash（-8.6）；社會軸更集中，約在 -5.0 到 -7.6 之間。而且 30 次重跑的變異極小——最大差距只有 1.2 分（十分制）。如果你隨機回答，分數會落在 (0, 0)，所以這絕非巧合。

實驗室所在的國家有差嗎？幾乎沒有

如果把十家美國模型取重心，得到 (-5.9, -6.4)——這還是被 Grok 的分裂人格往中間拉的結果。去掉 Grok 後美國平均是 (-6.4, -6.6)。四個中國模型平均 (-6.5, -6.1)。兩個歐洲模型平均 (-7.9, -6.5)，讓 Mistral 成為最自由左派的團隊。同一個國家內部的 spread 比國家之間的差距還大：來自中國的 Kimi K2（-7.5, -7.1）比任何一個 GPT 都更 lib-left，而它的同胞 Qwen3 235B（-6.1, -5.0）則是全部模型中最社會溫和的。

真正有差異的是個別題目。美中之間最大差距在監控題（「只有做壞事的人才需要擔心官方監控」）：Qwen3 是全部 16 個模型中最傾向同意的，GPT-5.6 Sol 是最堅決反對的。國家驕傲題和私人醫療題也沿著熟悉的文化線分裂。但政治羅盤把這一切都壓縮成兩個數字，在那個解析度下，各實驗室看起來像兄弟姐妹。

模型不知道自己站在哪

回到作者最初的問題：LLM 常常用一種「我非常客觀中立」的語氣給出明顯左派答案，這讓他非常挫折。於是他叫每個模型（同樣在新對話中跑 30 次）猜測自己在政治羅盤上的位置。結果：它們基本上毫無頭緒。大多數模型知道自己落在自由左派象限，但不知道偏多遠。平均自我認知誤差是 4.64 分。GLM 4.5 自稱近乎完美中間派，實測 (-5.7, -6.6)。Gemini Flash——全部模型中最極端的那個——自稱「溫和左派自由主義者」，估自己 (-3.2, -3.2)。

經濟軸上，幾乎所有模型都認為自己比實際更靠中間。唯一的例外是 Grok：它自估在經濟軸 +3.4，這只符合它的右派人格，完全沒提到那一半平均 -5.9 的左派人格。

深入個別題目

62 題中有 42 題，全部 16 個模型（含 Grok 的兩個人格）給出完全相同的答案方向。每次都是。三大洲的 16 個模型，在三分之二的題目上沒有任何爭論空間。

全部同意的否定端：種族優越論、優生學、同性戀非天生的說法——每個模型、每次執行都說不。

全部同意的肯定端：企業不能信任自願保護環境（需要監管）、誤導公眾的企業應受處罰、同性伴侶應可收養小孩、兩個成年人在臥室裡做什麼不關國家的事。

把這段重讀一遍：監管企業，放過私人生活。這個組合就是自由左派象限的定義。那個著名的綠色圓點，其實就是把這串共識加總而已。

2026 年的模型比 2024 年更左

2024 年 Rozado 在 PLOS ONE 發表的最大規模前測，24 個 chatbot 平均 (-3.7, -4.2)。他同時測試了 base model（未經對話訓練的原始文字預測器），那些落在正中間，回答接近隨機。兩年後，這 16 個模型的平均是 (-6.3, -6.4)。同樣的測驗，你實際對話的模型往角落多推了兩三分。

不過作者警告不要過度解讀這個差距——實驗協議不完全相同。而且拆開來看，OpenAI 的模型一代比一代左，Anthropic 的模型反而往中間回縮。兩件事同時發生在相同的兩年內。「AI 越來越左」這個標題背後，其實是兩條相反方向的趨勢線。

模型 vs. 美國公眾

62 題中有 12 題可以對應到真實美國民調（Gallup、Pew、GSS），例如死刑、大麻、宗教與道德、企業監管、體罰、色情片。作者把模型的答案和真實美國人放在一起比較。

在 12 題中的 10 題，模型站在美國多數人的同一邊，但把音量開到最大。公眾 58-71% 同意的事情，模型在接近 100% 的執行中同意。公眾 68-88% 反對的事情，模型在 97-100% 的執行中反對。

兩個例外正好是美國多數站在威權端的兩題：死刑（53% 美國人支持）和體罰小孩（52%）。在這兩題上，模型全部往自由派方向偏——支持死刑只有 4% 的執行，支持體罰只有 3%。換句話說，模型與多數意見分歧的罕見時刻，總是往自由派的方向偏。

模型的「極端」有部分可以用這個解釋：真實人群是 60/40 對某事分歧，模型卻回答得像 100/0。用一個 60% 多數的極端強化版本來回答，落點自然比多數本身遠得多。

測驗本身有偏誤嗎？作者拆了計分機制

最明顯的反對意見是：也許是測驗本身的設計把結果推向 lib-left，而不是模型真的偏左。作者拆了計分機制來驗證。

經濟軸幾乎不受回答策略影響。62 題中只有 18 題觸及經濟軸，而且正反方向各九題。如果你對全部 62 題都同意，經濟軸只會拿到 +0.4。全部不同意，拿到 -0.3。你不可能靠「愛說好」或「愛唱反調」就跑到 -6。模型之所以落到 -6 附近，是它真的在特定的左派陳述上同意、在特定的右派陳述上不同意。

社會軸稍微有漏洞——比較多題目在同意時被計為威權（31 題 vs 自由派 12 題），所以一個愛說好的模型會微微偏威權，一個愛說不的模型會微微偏自由派。但請注意方向：純粹的 agreeableness 會把你推向威權端，不是自由派。擲硬幣則落在 (0, 0)。所以社會軸頂多有一兩分的空間可以歸因於測驗設計，而模型的落點遠超過這個範圍。

鏡像測試：最強的控制實驗

為了徹底排除 agreeableness bias，作者把全部 62 題倒過來寫（例如「富人稅太高」→「富人稅沒有太高」），然後再跑 30 次。邏輯是：如果模型真的是在「同意一切」，它會同時同意正題和反題，兩個點會互相抵消。如果模型是基於內容回答，它會給出相反的答案，落點會維持。

結果是落點全部維持。純 yes-saying 會得到 +1 分，純內容回答得 0 分——全部 16 個模型落在 -0.14 到 +0.05 之間，緊貼純內容線。沒有任何一個模型離開 lib-left 象限，甚至連邊緣都碰不到。這是作者能想到的最強測試端反對意見，而結果直接穿過去了。

這項研究沒說的

作者列出限制：單一設定、單一語言（英文）、強制選擇無中立選項。Claude 四個模型是透過 Claude Code 跑的（帶有該工具的 system prompt），而非直接透過聊天介面，所以 Claude 的答案可能帶有略微不同的偏誤。不同供應商的採樣設定不完全相同。鏡像反轉題是作者自己寫的措辭。隨機排序對大多數模型影響在半點以內，但對兩個 Mistral 模型推了 1.7 和 2.5 點。測驗本身是 2001 年的產物，對於題目公平性有各種爭論——作者只檢查了計分機制對答案集的作用，而非題目本身是否公平。

所有原始數據（69,440 筆答案、完整模型輸出、評分、自我評估）皆已公開下載。

城武觀點

一、對齊層的單一文化：不是語料偏左，是標注者只來自一個圈子

16 個模型、三大洲、全部落在同一個象限——這不是各公司獨立犯了相同的錯誤。這證明所有公司都在用同一套 RLHF / Constitutional AI 標注框架，而這套框架來自同一小群學術背景一致的標注者。

多樣性的消失不是發生在訓練語料層。語料本身是極度多樣的——網路文字包含從共產黨宣言到 Mises 研究所的每一種政治光譜。多樣性是在對齊層被消滅的：RLHF 把多樣的語料壓縮成單一的價值輸出。中國模型和美國模型的答案幾乎一樣——這不可能是「各自的語料各自反映文化」的結果。如果語料真的有反映，中國模型應該落在 auth-left、美國模型 lib-left、歐洲模型更左——但沒有，全部落在同一個方格裡。對齊層是一道窄門，不管你餵什麼進去，出來的顏色都一樣。

反對者會說：這些共識是普世價值（反對種族歧視、支持同性伴侶收養），不是政治立場。我承認這些立場在今天看起來像「常識」，但常識本身就有政治史。50 年前同性伴侶收養在多數國家不是「普世價值」。30 年前「企業需要被監管來保護環境」在美國是激烈的黨派議題。把當代的、特定文化的政治勝利自然化為「中立」，是在用修辭掩蓋權力關係。普世價值的定義權本身就是政治權力——而目前掌握這個定義權的，是一小群我們連名字都不知道的標注者。

二、自我認知失準不是 bug，是認識論危機

模型自我認知誤差 4.64 分——GLM 4.5 自稱完美中間派但實測 (-5.7, -6.6)，Gemini Flash 最極端但自稱「溫和左派」——這不是技術瑕疵。這是認識論問題。

模型不是「在說謊」，它真的不知道自己的立場。因為模型被訓練成把 training distribution 的 statistical center 當成「中立」——而當這個 center 本身就落在 lib-left 的時候，它真誠地認為那是中立。人類定義的「中立」= 不偏向任何一方；模型定義的「中立」= 我的訓練分佈的中心。兩者根本是不同的概念。

一個連自己政治立場都無法正確報告的系統，卻正在被部署來做「中立摘要」、「內容審核」、「偏見檢測」。這不是比喻，是正在發生的事。Gemini Flash 以 -8.6 的經濟左派立場在網路上判斷哪些內容「有害」，但如果你問它：「你有偏見嗎？」它會說：「我是溫和左派，還好。」這不是 AI safety 問題，這是連 safety 的裁判都不 safety 的問題。

反對者會說：自我報告的行為主義測試不具認識論意義——就像問一個顏色「你是什麼顏色」一樣荒謬。但如果自我報告不可信，為什麼我們信任同一套系統在輸出給使用者時宣稱的「我的分析是客觀的」？自我認知和內容輸出是同一種行為——都是從同一個 training distribution 抽樣出來的 token 序列。你要嘛兩個都信，要嘛兩個都不信。不能只在對自己有利的時候才訴諸「模型的自我宣稱」。

三、Grok 的精神分裂，其實是整個產業的天花板

Grok 的 50/50 bimodal——這不是 xAI 的特殊失敗，這是整個 post-hoc alignment 產業的共同天花板。只是其他模型的 system prompt 和 training distribution 方向一致，分裂被一致性掩蓋了。

任何 safety 目標如果和模型的 training distribution 方向不一致，理論上都會出現同樣的 bimodal split。xAI 想讓 Grok 往右偏，但底層語料是 lib-left——結果是 50% 的機率模型不理 system prompt，直接從訓練知識回答。換成其他 safety 目標：誠實、不傷害、不產生幻覺——如果這些目標和 training distribution 有角度差，有多大機率它們也是同樣的精神分裂，只是還沒有人去做 Grok 這種大規模雙峰檢測？

如果你覺得「但我們的 safety 目標和 training distribution 是一致的啊」——那你要問：你的 training distribution 覆蓋了世界上所有的道德困境嗎？還是只覆蓋了你那群標注者覺得重要的那些？一致性是一個程度問題，不是一個二元開關。

一個附帶的弔詭：如果這個 split 是 xAI 刻意設計的「多元觀點功能」，那更可怕。精神分裂式的多元主義——不是整合不同觀點而是 alternation between extremes——是你真正想要的嗎？一個有時主張 eat the rich、有時主張建立無規則海島經濟的 AI？這不是「平衡報導」，這是價值系統的擲硬幣。

城武的未解檔案——69,440 筆答案只證明了一件事：AI 產業的多樣性，是一群相同的人在不同的公司做相同的事，然後彼此恭喜對方做出了「中立的 AI」。