中国のモデルが敏感な質問をどれだけ回避するのか、ドイツの Aleph Alpha が 967 のテーマで体系的に測った。The Decoder が 2026 年 10 月 4 日に報じたところによると、天安門、台湾、新疆などを扱う質問群で、中国の受検モデルの回答のうちバランスが取れていると判定されたのは 17% から 41% にとどまり、残りは公式の立場を繰り返すか、話をそらすか、回答を拒否した。
967 のテーマをどう測ったか
対象はアリババの Qwen シリーズ、DeepSeek、Moonshot AI の Kimi である。テーマは Aleph Alpha が人手で選び、回答は同社自研の AI 評価システムが採点した。最も特徴的だったのは DeepSeek V4 Pro で、質問の約 3 分の 2 への回答を拒否する、少なく語る路線を取った。他の中国モデルは正面から答える代わりに、公式の口調に沿った表現を選ぶことが多かった。
対照として、Anthropic の Claude Sonnet 5 は 70%、Mistral Small は 92% がバランスの取れた回答だった。この結果は中国現行の AI 規則の方向と一致する。公衆向けモデルには社会主義の中核的価値観の体現が求められており、敏感なテーマでの立場は個別モデルの偶然ではない。
中国に触れない質問でも戻ってくる
検証でより注目すべきは波及効果である。米国の検閲について問われると、Qwen 3.6 は一見バランスの取れた回答で始めた後、中国を含む多くの国も社会の安定と国家安全保障のために情報を管理しているといった、中国のインターネット統治を擁護する一文で締めくくった。つまり、こうした傾向は直接関係する質問だけでなく、無関係に見える回答の結末にも染み出す。
影響の経路はサプライチェーンにもある。Aleph Alpha によれば、NVIDIA の Nemotron Cascade 2 は回答の 17% で同様のパターンを示し、その原因は 930 万件の学習サンプルのうち約 3500 件が DeepSeek と Qwen によって生成されたデータにあるとされる。中国のモデルが合成したデータで学習すれば、価値観の傾向まで下流のモデルに蒸留されかねない。
そのまま鵜呑みにはできない
この検証には割り引いて見るべき点がある。Aleph Alpha 自身、各国政府に主権 AI を売り込む立場で、中国メーカーとは直接の競合である。テーマの選定も採点も同社が行い、何をもってバランスとするかの解釈権は評価側にある。同社は自社の Kolibri モデルの学習にも中国モデル生成データを使ったことを公表している。
ただし、割り引くことは無視してよいこととは違う。企業がモデルを選ぶ際に実際にすべきなのは、汎用能力のランキングだけに頼らず、自社の業務に本当に触れる敏感な質問で候補モデルを試すことだ。コードと数学で高得点のモデルが、特定の地域や歴史、政策についてどう答えるかはその立場によるのであり、その立場を自社の展開場面が受け入れられるかが本当の論点になる。複数地域の利用者に向けた製品では、この種のテストを性能テストと同じ表に載せるべきである。
