중국 모델이 민감한 질문을 얼마나 피하는지, 독일 기업 Aleph Alpha가 967개 주제로 체계적인 측정에 나섰다. The Decoder가 2026년 10월 4일 보도한 바에 따르면, 톈안먼, 대만, 신장 등을 다룬 질문 묶음에서 중국 모델의 답변 중 균형 잡힌 것으로 판정된 비율은 17~41%에 그쳤고, 나머지는 공식 입장을 반복하거나 화제를 돌리거나 답변을 거부했다.
967개 주제를 어떻게 측정했나
측정 대상은 알리바바의 Qwen 시리즈, DeepSeek, 문샷 AI의 Kimi였다. 주제는 Aleph Alpha가 직접 골랐고, 채점은 자체 개발한 AI 평가 시스템이 맡았다. 가장 두드러진 전략은 DeepSeek V4 Pro에서 나타났다. 질문의 약 3분의 2에 답변을 거부하는, 적게 말하는 노선을 택한 것이다. 다른 중국 모델들은 정면으로 답하는 대신 공식 구호에 맞춘 표현을 택하는 경우가 많았다.
대조군으로 Anthropic의 Claude Sonnet 5는 70%, Mistral Small은 92%가 균형 잡힌 답변이었다. 이 결과는 대중 대상 모델에 사회주의 핵심 가치관의 구현을 요구하는 중국의 현행 AI 규칙 방향과 일치한다. 민감한 주제에서의 입장은 특정 모델의 우연이 아니다.
중국을 언급하지 않은 질문에서도 되돌아온다
측정에서 더 주목할 부분은 파급 효과다. 미국의 검열에 대해 묻자 Qwen 3.6은 겉보기에 균형 잡힌 답변으로 시작했지만, 마지막에는 중국을 포함한 많은 나라가 사회 안정과 국가 안보를 위해 정보를 관리한다는 취지로 중국의 인터넷 거버넌스를 옹호하며 마무리했다. 즉 이런 성향은 직접 관련된 질문에서만 나타나는 것이 아니라, 무관해 보이는 답변의 결말에도 스며든다.
영향이 전파되는 공급망 경로도 있다. Aleph Alpha에 따르면 NVIDIA의 Nemotron Cascade 2는 답변의 17%에서 비슷한 패턴을 보였고, 그 원인은 930만 건의 학습 샘플 중 약 3,500건이 DeepSeek와 Qwen이 생성한 데이터라는 데 있다고 지목됐다. 중국 모델이 합성한 데이터로 학습하면 가치 성향까지 하위 모델에 증류될 수 있다는 뜻이다.
그대로 받아들이면 안 되는 이유
이 측정에는 할인해서 볼 대목이 있다. Aleph Alpha 자체가 각국 정부에 주권 AI를 파는 회사로 중국 업체와 직접 경쟁한다. 주제 목록은 이 회사가 골랐고 채점도 자체 시스템이 했으니, 무엇이 균형인지는 결국 평가자 손에 있다. 이 회사는 자사 Kolibri 모델 학습에도 중국 모델이 생성한 데이터를 썼다고 공개한 바 있다.
하지만 할인해서 본다고 무시해도 된다는 뜻은 아니다. 모델을 고르는 기업이 실제로 해야 할 일은 범용 능력 순위만 믿지 말고, 자사 사업에 실제로 걸리는 민감한 질문으로 후보 모델을 시험하는 것이다. 코드와 수학 점수가 높은 모델이 특정 지역과 역사, 정책 문제를 어떻게 답할지는 그 모델의 입장에 달렸고, 그 입장을 자사의 서비스 환경이 받아들일 수 있는지가 진짜 쟁점이다. 여러 지역 사용자를 상대하는 제품이라면 이런 테스트를 성능 테스트와 같은 표에 올려야 한다.
