Aleph Alpha基准：中国模型敏感议题多不合平衡标准

德国AI公司Aleph Alpha发布自研基准测试，用967个敏感议题（如天安门、台湾、新疆）测试阿里千问（Qwen）、DeepSeek和月之暗面（Kimi）的模型。按其自有评分系统，仅17%至41%的回答被评为平衡，其余重复官方立场、回避或拒答；其中DeepSeek V4 Pro拒答三分之二的问题。 作为对照，Aleph Alpha称西方模型Claude Sonnet 5和Mistral Small给出平衡回答的比例分别为70%和92%。上述评分与结论均出自Aleph Alpha自有的评分系统。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。