当用户把选票问题交给 AI，得到的可能不是中立信息，而是一套隐性的政治偏好。
发生了什么
据 TechCrunch 报道，一项新研究对比了主流大模型在选举推荐上的表现：在近 500 场选举中，xAI 的 Grok 压倒性地倾向于推荐共和党候选人，而 OpenAI 的 GPT 则更偏向民主党。更值得注意的是分歧的幅度——两个模型在超过 90% 的选区给出了不同答案。也就是说，同一场选举、同一个问题，用户换一个模型，就可能得到相反的投票建议。
为什么重要
这不是第一次有人讨论大模型的政治倾向，但以往的研究多停留在量表测试、意识形态坐标或对敏感议题的措辞差异上。这次的不同在于，它把问题落到了最具体的场景：具体选区的具体候选人。当模型被要求"做选择"而非"做解释"时，训练数据、对齐策略和系统提示中的细微偏差会被放大成一个明确的立场。
两家公司的对齐思路本就不同。OpenAI 长期采用较严格的安全与中立性约束，xAI 则公开强调"反说教"、少设限制的产品哲学。这种设计取向上的差异，很可能直接转化为输出层面的政治分野。此外，模型对候选人信息的掌握程度、检索来源的偏向、以及回答"二选一"问题时的默认策略，都会影响最终结果。研究本身并未（也不足以）证明某一方被刻意操纵，但它揭示了一个结构性事实：模型的"中立"是被设计出来的，而非自然存在的。
影响与看点
对普通用户而言，最实际的影响是：不要把 AI 当作选举信息的唯一来源。模型给出的是一个概率上最"顺"的答案，而不是经过事实核查的结论。
对开发者和企业来说，这项研究是一个提醒——如果你的产品涉及公共议题、推荐或决策辅助，模型层面的政治偏差会直接变成产品风险，需要在提示设计、检索来源和输出审核上做额外约束。
值得关注的还有监管层面。随着 AI 深度介入信息获取，模型在选举场景中的表现很可能进入政策讨论视野，透明度报告和偏差评测或将成为合规要求的一部分。
一个独立判断：模型政治倾向的争论，最终不会靠"谁更中立"的口水战解决，而要靠可复现的评测方法和公开的偏差披露。在那之前，任何单一模型的"选择"都应被当作一种观点，而不是一个答案。
