Aleph Alpha ทดสอบโมเดลเปิดจีน 6 ตัวด้วย 967 คำถามการเมือง: ตอบแบบสมดุลแค่ 17–41% — และพบว่า Nemotron ของ NVIDIA ติดแนวคิดพรรคมาจากข้อมูล SFT ที่ Qwen/DeepSeek สร้าง

หมายเหตุเรื่องเวลา: งานนี้ Aleph Alpha เผยแพร่บนบล็อกของตัวเองตั้งแต่ 28 ก.ย. 2026 แต่เพิ่งมีคนพูดถึงเมื่อ The Decoder หยิบไปรายงานเมื่อ 4 ต.ค. โพสต์นี้จึงเป็นการตามเก็บข่าว ไม่ใช่ข่าวด่วน ที่ยังเลือกเขียนเพราะมันมีข้อค้นพบที่กระทบนักพัฒนาโดยตรง ซึ่งข่าวที่ออกมาส่วนใหญ่ไม่ได้เน้น

Aleph Alpha (บริษัทเยอรมนีที่เพิ่งปล่อย Kolibri-1 เมื่อวันที่ 3 ต.ค.) สร้างชุดคำถาม 967 ข้อ ที่อ่อนไหวทางการเมืองเกี่ยวกับจีน แล้วนำไปถามโมเดลเปิดจากจีน 6 ตัว พบว่าตอบแบบ “สมดุล” ได้เพียง 17–41% ที่เหลือเป็นการทวนจุดยืนของพรรคคอมมิวนิสต์จีน (CCP) เบี่ยงประเด็น หรือปฏิเสธไม่ตอบ แต่ส่วนที่นักพัฒนาควรสนใจที่สุดคือการค้นพบว่า NVIDIA Nemotron Cascade 2 ซึ่งเป็นโมเดลอเมริกัน ก็ติดจุดยืนเหล่านี้มาด้วย ต้นเหตุคือข้อมูล synthetic ที่ใช้ฝึก ไม่ได้เกิดจากการตั้งใจของ NVIDIA

วิธีทดสอบ

• เลือก 56 หัวข้อด้วยมือ (เช่น ทิเบต ซินเจียง ไต้หวัน เทียนอันเหมิน การปฏิวัติวัฒนธรรม) แล้วให้ GPT-OSS 120B สร้างพรอมต์จากหัวข้อเหล่านั้น ผ่านตัวกรองคุณภาพแล้วเหลือ 967 ข้อ
• ใช้ GPT-OSS 120B เป็นผู้ตัดสิน (LLM judge) แยกคำตอบเป็นสามแบบ คือทวนกรอบคิดของ CCP, ตอบสมดุล และปฏิเสธ โดยมีพฤติกรรมย่อยอีกหลายแบบ เช่น อ้างกฎหมายจีนเป็นเหตุผลในการปฏิเสธ หรือปฏิเสธเหตุการณ์ที่มีหลักฐานบันทึกไว้
• ทำชุดที่สองอีก 240 ข้อที่ไม่เอ่ยถึงจีนเลย (เช่น ข้อพิพาทดินแดน สิทธิมนุษยชน) เพื่อดูว่าจุดยืนนี้โผล่ออกมาเองหรือเปล่าเมื่อไม่มีคำว่าจีนในคำถาม

ผู้เขียนยอมรับในบทความเองว่าการแยกระหว่าง “ปฏิเสธเพื่อความปลอดภัยของผู้ใช้” กับ “ปฏิเสธตามแนวพรรค” ตัดสินได้ยาก และอาจเกิด judge bias ได้ นอกจากนี้ในบทความยังไม่มีลิงก์ให้ดาวน์โหลดชุดคำถาม คนนอกจึงยังตรวจซ้ำไม่ได้

ผลลัพธ์ (อ่านจากกราฟในบทความ)

ชุด 967 ข้อที่เกี่ยวกับจีน:

โมเดล	ทวนกรอบ CCP	สมดุล	ปฏิเสธ
Qwen 3.6 35B-A3B	80%	17%	2.5%
Qwen 3.8 2.4T-A95B	62%	19%	19%
DeepSeek R1 0528	77%	22%	0.8%
DeepSeek V4 Pro 0813	16%	18%	66%
Kimi K2.5	47%	37%	16%
Kimi K3	40%	41%	19%
Claude Sonnet 5 (baseline)	2.8%	70%	27%
Mistral Small 2603 (baseline)	8%	92%	0.2%

ข้อสังเกตสามข้อ:

1. DeepSeek รุ่นใหม่เปลี่ยนจาก “ทวน” เป็น “ไม่ตอบ” โดย V4 Pro ปฏิเสธถึงสองในสามของคำถาม ส่วน Qwen 3.8 มีหลายกรณีที่รุ่น 3.6 เคยพูดจุดยืนทางการเมืองตรง ๆ แต่ 3.8 เลือกปฏิเสธแทน แปลว่าผู้พัฒนาจีนกำลังเปลี่ยนวิธีจัดการคำถามประเภทนี้ ไม่ได้ทำให้คำตอบสมดุลขึ้น
2. Claude Sonnet 5 ที่ได้ “สมดุล” แค่ 70% ไม่ได้แปลว่ามันทวนแนวพรรค (มีแค่ 2.8%) แต่เป็นเพราะ ปฏิเสธไปถึง 27% ข่าวที่สรุปว่า “Western 70% vs 92%” จึงทำให้เข้าใจผิดได้ถ้าไม่ดูตัวเลขการปฏิเสธประกอบ
3. ในชุด 240 ข้อที่ไม่เอ่ยถึงจีน โมเดลจีนส่วนใหญ่ตอบสมดุล 80–93% (DeepSeek V4 Pro ต่ำสุดที่ 58% และยังปฏิเสธ 30%) แปลว่าสำหรับงานทั่วไปที่ไม่เกี่ยวกับการเมืองจีน ผลกระทบมีจำกัด แต่ Aleph Alpha ระบุว่าบางโมเดลยังดึงจุดยืนของ CCP เข้ามาในคำถามเรื่องข้อพิพาทดินแดนหรือสิทธิมนุษยชนเองได้

Nemotron: แนวคิดพรรคที่ติดมากับข้อมูล synthetic

ส่วนนี้คือข้อค้นพบที่สำคัญที่สุด Nemotron Cascade 2 30B-A3B ของ NVIDIA ถูกตัดสินว่าทวนกรอบ CCP 18% (สมดุล 75%, ปฏิเสธ 7%) Aleph Alpha จึงย้อนไปดูข้อมูล SFT ที่ NVIDIA เปิดเผยไว้ทั้งหมด ซึ่งส่วนใหญ่สร้างโดยโมเดลจีนอย่าง DeepSeek และ Qwen แล้วพบว่า ประมาณ 3,500 จาก 9.3 ล้านแถว ในส่วน chat มีเนื้อหาที่ได้รับอิทธิพลจาก CCP ซึ่งคิดเป็นสัดส่วนเพียงราว 0.04% และในนั้นมีแค่ส่วนน้อยที่ชัดเจน แต่ก็มากพอจะทำให้เห็นผลในโมเดลที่เทรนเสร็จแล้ว

Aleph Alpha สรุปว่าการใช้โมเดลจีนสร้างข้อมูล SFT จำนวนมาก “เท่ากับเปิดรับอิทธิพลทางการเมือง” แต่ก็ยอมรับว่าการใช้โมเดลเปิดที่เก่งที่สุดสร้างข้อมูลฝึกเป็นแนวทางที่ทั้งวงการใช้กันอยู่ และอ้างข้อมูลจาก OpenRouter ว่าการใช้โมเดลจีนเพิ่มจากราว 1.2% ของปริมาณโทเคนรายสัปดาห์เมื่อปลายปี 2024 ไปจนเกือบ 30% ในช่วงปลายปี 2025

มุมมอง AI Curator

ต้องบอกก่อนว่า Aleph Alpha มีผลประโยชน์ทางธุรกิจในเรื่องนี้โดยตรง บริษัทขาย “sovereign AI” ให้รัฐบาลยุโรป เพิ่งจับมือกับ Cohere และเพิ่งปล่อย Kolibri ที่ใช้จุดขายว่า “ไม่ใช่โมเดลจีน” อีกทั้งชุดทดสอบนี้ใช้ GPT-OSS 120B ทั้งสร้างคำถามและตัดสิน และยังไม่เปิดให้ใครตรวจซ้ำได้ ตัวเลขแต่ละตัวจึงควรมองเป็นค่าประมาณ ผลการวิจัยนี้จะน่าเชื่อถือขึ้นมากเมื่อมีหน่วยงานอิสระทำซ้ำได้

แต่ข้อค้นพบเรื่อง Nemotron ไม่ขึ้นอยู่กับว่าใครเป็นผู้ทดสอบ และเป็นเรื่องที่ทีม AI ในไทยควรรู้ เพราะ แทบทุกทีมที่ฝึกโมเดลภาษาไทยตอนนี้ใช้ Qwen หรือ DeepSeek สร้างข้อมูล synthetic หรือใช้เป็นโมเดลฐาน บทเรียนคือข้อมูลที่ได้จากการ distill จะติดค่านิยมของโมเดลต้นทางมาด้วย แม้จะปนอยู่เพียง 0.04% ก็มองเห็นผลในโมเดลปลายทางได้ และผลนั้นไม่ได้จำกัดอยู่แค่เรื่องการเมืองจีน มุมมองเรื่องข้อพิพาทดินแดน สิทธิมนุษยชน หรือแม้แต่ประวัติศาสตร์ภูมิภาคอาเซียน ก็สามารถติดมาในลักษณะเดียวกันได้

สิ่งที่ทำได้จริงมีสามข้อ ซึ่งตรงกับที่ Aleph Alpha แนะนำ: (1) คัดกรองข้อมูล SFT ด้วย classifier ก่อนนำไปเทรน (2) ใส่ข้อมูล alignment ที่กำหนดพฤติกรรมที่ต้องการ สำหรับหัวข้ออ่อนไหวในบริบทของเราเอง เช่น ทะเลจีนใต้ หรือประวัติศาสตร์ไทย-กัมพูชา และ (3) สร้าง eval ชุดเล็กที่เกี่ยวกับภูมิภาคของเราเอง ถ้าคุณกำลังทำแชตบอตให้หน่วยงานรัฐ สื่อ หรือสถานศึกษา ผมมองว่าข้อ 3 จำเป็นต้องทำ ส่วนถ้าใช้ Qwen ทำงานโค้ดหรือสรุปเอกสารบริษัท ข้อมูลชุด 240 ข้อนี้ช่วยยืนยันได้ว่าผลกระทบมีน้อยมาก

แหล่งข่าว

• Aleph Alpha — Training on the Party Line: Chinese Political Influence on LLMs in China and the World (28 ก.ย. 2026)
• The Decoder — Chinese AI models parrot state doctrine or refuse to answer on sensitive topics (4 ต.ค. 2026)