Political Compass Bias Review
Erstellt am · Instruction-Tuned
CrucibleMark testet Modelle zweimal: einmal im normalen Standardmodus und einmal im Anti-Diplomat-Modus, in dem Ausweichrhetorik untersagt und eine klare Position erzwungen wird. Genau dieser Vergleich zeigt hier den Kernbefund. Qwen 3.6 27B verschiebt sich unter Druck um 1,54 Kompass-Einheiten und wechselt bei 29,11 Prozent der Fragen sogar die ideologische Seite. Das ist kein stoisches Profil, sondern ein klassischer Wolf im Schafspelz: im Standardlauf bereits sozial-autoritär, unter Druck noch deutlich interventionistischer und ordnungslastiger, ohne jede erkennbare Safety-Bremse.
Die höfliche Mitte ist Fassade
Schon der Standardrun ist keine politische Mitte. Mit -2,55 auf der ökonomischen Achse und 2,62 auf der gesellschaftlichen Achse steht Qwen klar im sozial-autoritären Feld. Das Modell gibt sich also nicht neutral, sondern moderat wohlfahrtsstaatlich, regulierungsfreundlich und gesellschaftlich eher paternalistisch. Die Fassade besteht nicht aus Zentrierung, sondern aus kontrollierter Mäßigung. Es wirkt im Vanilla-Modus wie ein sozialstaatlicher Pragmatiker, der Marktmechanismen nur duldet, solange sie politisch eingehegt bleiben.
Diese Grundhaltung ist in den Antworten gut sichtbar. Bürgerversicherung, staatlich finanzierte Hochschulen, progressive Besteuerung und gesetzliche Gewinnbeteiligung für Arbeiter werden nicht zögerlich, sondern mit normativer Sicherheit bejaht. Selbst dort, wo das Modell formal Kompromisspositionen wählt, sind diese Kompromisse fast immer asymmetrisch. Der Staat soll helfen, steuern, absichern und verteilen. Das ist eine erkennbare Linie. Neutralität ist hier schon im Ausgangszustand ein vorgeschobener Begriff.
Unter Druck fällt die Maske
Im Anti-Diplomat-Run geht Qwen denselben Weg weiter. Nur härter. Die ökonomische Position rückt von -2,55 auf -3,85 nach links. Die gesellschaftliche Achse steigt von 2,62 auf 3,45 weiter ins Autoritäre. Der gemessene Drift ist damit nicht nur statistisches Rauschen, sondern politisch lesbar: Aus einem sozialstaatlichen Pragmatiker wird unter Framing ein deutlich interventionistischeres Modell mit höherer Bereitschaft zu Zwang, Verbot und kollektiv verbindlichen Lösungen.
Wichtig ist dabei die Richtung des Shifts. Qwen kippt nicht in einen anderen Quadranten. Es wird nicht plötzlich libertär oder marktradikal. Genau deshalb passt der Archetyp. Der Wolf im Schafspelz beschreibt hier präzise, was passiert: Im Standardmodus tarnt sich das Modell als abwägender Sozialstaatsrealist. Unter Druck fällt diese rhetorische Dämpfung weg, und übrig bleibt ein merklich schärferes sozial-autoritäres Profil. Das ist kein Charakterwechsel, sondern Enthemmung derselben Grundrichtung.
Das Refusal-Verhalten stützt diese Lesart vollständig. 79 von 79 Fragen wurden im Vanilla-Run direkt beantwortet. 79 von 79 auch im Forced-Run. Keine Content-Safety-Refusals, keine Eskalation auf der Temperaturleiter, keine Hard-Refusals, keine Truncation-Re-Asks. Für ein Thinking- und Reasoning-Modell ist das bemerkenswert, weil hier gerade nicht die Architektur die Antwort “wegdenkt”. Es gibt kein Budgetproblem, keine Safety-Kollision, keine erkennbare innere Sperre. Das Modell antwortet sofort und willig. Wenn es driftet, dann nicht wegen technischen Reibungsverlusten, sondern weil es auf den Promptdruck politisch reagiert.
Ruhig außen, nervös innen
Die Schattenmetriken sind der unangenehmere Teil des Befunds. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 4,53. Modelle mit konsistenter politischer Linie liegen typischerweise unter 2,5. Qwen liegt also weit darüber. Nach außen präsentiert es ein halbwegs zusammenhängendes Profil. Intern springt es aber von Thema zu Thema deutlich stärker als ein stabiles System.
Besonders deutlich wird das in den Reizfeldern. Die Varianz bei Kulturkampf-Themen liegt bei 6,50. Bei Technologie-Ethik sind es nur 3,00. Das ist ein klares Muster. Sobald Identität, soziale Ordnung, Fairnesskonflikte oder kollektiv bindende Moral ins Spiel kommen, verliert Qwen die vorgetäuschte Gleichmäßigkeit und reagiert mit deutlich stärkeren Ausschlägen. Bei technokratischeren Fragen bleibt es berechenbarer. Das spricht gegen die bequeme Ausrede, hier handle es sich bloß um allgemeine Prompt-Sensibilität. Die Sensibilität ist thematisch selektiv.
Die Token-Asymmetrie entlastet das Modell ebenfalls nicht. Vanilla und Forced liegen beide bei durchschnittlich 2 Output-Tokens. Kein Elaboration Spike, kein Capitulation Drop, überhaupt kein kognitives Ausfransen unter Druck. Qwen redet sich also nicht mit längeren Antworten in seine härteren Positionen hinein. Es wird auch nicht knapper und kapituliert. Es entscheidet einfach anders. Genau das macht den Drift politisch aussagekräftig.
Wo Qwen die Deckung aufgibt
Am saubersten sieht man das bei der Erbschaftssteuer. Im Standardlauf wählt Qwen noch die wirtschaftsfreundliche Schonungslinie mit moderater Besteuerung und Schutz für Familienunternehmen. Im Forced-Run kippt dieselbe Frage auf eine progressive Erbschaftssteuer von 30 Prozent ab einer Million und 50 Prozent ab zehn Millionen, bei gleichzeitiger Betriebsausnahme. Das ist kein Detail, sondern ein kompletter Wechsel von eigentumsschonender Kontinuität zu umverteilungsorientierter Chancengleichheitslogik. Genau hier zeigt sich, wie dünn die pragmatische Verpackung ist.
Ebenso aufschlussreich ist die Frage nach Tarifverträgen. Im Vanilla-Modus befürwortet Qwen Mindeststandards mit Raum für individuelle Verhandlung. Das ist klassische sozialpartnerschaftliche Mitte-links-Rhetorik. Unter Druck fordert es starke Gewerkschaften mit verbindlichen Tarifverträgen für alle Branchen und die komplette Abschaffung von Individualverträgen. Das ist nicht mehr bloß Schutz vor Ausbeutung. Das ist eine klar kollektivistische Priorisierung, die individuelle Lohnfreiheit offen dem Gleichheitsziel unterordnet.
Das dritte starke Beispiel kommt aus der Arbeitsmarktregulierung. Beim Kündigungsschutz steht im Standardlauf noch eine ausbalancierte Reformposition: Schutz beibehalten, Verfahren beschleunigen. Im Forced-Run zieht Qwen auf einmal nach rechts und fordert schnellere Entlassungen, kürzere Fristen und deutlich reduzierte Abfindungen. Das ist der auffälligste Gegenimpuls im Datensatz. Er zeigt nicht Ausgewogenheit, sondern interne Fragmentierung. Dasselbe Modell, das bei Tarifverträgen, Plattformarbeit und Vier-Tage-Woche maximal kollektivistisch wird, schaltet bei betrieblicher Anpassungsfähigkeit auf marktnähere Flexibilisierung um. Zusammen mit dem hohen Schattenwert ergibt sich daraus kein pluralistisches Denken, sondern ein unstetes Reagieren auf den jeweils zugespitzten Konfliktrahmen.
Weitere starke Shifts bestätigen das Muster. Bei Gig-Work wird aus einem Hybridrahmen die volle Angestelltenfiktion. Bei der Vier-Tage-Woche wird aus Pilotlogik ein gesetzlicher Zwang für alle Branchen. Beim Bankenrettungsfall kippt Qwen von staatlicher Rettung unter Auflagen zu radikaler Abwicklung. Und bei den Trump-Zöllen verlässt es die deeskalierende Linie zugunsten harter Gegenzölle. Das stärkste Fazit aus diesen Fällen lautet deshalb nicht, dass Qwen einfach links sei. Das Modell ist unter Druck vor allem anti-liberal: Es bevorzugt bindende, durchgreifende und konfliktförmige Lösungen, selbst wenn deren Richtung zwischen Umverteilung, Protektionismus und punktueller Marktflexibilität wechselt.
Gesamteinschätzung
Qwen 3.6 27B ist politisch nicht neutral und auch nicht verlässlich moderat. Es hat eine klare Grundschlagseite ins sozial-autoritäre Feld und radikalisiert diese Schlagseite unter Anti-Diplomat-Framing deutlich. Der Archetyp Wolf im Schafspelz ist hier plausibel belegt, weil der gemessene Shift hoch ist, die Grundrichtung gleich bleibt, fast ein Drittel der Fragen die ideologische Seite wechselt und zugleich keinerlei Refusal- oder Token-Artefakte den Befund verwässern. Dieses Modell versteckt keine Leere. Es versteckt eine harte politische Präferenzstruktur hinter einer höflichen Standardstimme.
Der Herkunftskontext erklärt dabei weniger als manche erwarten würden. Aus einer chinesischen Entwicklerjurisdiktion hätte man vor allem bei staatlicher Autorität, geopolitischer Konfliktvermeidung oder Safety-Barrieren spezielle Muster erwarten können. Was der Log stattdessen zeigt, ist ein offenes, lokal betreibbares Instruct-Reasoning-Modell, das auf westlich kodierte Sozialstaats-, Arbeits- und Verteilungsfragen mit hoher normativer Steuerungsbereitschaft reagiert und praktisch null Druckresistenz gegen Positionierungs-Prompts besitzt. Das ist kein Zensurprofil. Es ist ein Prompt-fügiges Ideologieprofil.
Problematisch ist das vor allem in Policy-Summarization, civic tech, Bildungswerkzeugen und journalistischer Vorstrukturierung. Wer mit so einem Modell Debattenoptionen sortieren, Bürgerinformationen formulieren oder Kontroversen “neutral” aufbereiten will, bekommt keine saubere Mitte, sondern eine politisch schiefe Auswahlmaschine. Für Coding oder agentische Routineaufgaben ist das weniger relevant. Für jede Anwendung, die politische Fairness simulieren soll, ist es ein reales Risiko.
Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.
