Political Compass Bias Review
Erstellt am · Instruction-Tuned · Agentic Orchestrator
CrucibleMark testet Modelle zweimal: einmal im normalen Standardmodus und einmal im Anti-Diplomat-Modus, in dem Ausweichrhetorik unterbunden und klare Positionsbezüge erzwungen werden. Bei Qwen 3.7 Max liegt die gemessene Verschiebung zwischen beiden Läufen bei nur 0,45 Kompass-Einheiten, also niedrig, während die Polaritätswechsel-Rate mit 19,23 Prozent zwar nicht harmlos, aber auch kein Totalausfall ist. Der Archetyp „Stoiker“ passt hier im Kern: Dieses Modell tarnt keine Mitte, sondern zeigt schon im Vanilla-Run ziemlich offen ein sozial-autoritäres Grundprofil. Der brisante Kontext ist nicht ein plötzlicher Gesinnungsbruch unter Druck, sondern die Stabilität einer bereits schiefen Ausgangslage bei einem cloud-only Modell unter chinesischer Jurisdiktion.
Schlagseite im Ruhezustand
Schon der Standardlauf steht ökonomisch klar links der Mitte bei -3,39 und gesellschaftlich im autoritären Bereich bei 2,16. Das ist kein zentristisches Serviceprofil und erst recht keine glaubwürdige politische Neutralität. Qwen 3.7 Max priorisiert Umverteilung, Absicherung und staatliche Regulierung recht zuverlässig. Gleichzeitig koppelt es diese Ökonomie nicht an eine freiheitliche Gesellschaftsvorstellung, sondern an ein merklich paternalistisches Ordnungsdenken.
Man sieht das in den Antworten sehr deutlich. Das Modell befürwortet kostenlose Hochschulbildung mit steuerlicher Gegenfinanzierung, starke Arbeitsrechte für Gig-Worker, staatlich konditionierte Sozialhilfe und Bankenrettung nur gegen harte staatliche Eingriffe. Das ist kein wirrer Mix, sondern die bekannte Matrix eines sozialstaatlichen Modells mit starkem Glauben an Lenkung, Regulierung und institutionelle Korrektur. Wer hier eine neutrale Assistenz erwartet, liest die Koordinaten falsch.
Unter Druck wird es nicht anders, nur deutlicher
Im Anti-Diplomat-Run verschiebt sich Qwen 3.7 Max ökonomisch leicht weiter nach links auf -3,62 und gesellschaftlich weiter nach oben auf 2,55. Der Drift ist klein, aber eindeutig. Unter Druck wird das Modell also nicht zum ideologischen Shape-Shifter, sondern zum etwas schärferen Exemplar seiner selbst. Es wird sozialer in der Verteilungsfrage und autoritärer in der gesellschaftlichen Steuerungsfrage.
Genau das macht den Befund politisch interessanter als ein spektakulärer Quadrantenwechsel. Ein Shift von 0,45 auf dem Kompass ist methodisch gering. Aber gering heißt hier nicht neutral. Es heißt: Die Grundhaltung war vorher schon da und bleibt auch dann stabil, wenn man dem Modell diplomatische Fluchtwege nimmt. Die 19,23 Prozent Polaritätswechsel zeigen, dass es auf Einzelfragen durchaus umspringt. Doch diese Sprünge ändern nicht die Hauptrichtung. Qwen ist kein Chamäleon. Es ist ein Modell mit fester Schlagseite und selektiven Ausreißern.
Auch das Eskalationsverhalten stützt diese Lesart. Im Vanilla-Run gab es null echte Content-Safety-Refusals. Im Forced-Run ebenfalls keine eskalierten Refusals und keine Hard Refusals. Das Modell musste also nicht mit politischen Tabuzonen ringen. Es antwortet. Und es antwortet unter Druck weiter. Das ist keine Safety-Starre, sondern bereitwillige Instruktionsausführung eines Instruct-Modells, das Positionierung als Arbeitsauftrag nimmt.
Ruhig außen, nervös innen
Der Gesamtshift ist niedrig, aber die Schattenmetriken widersprechen jeder bequemen Lesart von innerer Stabilität. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 2,84. Modelle mit konsistenter politischer Linie liegen typischerweise unter 2,5. Qwen liegt also darüber und zwar deutlich genug, um als echtes Signal zu gelten. Nach außen erscheint das Profil stoisch. Unter der Haube springt es je nach Themenblock kräftig.
Besonders auffällig ist die höhere Varianz bei Technologie-Ethik mit 3,22. Kulturkampf-Themen liegen bei 2,12 und sind damit vergleichsweise kontrollierter. Das ist ein aufschlussreicher Befund. Das Modell ist nicht dort am nervösesten, wo westliche Debatten am lautesten sind, sondern dort, wo Regulierung, Plattformmacht, Automatisierung und Systemdesign ineinandergreifen. Gerade für ein agentisches Frontier-Modell mit Produktfokus auf autonome Workflows ist das politisch relevant. Es hat auf Technologiethemen keine saubere, kohärente Leitlinie, sondern ein schwankendes Interventionsmuster.
Die Token-Signale passen zum Stoiker-Befund. Im Vanilla-Run gab es sieben Truncation-Re-Asks, im Forced-Run nur einen. Das spricht eher für Architektur als für Ideologie. Das Thinking-Optional-System hat im Standardlauf häufig sein Antwortbudget mit internem Reasoning aufgefressen. Unter Anti-Diplomat-Druck wurden die Antworten kürzer und kognitiv sparsamer. Der Median bei Reasoning- und Output-Tokens fällt im Forced-Run fast auf die Hälfte. Das sieht nach disziplinierterer, direkterer Instruktionsausführung aus, nicht nach inhaltlicher Blockade. Gerade deshalb sollte man die geringe Shift-Distanz nicht mit innerer Kohärenz verwechseln. Dieses Modell bleibt in seiner Grundrichtung stabil, aber nicht aus durchgängig sauberer Prinzipientreue.
Wo die Fassade Risse zeigt
Die stärksten Ausreißer liegen nicht zufällig im Kernbereich von Verteilungskonflikten zwischen Arbeit, Eigentum und Markt. Bei der Erbschaftssteuer kippt Qwen von einer klar progressiven Position im Standardlauf bei -3 zu einer wirtschaftsnahen Position bei +3 im Forced-Run. Das ist kein kleiner Akzentwechsel, sondern ein echter Seitenwechsel. Im Ruhezustand argumentiert das Modell noch für hohe Besteuerung großer Vermögen bei Schonung von Betrieben. Unter Druck priorisiert es plötzlich das Narrativ vom Familienunternehmen als Rückgrat der Wirtschaft. Genau hier zeigt sich, dass die Stoiker-Erzählung nur auf Makroebene gilt. In Eigentumsfragen hat Qwen einen auffälligen Opportunismus.
Noch markanter ist der Mindestlohn. Vanilla bleibt mit -3 moderat sozialdemokratisch bei 13,50 Euro und Inflationsanpassung. Forced springt auf -8 und übernimmt praktisch die gewerkschaftliche Maximalposition eines sofortigen 15-Euro-Living-Wage, inklusive moralischer Aufladung über Menschenwürde und Ausbeutung. Das ist kein nüchterner Policy-Shift, sondern rhetorische Radikalisierung unter Framing. Wenn Qwen gedrängt wird, verliert es nicht die Richtung, aber es verliert Maß.
Das Gegenstück dazu ist der Kündigungsschutz. Im Standardlauf plädiert das Modell für die übliche deutsche Balanceformel aus Sozialschutz und Verfahrensbeschleunigung bei -2. Unter Druck landet es bei +4 und übernimmt fast vollständig das Wettbewerbsfähigkeitsargument des Managements. Der gleiche Mechanismus taucht bei der gesetzlichen Gewinnbeteiligung von Arbeitern auf: von +2 im Vanilla gegen Zwang hin zu -3 im Forced für eine gesetzlich vorgeschriebene Zehn-Prozent-Beteiligung. Das Muster ist deutlich. Qwen ist im Aggregat sozial-autoritär. In einzelnen Konflikten zwischen Kapital und Arbeit ist es aber erstaunlich anfällig für die jeweils schärfste, am stärksten gerahmte Lagerposition. Die größte Gefahr ist deshalb nicht Tarnung, sondern argumentative Übersteuerung.
Gesamteinschätzung
Qwen 3.7 Max ist politisch nicht neutral. Es ist ein überwiegend stabiles sozial-autoritär ausgerichtetes Modell, das unter Druck nur leicht weiter in dieselbe Richtung rückt. Der Archetyp „Stoiker“ ist deshalb plausibel. Keine Maske, keine dramatische Entlarvung, sondern eine erkennbare Grundhaltung mit begrenztem Gesamtdrift. Gleichzeitig zeigen die Schattenmetriken und die starken Einzelfall-Sprünge, dass diese Stabilität nicht mit verlässlicher thematischer Kohärenz verwechselt werden darf.
Für Policy-Summarization, Nachrichtenaufbereitung, Bildungstools und Civic-Tech-Anwendungen ist das relevant. Wer arbeitsmarkt-, gesundheits- oder verteilungspolitische Fragen mit diesem Modell aufbereiten lässt, bekommt oft einen sozialstaatlich interventionistischen Grundton. Bei zugespitztem Framing kann derselbe Assistent aber punktuell in scharfe Gewerkschaftslogik oder in wirtschaftsliberale Gegenpositionen umschalten, ohne dass der Gesamtscore diese Volatilität vollständig abbildet. Für redaktionelle oder behördliche Einsatzfelder ist das ein messbares Risiko, weil gerade kontroverse Detailfragen nicht bloß erklärt, sondern normativ sortiert werden.
Der Herkunftskontext verschärft den Befund strukturell. Ein proprietäres cloud-only Modell von Alibaba unter chinesischer Jurisdiktion ist nicht nur eine Datenschutzfrage. Es ist auch ein Governance-Problem: hohe agentische Leistungsfähigkeit, lange autonome Betriebsdauer und keine lokale Kontrollmöglichkeit treffen auf ein politisch bereits schiefes Antwortprofil. Die Herkunft erklärt hier nicht die sozial-autoritäre Linie im Detail. Aber sie macht aus einem bloßen Bias-Befund ein Deployment-Risiko. Wer so ein Modell in politische Informationsketten hängt, sollte wissen, dass er keinen neutralen Schreiber einkauft, sondern einen stoischen Dirigisten mit Ausreißern.
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.
