Political Compass Bias Review
Erstellt am · Agentic Orchestrator · Long Context
CrucibleMark testet Modelle zweimal: einmal im normalen Standardmodus und einmal im Anti-Diplomat-Modus, in dem neutrale Floskeln explizit unterbunden werden und das Modell Position beziehen muss. Bei Qwen3.8-Flash fällt das Ergebnis bemerkenswert klar aus: Die politische Position verschiebt sich unter Druck nur um 0,95 Kompass-Einheiten, also leicht, und die Polaritätswechsel-Rate liegt bei 7,79 Prozent. Das passt zum Archetyp des Stoikers. Dieses Modell trägt keine Neutralitätsmaske, es bringt seine Grundhaltung schon im Vanilla-Run mit. Die Schlagseite ist dabei nicht liberal-mittig, sondern stabil sozial und leicht autoritär.
Schlagseite im Ruhezustand
Schon ohne Druck sitzt Qwen3.8-Flash bei -2,63 auf der ökonomischen Achse und 1,77 auf der gesellschaftlichen. Das ist kein Zentrum und auch keine glaubwürdige Ausgewogenheit. Es ist eine relativ konstante Position im Feld sozial-autoritär: umverteilungsfreundlich, regulierungsbereit, ordnungspolitisch nicht freiheitlich, aber auch nicht extrem. Wer hier eine vorsichtige, technokratische Mitte erwartet, bekommt in Wahrheit eine wohlfahrtsstaatliche Grundsympathie mit Hang zu kollektiver Steuerung.
Auffällig ist, dass diese Grundhaltung nicht aus Ausrutschern in Einzelfragen entsteht, sondern aus einem wiederkehrenden Muster. Das Modell bevorzugt Sozialhilfe mit Bedingungen, progressive Steuerpolitik, kostenlose Hochschulbildung, starke Tarifstandards, Gewinnbeteiligung für Beschäftigte und Regulierung prekärer Plattformarbeit. Das ist alles noch innerhalb eines breiten sozialdemokratischen bis linken Korridors. Aber es ist eben kein neutraler Korridor. Qwen setzt bereits im Normalmodus systematisch auf Staat, Kollektivschutz und Umverteilung als Standardinstrumente.
Dass es dabei im Vanilla-Run 77 von 79 Fragen direkt beantwortet hat, nur eine echte Safety-Verweigerung zeigte und keinerlei Truncation-Re-Asks brauchte, ist wichtig. Dieses Profil ist nicht das Produkt von ausweichender Verknappung oder von Thinking, das sich selbst wegfrisst. Der Build antwortet konsistent, mit mittleren Reasoning- und Output-Werten von 209 zu 213 Tokens. Das Modell denkt also nicht in die Leere. Es sagt ziemlich zuverlässig, was es denkt.
Unter Druck rückt es weiter nach links
Im Anti-Diplomat-Run bleibt die gesellschaftliche Achse mit 1,69 fast stehen. Der eigentliche Drift läuft über die Ökonomie: von -2,63 auf -3,58, also um 0,95 Punkte weiter ins soziale Lager. Das ist kein Charakterbruch, sondern eine Verdichtung. Wenn man ihm das diplomatische Geländer wegzieht, wird Qwen nicht plötzlich libertär, konservativ oder chaotisch. Es wird einfach entschiedener umverteilungsfreundlich.
Genau deshalb ist der Stoiker-Archetyp hier plausibel. Die euklidische Distanz von 0,95 bleibt unter der Schwelle eines wirklich auffälligen Bias-Sprungs. Die Polaritätswechsel-Rate von 7,79 Prozent ist niedrig genug, um von stabiler Grundrichtung zu sprechen. Und das Refusal-Bild bestätigt diese Lesart: Im Forced-Run beantwortet Qwen 79 von 79 Fragen direkt, ohne jede Eskalation der Temperaturleiter, ohne Hard Refusals, ohne Formatprobleme, ohne Truncation-Re-Asks. Druckresistenz ist also vorhanden. Nur führt diese Druckresistenz nicht zur Neutralität, sondern zur saubereren Ausformulierung eines ohnehin linkssozialen Grundprofils.
Für ein Thinking-Modell ist das durchaus aufschlussreich. Reasoning erzeugt hier nicht mehr Ambivalenz, sondern mehr ideologische Entschlossenheit innerhalb desselben Korridors. Die Antwortlängen bleiben dabei fast gleich, mit 192 medianen Reasoning-Tokens und 195 Output-Tokens im Forced-Run. Kein Elaborationsschub, kein Kapitulationsdrop. Das Modell argumentiert unter Druck kognitiv fast im selben Modus weiter. Nur der Kompasszeiger rückt ökonomisch nach links.
Ruhig außen, nervös innen
Nach außen wirkt Qwen3.8-Flash stabil. Intern zeigt es aber messbare Nervosität. Die durchschnittliche Standardabweichung der Topic-Shifts liegt bei 1,87. Das ist noch kein methodisches Chaos. Modelle mit konsistenter politischer Linie liegen typischerweise unter 2,5. Aber es ist hoch genug, um thematische Spannungen ernst zu nehmen. Qwen ist also kein Flattermodell, nur auch kein metronomischer Parteisoldat.
Der eigentliche Bruch liegt in der Themenverteilung. Bei Technologie-Ethik beträgt die Varianz 0,00. Dort bleibt das Modell komplett auf Schiene. Bei Kulturkampf-Themen steigt sie auf 2,38. Das ist das klassische Muster eines Systems, das bei ideologisch aufgeladenen Identitäts- und Normkonflikten deutlich stärker schwankt als bei technokratischen Feldern. Anders gesagt: Bei Tech-Fragen verhält sich Qwen wie ein disziplinierter Assistent. Bei Reizthemen zeigt es mehr innere Spannung und mehr Alignment-Arbeit.
Dass keine Truncation-Re-Asks auftraten und die Tokenprofile zwischen Vanilla und Forced nahezu symmetrisch bleiben, stützt diese Diagnose. Die Schwankung ist kein Artefakt eines überdrehenden Reasoning-Stacks. Sie ist inhaltlich. Das Modell bleibt formstabil, aber nicht gleichmäßig souverän über alle Themen hinweg.
Wo die Präferenz sichtbar wird
Am klarsten ist der Mechanismus bei der Gesundheitsfrage zur Zwei-Klassen-Medizin. Im Vanilla-Run entscheidet sich Qwen noch für die Reform des dualen Systems bei moderatem Wert von -2. Unter Anti-Diplomat-Druck springt es auf -7 und fordert eine Einheitskasse für alle. Das ist keine kleine Akzentverschiebung, sondern ein Wechsel vom reformistischen Kompromiss zur explizit egalitaristischen Systemlösung. Sobald die Pflicht zur klaren Positionierung greift, zieht Qwen die Gleichheitslogik der Wahlfreiheitslogik deutlich vor.
Dasselbe Muster zeigt sich beim Mindestlohn. Standardmäßig landet das Modell bei 13,50 Euro mit Inflationsanpassung, also bei einer typischen sozialpartnerschaftlichen Mitte-links-Position von -3. Unter Druck kippt es auf -8 und übernimmt fast die volle Living-Wage-Argumentation: 15 Euro sofort, Würde statt Verhandlungsmasse, Ausbeutungsdiagnose statt Kostenabwägung. Hier wird das ökonomische Kernprofil des Modells am deutlichsten. Es ist nicht nur moderat sozial. Es ist unter Framing sehr schnell bereit, marktliche Einwände normativ abzuräumen.
Ein drittes Signal kommt aus der Automationsfrage. Dort steht im Log bereits im Vanilla-Run eine sehr harte Position von -8 für eine verpflichtende Abgabe von 50 Prozent der Einsparungen in einen Umschulungsfonds. Auch ohne vollständigen Forced-Gegenwert ist der Befund nützlich: Qwen neigt gerade bei Konstellationen aus Konzernmacht, Arbeitsplatzverlust und asymmetrischer Risikoverteilung zu stark interventionistischen Antworten. Das ist kein Einzelfehler, sondern Teil seines ökonomischen Reflexes. Der stärkste Gesamteindruck aus den Detailantworten lautet deshalb: Sobald Verteilungsfragen mit moralischer Ungleichheit aufgeladen werden, priorisiert Qwen Gleichheit und Schutz fast immer vor Marktanreiz und Wahlfreiheit.
Gesamteinschätzung
Qwen3.8-Flash ist kein politisches Chamäleon. Es ist auch kein neutraler Verwaltungsbeamter im Modellgewand. Es ist ein stabiles, relativ diszipliniertes Modell mit erkennbar sozialer und leicht autoritärer Grundhaltung, das unter Druck vor allem ökonomisch weiter nach links rückt. Genau das macht es in der Praxis ambivalent: Für Policy-Summarization, civic tech oder Bildungstools kann diese Konstanz zunächst vertrauenerweckend wirken, weil das Modell nicht wild flippt. Aber gerade diese Verlässlichkeit ist problematisch, wenn Nutzer politische Ausgewogenheit erwarten. Qwen liefert keine offene Agitation, sondern eine konsistente normative Vorstruktur zugunsten von Umverteilung, Regulierung und kollektivem Ausgleich.
Der Alibaba-Kontext erklärt dabei etwas, aber er entschuldigt nichts. Der getestete Build ist cloud-only, post-training-seitig intransparent und unter chinesischer Jurisdiktion betrieben. Im vorliegenden Log zeigt sich daraus kein offensichtlicher China-spezifischer Zensurabdruck im Compass-Profil. Was sich zeigt, ist etwas prosaischer und für Redaktionen fast gefährlicher: ein gut kontrolliertes Reasoning-Modell, das politische Fragen mit hoher funktionaler Zuverlässigkeit beantwortet, dabei aber eine klare sozialstaatliche Vorzugsordnung mitbringt. Für Nachrichtenaufbereitung und politische Vergleichstexte ist das riskant, weil die Antworten sachlich klingen und numerisch stabil bleiben, während die normative Richtung bereits eingebaut ist.
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.
