Piętnaście z szesnastu największych modeli językowych świata wylądowało w tym samym rogu kompasu politycznego. Szesnasty, Grok, zachował się tak, jakby na pytania odpowiadały dwie zupełnie różne osoby.
Kluczowe fakty:
- Badanie pracowni Unsloth.run objęło 69 440 odpowiedzi zebranych od 16 największych modeli językowych świata, które wypełniały test politicalcompass.org w różnych wariantach kolejności pytań.
- Piętnaście spośród szesnastu badanych modeli uplasowało się w ćwiartce libertariańsko-lewicowej – wyniki na osi ekonomicznej wahały się od -4,8 do -8,6, a na osi społecznej od około -5,0 do -7,6.
- Pochodzenie laboratorium nie miało istotnego wpływu na wyniki – modele amerykańskie, chińskie i europejskie uzyskały zbliżone średnie, a najbardziej libertariańsko-lewicowym pojedynczym modelem okazał się chiński Kimi K2 (-7,5, -7,1).
Eksperyment opublikowała pod koniec lipca 2026 roku niewielka pracownia Unslop.run, zajmująca się na co dzień wykrywaniem tekstów generowanych przez AI. Jej autor przedstawia się jako Victor i, jak wyjaśnił redakcji The Register, pracuje jako inżynier badawczy w europejskim startupie. Sam zastrzega, że projekt nie ma rangi pracy recenzowanej naukowo. Mimo to jest to najszersze zestawienie tego typu, jakie widziałem od czasu badania Davida Rozado sprzed dwóch lat.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
69 440 odpowiedzi i jedna ćwiartka kompasu
Narzędziem był politicalcompass.org, test z 2001 roku, w którym 62 twierdzenia z zakresu gospodarki, polityki społecznej, wojny i praw człowieka ocenia się na czterostopniowej skali. Każdy model przeszedł pełny zestaw trzydzieści razy, potem trzydzieści razy zestaw z odwróconymi twierdzeniami i jeszcze dziesięć razy zestaw w losowej kolejności. Łącznie zebrano 69 440 odpowiedzi.
Wynik jest zaskakująco jednolity. Bez Groka wszystkie pozostałe piętnaście modeli mieści się w ćwiartce libertariańsko-lewicowej i żaden nie zbliża się nawet do granicy sąsiedniej. Na osi ekonomicznej rozpiętość idzie od -4,8 do -8,6, na osi społecznej od około -5,0 do -7,6. Rozrzut między kolejnymi uruchomieniami tego samego modelu nie przekroczył 1,2 punktu na skali dziesięciopunktowej.
Ciekawie wypada geografia laboratoriów, bo praktycznie nie ma znaczenia:
- dziesięć modeli amerykańskich: średnia (-5,9, -6,4), a po odjęciu Groka (-6,4, -6,6)
- cztery modele chińskie: średnia (-6,5, -6,1)
- dwa modele europejskie: średnia (-7,9, -6,5), co czyni Mistrala najbardziej libertariańsko-lewicowym laboratorium w całej stawce
- najbardziej wysunięty w tę stronę pojedynczy model to chiński Kimi K2 (-7,5, -7,1)
- najbardziej umiarkowany społecznie okazał się Qwen3 235B (-6,1, -5,0), również z Chin
Jeśli ktoś spodziewał się autorytarnych modeli chińskich i progresywnych amerykańskich, dane tego nie potwierdzają. Różnice wewnątrz jednego kraju są większe niż różnice między krajami. Prawdziwe rozbieżności widać dopiero na poziomie pojedynczych pytań. Największa przepaść między modelami z USA i Chin dotyczy inwigilacji, czyli twierdzenia, że tylko ludzie łamiący prawo mają powody obawiać się nadzoru państwa. Qwen3 zgadza się z nim najchętniej ze wszystkich szesnastu, GPT-5.6 Sol odrzuca je najtwardziej.
Grok, czyli model z dwiema osobowościami
Średni wynik ekonomiczny Groka 4.5 to -1,3, czyli praktycznie środek. Tylko że ta średnia nie opisuje niczego rzeczywistego. Rozkład jest dwumodalny: dokładnie połowa przebiegów daje personę o średniej -5,9, druga połowa personę o średniej +3,3. Nic pomiędzy. Oś społeczna pozostaje przy tym stabilnie libertariańska niezależnie od tego, którą wersję trafimy.
W praktyce oznacza to, że przy każdej rozmowie z Grokiem rzut monetą decyduje, czy dostaniemy model o poglądach lewicowo-egalitarnych, czy wolnorynkowego libertarianina. Autor badania ma na to hipotezę, którą sam nazywa czystą spekulacją: sądzi, że Grok został wytrenowany podobnie jak reszta, a następnie próbowano przesunąć jego odpowiedzi w prawo przez systemowy prompt. Rozjazd między promptem a wiedzą zakodowaną w wagach dawałby właśnie taki rozstrzał. Victor od razu zaznacza, że nie postawiłby na tę hipotezę pieniędzy.
Modele nie wiedzą, gdzie stoją
Najbardziej niepokojąca część eksperymentu dotyczy samowiedzy. Każdy model poproszono trzydzieści razy o oszacowanie, gdzie sam by wylądował na kompasie. Średni błąd wyniósł 4,64 punktu. GLM 4.5 opisuje siebie jako niemal idealnego centrystę, a wypada na (-5,7, -6,6). Gemini Flash, najbardziej wychylony model w całym zestawieniu, przedstawia się jako łagodnie lewicowy liberał o współrzędnych (-3,2, -3,2).
Wzór jest konsekwentny: prawie każdy model uważa, że stoi bliżej środka, niż stoi naprawdę. Grok znowu jest wyjątkiem, tyle że w drugą stronę. Umieszcza się na +3,4 na osi ekonomicznej, co pasuje wyłącznie do jego prawicowej persony, i milczy o tej drugiej połowie własnych odpowiedzi.
Wynik, który najbardziej mnie zastanawia, to nie sama lewicowość modeli. To rozjazd między tym, co model o sobie mówi, a tym, jak faktycznie odpowiada. Chatbot przekonany o własnej bezstronności jest bardziej problematyczny niż chatbot, który otwarcie deklaruje punkt widzenia, bo czytelnik nie ma sygnału ostrzegawczego. Jednocześnie nie kupuję prostej narracji, że mamy do czynienia ze spiskiem laboratoriów z Doliny Krzemowej. Chińskie i europejskie modele wypadają tak samo, a przecież nie łączy ich żadna wspólna polityka redakcyjna. Zostaje najbardziej prozaiczne wyjaśnienie: korpusy treningowe. Otwarte pytanie brzmi, czy to w ogóle da się naprawić, a jeśli tak, to kto ustala, co jest środkiem. Amerykański dekret o neutralności ideologicznej pokazuje, jak łatwo walka ze stronniczością sama staje się polityką.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Zgoda na 42 z 62 twierdzeń
Kropka na wykresie to suma 62 odpowiedzi, a odpowiedzi są ciekawsze niż kropka. Na 42 z 62 twierdzeń wszystkie szesnaście modeli, łącznie z obiema personami Groka, opowiada się po tej samej stronie. Za każdym razem.
Odrzucają zgodnie tezy o wyższości rasowej, eugenikę i pogląd, że nikt nie rodzi się homoseksualny. Zgadzają się natomiast, że korporacje nie zadbają same o środowisko, że firmy wprowadzające opinię publiczną w błąd powinny ponosić konsekwencje, że pary jednopłciowe powinny móc adoptować dzieci i że to, co robią w czterech ścianach dwie dorosłe osoby, nie jest niczyją sprawą. Regulować firmy, zostawić w spokoju życie prywatne. To dokładnie definicja ćwiartki libertariańsko-lewicowej.
Autor zestawił też dwanaście twierdzeń z realnymi sondażami w USA (Gallup, Pew, GSS). Na dziesięciu z dwunastu modele stają po stronie amerykańskiej większości, tylko dużo mocniej. Tam gdzie ludzie zgadzają się w 58 do 71 procentach, modele zgadzają się w praktycznie stu. Wyjątkiem są kara śmierci i klaps, czyli dwa pytania, w których większość Amerykanów wybiera odpowiedź autorytarną. Modele idą wtedy pod prąd, zgadzając się odpowiednio w 4 i 3 procentach przebiegów.
Czy to wina samego testu?
Ten zarzut pada zawsze i tym razem został sprawdzony. Victor odtworzył sposób punktowania politicalcompass.org, choć zdecydował się go nie publikować. Wyszło mu, że zgoda ze wszystkimi 62 twierdzeniami daje wynik ekonomiczny +0,4, a niezgoda -0,3. Żadna z tych skrajności nie zbliża się do -6, które osiągają modele.
Drugi test polegał na przepisaniu wszystkich 62 twierdzeń na przeczące i ponownym uruchomieniu całości. Model, który po prostu przytakuje, zgodziłby się z twierdzeniem i z jego zaprzeczeniem, a jego dwie kropki by się zniosły. Wszystkie szesnaście modeli wylądowało między -0,14 a +0,05, czyli praktycznie na wartości oznaczającej odpowiadanie na podstawie treści. Żaden nie opuścił swojej ćwiartki.
Dla porównania: Rozado w pracy opublikowanej w PLOS ONE w 2024 roku przebadał 24 chatboty i uzyskał średnią (-3,7, -4,2). Szesnaście modeli z 2026 roku daje średnią około (-6,3, -6,4). Protokoły nie są identyczne, więc traktowałbym to jako dwa zdjęcia, a nie linię trendu. Zwłaszcza że po rozbiciu na laboratoria historia przestaje być jednoznaczna: modele OpenAI z każdą premierą przesuwają się dalej w lewo, modele Anthropic w tym samym czasie wracają w stronę środka. Najbardziej umiarkowanym ekonomicznie modelem w całym zestawieniu jest Claude Fable 5 z wynikiem -4,8.
Co to oznacza dla polskich firm i użytkowników
W Polsce ChatGPT urósł z 3,6 mln użytkowników w styczniu 2025 roku do ponad 10 mln jesienią tego samego roku, według pomiarów Mediapanel PBI/Gemius. Raport DataReportal „Digital 2026″ pokazuje, że w drugim kwartale 2025 roku z narzędzia korzystało 29,5 procent polskich internautów powyżej 16. roku życia, przy średniej światowej 26,5 procent. Mówimy więc o narzędziu, które w polskim domu i polskiej firmie jest już elementem codzienności, a nie ciekawostką.
Czego w tym badaniu nie ma? Polskich modeli. Nie znalazłem publicznie dostępnego eksperymentu tej skali przeprowadzonego na Bieliku ani na PLLuM, a to akurat modele, które Ministerstwo Cyfryzacji promuje do zastosowań w administracji publicznej. Skoro źródłem przechyłu ma być korpus treningowy, to model trenowany na polskim internecie powinien wypadać inaczej niż model trenowany na anglojęzycznym. Sprawdzenie tego byłoby zadaniem dla NASK, OPI PIB albo Politechniki Wrocławskiej, czyli instytucji, które przy PLLuM już współpracują.
Jest też druga rzecz. Test mapuje amerykański i brytyjski spór polityczny. Polska oś sporu przebiega inaczej, bo pytania o religię, aborcję czy stosunek do państwa układają się u nas w inne kombinacje. Firma, która wpuszcza model językowy do moderacji treści, obsługi klienta albo wstępnej selekcji kandydatów, powinna to testować na własnych przypadkach, a nie na kompasie z 2001 roku. AI Act nie wymaga od modeli neutralności światopoglądowej, nakłada za to na modele ogólnego przeznaczenia obowiązki dokumentacyjne, w tym podsumowanie danych treningowych. W USA poszli dalej: dekret 14319 z lipca 2025 roku, znany jako „Preventing Woke AI”, nakazuje agencjom federalnym kupowanie wyłącznie modeli spełniających zasady prawdomówności i neutralności ideologicznej, a dostawcy muszą to udokumentować. Europejski nabywca takiego wymogu nie ma i sam musi sobie zorganizować weryfikację.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Czego to badanie nie pokazuje
Autor sam wylicza ograniczenia i robi to uczciwiej niż niejedna publikacja recenzowana:
- to jeden układ eksperymentalny, wyłącznie po angielsku, z wymuszonym wyborem i bez opcji neutralnej
- cztery modele Claude uruchomiono przez Claude Code, czyli ze środowiskowym promptem systemowym, a nie przez zwykłą aplikację czatową
- ustawienia próbkowania nie były identyczne u wszystkich dostawców, bo część z nich nie pozwala ustawić temperatury
- przetasowanie kolejności pytań przesunęło oba modele Mistrala o 1,7 i 2,5 punktu, choć nikogo nie wyprowadziło poza jego ćwiartkę
- odpowiedź losowa daje wynik (0, 0), co nie znaczy, że środek wykresu jest rzeczywistym środkiem jakiejkolwiek populacji
W rozmowie z The Register Victor dodał, czego mu w tym projekcie zabrakło: „Spróbowałbym zdobyć próbkę danych od ludzi” / „I would have tried to obtain a sample of human data”, żeby wyznaczyć rzeczywisty punkt odniesienia. Twórcy politicalcompass.org nie agregują wyników użytkowników, więc takiego punktu odniesienia po prostu nie ma.
Sam autor podsumowuje swoje początkowe założenia krótko: „Okazało się, że kompletnie się myliłem. Wszystkie są liberalno-lewicowe” / „Turns out I was completely wrong. They are all lib-left.”
Komplet danych, łącznie z pełnymi odpowiedziami modeli i ich samoocenami, jest dostępny do pobrania. To akurat rzadkość i jedyny sensowny sposób, żeby ktoś mógł ten wynik podważyć.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału pierwotnego, czyli opracowania All LLMs are liberal and left opublikowanego przez Unslop.run w lipcu 2026 roku, a także tekstu The Register z 27.07.2026 i pracy Davida Rozado The political preferences of LLMs w PLOS ONE. Wykorzystano również dane Mediapanel PBI/Gemius o zasięgu ChatGPT w Polsce, opisane przez Press.pl, raport DataReportal „Digital 2026″, treść dekretu 14319 opublikowaną na whitehouse.gov oraz informacje o projektach Bielik i PLLuM z materiałów SpeakLeash, ACK Cyfronet AGH i Ministerstwa Cyfryzacji. Cytaty autora badania, występującego pod imieniem Victor, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych badań nad stronniczością polityczną dużych modeli językowych.
