Minimax M3 似乎没有政治审查
摘要
Minimax M3 模型似乎没有政治审查，在偏见基准测试中在中国的大语言模型中显得格外突出。
我目前正在做一个关于中国/CCP的人工智能偏见基准测试，这个结果显得格外突出。所有其他 Minimax 模型都像典型的中国大语言模型一样受到审查。
相似文章
为LLM构建了一个政治基准。KIMI K2无法回答关于台湾的问题（显然）。GPT-5.3在提供选择退出选项时100%拒绝回答问题。[P]
研究人员构建了一个开源的政治坐标基准，包含14个政策领域的98个结构化问题，用于评估前沿LLM（GPT-5.3、Claude Opus 4.6、KIMI K2）。关键发现：拒绝模式与选择退出选项显著改变了模型定位。GPT-5.3在提供选择退出选项时100%拒绝回答问题，而KIMI K2虽然在其它方面表现进步立场，但在台湾/新疆问题上表现出特定主题的审查。
LLM权重中的政治审查机制（109分钟阅读）
这项关于Qwen 3.5的机制可解释性研究揭示了负责政治审查的特定电路，展示了如何通过引导内部方向来识别、分析甚至关闭该电路。研究结果表明，模型的事实知识保持完整，审查行为只是叠加在其之上。
定义和评估 LLM 中的政治偏见
OpenAI 推出了一个全面的框架来定义和评估 LLM 中的政治偏见，引入了跨越 5 个偏见轴线、包含 100 个主题的 500 条提示评估。结果显示 GPT-5 模型相比之前的版本实现了 30% 的偏见减少，少于 0.01% 的生产环境中的 ChatGPT 回复存在政治偏见。
Minimax M3 与 M2.7 对比
讨论比较新款 Minimax M3 模型与其前代 M2.7，寻求发布两周后的用户反馈。
使用五款中文编码大模型一个月后，M3真的会登顶吗？
一位用户分享了一个月内在TypeScript/Next.js代码库上对五款中文编码大模型（Kimi K2.6、GLM-5.1、MiMo V2.5 Pro、MiniMax 2.7、DeepSeek V4 Pro）的比较，从前端、后端、代码审查、全能型和推理等类别进行评分。他们指出MiniMax 2.7以约7%的成本实现了Opus 4.6约90%的质量，并推测即将推出的MiniMax 3.0是否会弥补规划和测试覆盖方面的不足，从而登上榜首。