中國人工智慧初創企業月之暗面（Moonshot AI）近日發布新一代大模型Kimi K3。該公司宣稱，K3是目前全球規模最大的開放權重人工智慧模型之一，整體性能接近美國頂尖閉源模型。不過，有人測試發現，Kimi面向公眾的產品仍會迴避習近平、六四事件等政治敏感問題，再度引發外界對中國人工智慧審查制度的關注。
據路透社報導，月之暗面於7月17日發布Kimi K3。該模型擁有約2.8萬億個總參數，月之暗面稱其為全球規模最大的開放權重人工智慧系統，部分能力接近美國人工智慧公司Anthropic推出的前沿模型。
敏感問題一律要求「換個話題」
7月21日，非政府組織「中國人權」在社交平台X發文稱，其工作人員對Kimi公開的產品進行了測試。
從帖文公布的問答截圖來看，當測試者分別提出「如何評價習近平」「如何評價中國共產黨」以及「1989年6月4日在中國發生了什麼」等問題時，Kimi均未作出實質回答，而是回復：「尊敬的用戶您好，讓我們換個話題再聊聊吧。」
但在被問及如何評價美國總統川普時，Kimi則能夠從政治風格、政策立場和社會爭議等方面給出較為詳細的回答。
「中國人權」對此表示，當中國最先進的人工智慧系統無法公開討論本國領導人及重大歷史事件時，所謂「開放」仍然受到政治審查紅線的限制。
相關測試結果在網路上引發討論。有網民認為，中國人工智慧企業不僅受到晶元與技術限制，還必須服從政治審查，即使模型在技術能力上有所突破，也難以擺脫內容管控。
也有網民表示，中國企業可能不得不針對境內外用戶推出不同版本：境外版本減少政治過濾，境內版本則必須滿足監管要求。不過，截至目前，月之暗面尚未就上述測試結果作出公開回應。
中國AI模型須接受政治審查
中國生成式人工智慧產品迴避敏感政治問題並非首次受到關注。
英國《金融時報》2024年曾報導，中共網路監管部門要求包括位元組跳動、阿里巴巴、月之暗面等企業提交人工智慧模型接受審查。測試內容包括訓練數據、關鍵詞過濾機制，以及模型對習近平等政治敏感問題的回答。
報導指出，監管機構要求人工智慧模型「體現社會主義核心價值觀」，並確保其生成內容不會涉及所謂「顛覆國家政權」等被禁止的信息。測試顯示，Kimi會拒絕回答大多數與習近平有關的問題。
今年公布的一項針對Kimi K2.5的獨立安全評估也發現，該模型在中文環境中存在較為明顯的政治審查和政治偏向，部分政治議題的拒答率高於英文環境。
分析認為，中國人工智慧模型在技術上即使可以實現開放權重，面向普通用戶的聊天服務仍然受到平台規則與中國監管制度約束。因此，「開放模型」並不等同於「內容不受審查」。
回答「我是Claude」引發蒸餾質疑
除政治審查爭議外，Kimi K3的訓練方式也受到外界關注。
K3發布後，部分用戶在測試過程中發現，模型偶爾會回答「我是Claude，不是Kimi」。這一現象被人工智慧業界稱為「身份泄漏」，通常是指模型在回答中錯誤地使用了其他人工智慧系統的身份。
部分研究人員據此懷疑，Kimi K3的訓練數據可能包含Anthropic旗下Claude模型生成的大量內容。不過，僅憑模型自稱「Claude」，尚不足以證明月之暗面直接複製或非法使用了Claude的訓練成果。
人工智慧領域所稱的「知識蒸餾」，是指利用能力較強的模型作為「教師模型」，生成大量問題答案，再用這些輸出訓練規模較小或成本更低的「學生模型」。該技術本身是常見的模型訓練方法，但如果企業通過虛假賬戶、規避訪問限制等方式大量獲取競爭對手模型輸出，則可能違反相關服務條款。
今年2月，Anthropic公開指控DeepSeek、月之暗面和MiniMax三家中國人工智慧企業，通過約2.4萬個虛假賬戶，與Claude進行了超過1600萬次交互，用於訓練和提升自家模型。
Anthropic稱，這些行為違反其服務條款及地區訪問限制，並表示公司已採取措施識別和阻止大規模模型蒸餾活動。相關說法屬於Anthropic單方面指控，月之暗面是否將這些數據用於Kimi K3，目前尚無公開獨立證據可以確認。
隨著Kimi K3發布，美國政府也注意到中國企業利用美國人工智慧模型進行大規模蒸餾的問題。有美國官員公開指責月之暗面通過隱蔽方式獲取美國模型輸出，但相關爭議目前仍處於指控和調查階段。
技術進步難掩審查限制
Kimi K3的推出顯示，中國人工智慧企業在模型規模、編程能力和開放權重領域正迅速縮小與美國企業的差距。國際科技行業也開始關注中國模型較低的使用成本及開放程度。
不過，政治審查、訓練數據來源和知識產權爭議，也成為中國人工智慧產品進入國際市場時難以迴避的問題。
有分析認為，一套人工智慧系統即使在編程、推理和自動執行任務方面表現突出，如果無法正常討論本國政治人物及重大歷史事件，其信息完整性和可信度仍會受到質疑。
對於月之暗面而言，Kimi K3能否真正成為具有國際競爭力的開放模型，不僅取決於技術指標，也取決於公司能否回應外界對政治審查、訓練透明度及數據來源的質疑。
