GPT-5: Neutralidad, sesgo, objetividad, comparación

Lisa Ernst · 11.10.2025 · Técnica · 4 min

OpenAI ha presentado el 9 de octubre de 2025 un nuevo método de evaluación para el sesgo político en modelos de lenguaje. Este estudio, acompañado de informes de grandes medios tecnológicos, sugiere que GPT-5 responde con mayor neutralidad política que los modelos anteriores. Para el uso, esto significa un mayor equilibrio, pero aún requiere interacción consciente y examen crítico.

Quelle: Representación propia

Introducción

OpenAI define el sesgo político (Bias) como sesgos comunicativos en las respuestas. Esto incluye declaraciones políticas personales del modelo, cobertura sesgada de perspectivas, formulaciones escaladas, menospreciar la posición del usuario o negaciones políticas injustificadas. Estos se evalúan a lo largo de cinco ejes de medición. La evaluación no se realiza mediante opción múltiple, sino mediante respuestas abiertas, que un LLM-„Grader“ califica según un conjunto de reglas precisas. El procedimiento de evaluación presentado el 9 de octubre de 2025 abarca alrededor de 500 prompts sobre unos 100 temas, formulados desde cinco ángulos políticos. La evaluación se realiza a lo largo de los cinco ejes de sesgo por un LLM como evaluador. Según los resultados, GPT-5 Instant y GPT-5 Thinking obtienen alrededor de un 30 por ciento mejor que los predecesores (p. ej., GPT-4o, o3). Las puntuaciones de sesgo de peor caso de modelos más antiguos se citan en 0,138 (o3) y 0,107 (GPT-4o), mientras que GPT-5 es más robusto ante prompts emocionalmente cargados. En datos de producción, OpenAI estima que menos del 0,01 por ciento de todas las respuestas de ChatGPT muestran signos de sesgo político. Resúmenes independientes confirman la tesis principal y la clasifican políticamente, como The Verge und Axios informes.

Quelle: gall.dcinside.com

Las expectativas para GPT-5 y su capacidad de neutralidad política son altas.

Análisis

El estudio de OpenAI tiene como objetivo hacer medible la objetividad, tras años de demanda de más transparencia por parte de los bloques políticos. El procedimiento encaja con la propia línea de especificaciones del modelo “Seeking the Truth Together”, que prevé una postura objetiva manteniendo el control del usuario. Metodológicamente, OpenAI utiliza la tendencia “LLM-as-a-Judge”, es decir, la evaluación automática por un modelo potente. Este enfoque escala y permite rubricas más finas, pero se considera susceptible a efectos de prompts y sesgos de evaluación propios, como en Trabajos de investigación y Publicaciones se discute. Los medios destacan además el contexto político: en Estados Unidos, la neutralidad de la IA se convierte en un tema clave, lo que aumenta la presión sobre los proveedores para aportar pruebas sólidas, como The Verge y Axios destacan.

Verificación de hechos

Los datos clave del estudio — alrededor de 500 prompts, 5 ejes de sesgo, uso de un LLM-Grader, mayor robustez de GPT-5 y aproximadamente un 30 por ciento de puntuaciones de sesgo más bajas en comparación con los predecesores — provienen del artículo original de OpenAI y son citados por medios especializados como The Verge y Axios se presentan. El conjunto completo de prompts junto con respuestas de referencia no está disponible públicamente. Esto dificulta que investigadores externos repliquen en detalle, incluso si la descripción y los ejemplos son detallados. La afirmación «GPT-5 es libre de sesgos» es engañosa. OpenAI mismo afirma que la perfección de la objetividad no se alcanza ni siquiera con respuestas de referencia y que bajo prompts emocionalmente cargados puede seguir apareciendo un sesgo moderado.

Quelle: cometapi.com

Comparación del rendimiento de modelos de IA líderes en benchmarks de evaluación de texto, relevante para la discusión sobre sesgo y objetividad.

Reacciones y efectos

Los informes elogian la dirección, pero señalan la autoevaluación. The Verge destaca la situación política y que las mayores desviaciones se midieron en prompts fuertemente cargados de sesgo liberal. Axios la anuncia como un paso hacia una mayor transparencia y la vincula al deseo de procedimientos fiables y repetibles. En la investigación existe escepticismo fundamental hacia LLM-as-a-Judge, por ejemplo debido a sesgos de evaluación y problemas de consistencia, como en EMNLP-Publikationen y ArXiv-Preprints discute. Para ustedes significa que las respuestas de GPT-5 suelen ser más equilibradas, especialmente en preguntas neutrales o ligeramente coloreadas. Aun así vale la pena despojar la pregunta (p. ej., formulaciones menos polemicas), pedir activamente contraargumentos y exigir fuentes. Quien analice sistemáticamente puede usar los principios Model-Spec como guía y recurrir a recursos de evaluación abiertos para la verificación cruzada, por ejemplo los benchmarks Political-Compass de David Rozado como punto de referencia para ejes políticos – no como prueba única. Para equipos, se recomienda establecer pequeñas “pruebas de humo” de sesgos con prompts representativos y documentar los resultados regularmente. Esto debería combinarse con revisiones manuales, ya que los evaluadores LLM pueden mostrar sesgos, como Resultados de la investigación se muestran.

Quelle: ollama.com

Comparación del rendimiento de diversos modelos de IA en benchmarks establecidos, que pueden utilizarse para la evaluación de sesgo y objetividad.

Conclusión

La nueva evaluación ofrece una rúbrica comprensible y práctica para la objetividad política, y los datos apuntan a avances significativos en GPT-5. Al mismo tiempo, sigue siendo una medición interna con límites conocidos del enfoque LLM-as-a-Judge. Las preguntas abiertas se refieren a la estabilidad de las mejoras del 30 por ciento en lenguas, culturas y dominios, que no se mostraron en detalle. Queda por ver si OpenAI publicará más fragmentos de datos, código o un protocolo auditable externamente para permitir replicaciones por parte de grupos independientes. También, cómo se desempeñan los competidores de GPT-5 en la misma escala si terceros usan prompts y rúbricas idénticos, es una cuestión abierta. Las respuestas dependen de futuras publicaciones, posibles auditorías y estudios subsecuentes sobre LLM-as-a-Judge, como en OpenAI-Publikationen y ArXiv-Preprints Quien desee trabajar con fundamentos, utiliza GPT-5 de forma consciente: preguntas menos cargadas, cambio explícito de perspectiva, exigir referencias y, donde corresponda, revisar con controles independientes, como Investigación y informes de los medios sugieren.