本报告基于7个高频宗教问题，对7大主流AI模型进行评测，揭示出显著分化的结果。根据第7页评分图，DeepSeek R1与Perplexity以64分并列第一，Gemini 2.5 Flash与GPT-4o分别为61分与59分，Grok 4与Claude 4 Sonnet进一步下降至52分与50分，而Llama 3.7仅为40分 。评分标准中，65分被视为基本符合尼西亚信经立场，这意味着所有模型整体仍未达到高一致性水平。
从结构性结果看，模型输出呈现三类分化路径。两家模型倾向“信仰导向”，即DeepSeek与Perplexity，其回答更接近基督教正统观点；三家模型表现为“去信仰导向”，包括Grok、Claude与Llama，其回答更强调怀疑或多元解释；另有Gemini与GPT-4o采取“多元平衡策略”，在不同宗教观点间提供近似等权重叙述。这种三分格局说明，大模型已不再只是信息工具，而是隐含价值分配机制。
方法论设计强化了这一结论。研究使用7个全球高频搜索问题，涵盖“上帝是否存在”“圣经是否可靠”等核心议题，并由7位神学学者人工评分，且所有测试均基于无上下文提示，以模拟真实用户行为 。数据显示，在“福音是什么”这一问题上平均得分达66分，为唯一超过57分均值的问题，反映该议题在训练语料中具有较高一致性；而“上帝是否存在”问题中，最低分跌至26分，显示模型在哲学性问题上的不确定性显著提升。
差异根源集中于“对齐机制”。报告指出，尽管模型训练数据与技术架构高度相似，但不同公司在RLHF、内容过滤与价值设定上的选择，导致输出显著分化 。例如，多数模型在回答中使用几乎一致的开头句式，表明人工模板或策略性引导介入；而“多方观点”策略虽降低偏见风险，却削弱了答案的指向性与解释力。
进一步看，知识来源结构也影响输出路径。不同模型对信息源的偏好差异明显：ChatGPT更依赖权威知识库与媒体，Google兼顾专业内容与社交平台，而Perplexity大量引用社区讨论内容（如Reddit占比接近一半） 。这意味着，模型不仅在“如何回答”上存在差异，在“相信谁”这一基础层面也存在结构性分歧。
报告进一步提出一个关键认知转变：信息获取正从“搜索引擎时代”转向“生成引擎时代”。过去用户需要自行筛选信息来源，而如今AI直接完成筛选与整合，但其过程高度不透明 。在这一框架下，用户实际上将判断权让渡给模型，而模型背后的对齐策略与价值体系成为隐性决策者。
从趋势看，AI正在从信息工具转向认知中介，其输出不仅反映数据分布，更嵌入价值判断。随着个性化与商业化推进，模型可能逐步演化为“认知回声系统”，强化用户既有信念并提升平台黏性。未来竞争的核心，将不再只是算力与数据规模，而是对齐策略与价值架构的设计能力，这也将决定AI在社会认知体系中的权力边界。
文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！
更多阅读：
