BlackBench 上线：对前沿大模型的政治、伦理与人格评测

一个名为 BlackBench 的独立评测平台近日上线，专注于对前沿大语言模型在政治倾向、伦理判断与人格特征三个维度上的横向对比。该项目以网页形式公开呈现结果，目标对象是目前主流的 frontier LLM 模型。

项目定位与切入角度

与常见的知识类、推理类基准（如 MMLU、HumanEval、GSM8K）不同，BlackBench 把关注点放在模型的「价值取向」层面——即不同模型面对政治议题时倾向何种立场、在伦理两难情境中如何取舍，以及在人格量表测试中呈现哪些特征。这类评测在 AI 安全与对齐研究领域被归为「价值观评估」，近年来随着 ChatGPT、Claude、Gemini 等模型广泛进入公共讨论，相关工具的需求逐步上升。

当前可获取的信息

• 平台域名：blackbench.ai
• 评测维度：政治（Politics）、伦理（Ethics）、人格（Personality Traits）
• 评测对象：自称覆盖 frontier AI LLM 模型
• 公开渠道：相关链接在 Hacker News 上有分享，目前仅 1 分、1 条评论，热度尚处于早期

由于目前可读到的内容仅来自 Hacker News 索引与项目首页链接，项目本身公布的模型清单、题库设计、评分方法学以及具体模型得分对比尚未在抓取内容中给出，后续需以官网公开数据为准。

价值与局限

这类个人或小团队主导的评测项目，可以补充官方 benchmark 之外的「软维度」视角，但也存在题库代表性、评分主观性、模型版本快照不一致等局限。对普通用户而言，BlackBench 更像是一个参考性观察工具，而非可直接据以下结论的权威评测；其结果宜与第三方学术研究、厂商对齐报告交叉印证后再使用。