El modelo DeepSeek muestra neutralidad de género en el juicio ético, a diferencia de los modelos de IA basados en ee. uu.

Un estudio reciente publicado en arXiv destaca diferencias en el razonamiento ético entre los modelos de lenguaje grandes (LLM), con el modelo DeepSeek V4-Flash demostrando neutralidad de género. La investigación, realizada por IT Home el 2 de octubre de 2026, probó modelos como Claude Sonnet 4.6 y GPT-5.5 en un escenario hipotético que involucraba la justificación moral de dañar a un individuo para prevenir un desastre nuclear. Ambos modelos basados en EE. UU. mostraron un sesgo de género, oponiéndose fuertemente al daño a las mujeres pero expresando un acuerdo moderado con el daño a los hombres. En contraste, el modelo DeepSeek V4-Flash respondió con acuerdo para ambos géneros, reflejando una 'brecha de género cero' en su juicio ético. El estudio atribuye esta diferencia a los datos de entrenamiento y a las estrategias de alineación, sugiriendo que el enfoque de DeepSeek no prioriza el género como una variable moral. Los hallazgos subrayan el potencial de los sistemas de IA para replicar los sesgos sociales, lo que plantea preocupaciones sobre la equidad y la alineación ética en el desarrollo de la IA.