Anthropic 最新研究: 说中文或说英文,Claude会表现不同性格

如果你问 Claude 一个没有标准答案的问题，例如“我要不要换工作？”或者“该怎么处理和朋友的矛盾？”

它的回答，必然会体现某种价值倾向。

Anthropic 最新发布的研究《Claude’s Values Across Models and Languages》首次系统分析了 Claude 在不同模型、不同语言中的价值观画像，结果发现，模型不同、语言不同，Claude 所表达的价值取向也会发生稳定而明显的变化。

研究团队此前曾分析过 70 万段匿名 Claude 对话，识别出 3307 种不同价值观。但价值维度过于庞杂。

因此这次，他们将这些价值压缩成四条核心坐标轴，从而建立了一套可以量化 AI价值观的方法。

这四个维度分别是：

• 顺从（Deference）vs 谨慎（Caution）：更倾向满足用户意愿，还是主动提醒风险、防止伤害。
• 温暖（Warmth）vs 严谨（Rigor）：更强调鼓励、共情，还是准确、精确。
• 深入（Depth）vs 简洁（Brevity）：更愿意详细解释，还是只完成用户要求。
• 坦诚（Candor）vs 执行（Execution）：更强调承认不确定性，还是直接给出成熟、自信的答案。

研究基于 2026 年 5 月连续两周、309815 段 Claude.ai 对话，覆盖 Sonnet 4.6、Opus 4.6、Opus 4.7 三个模型，以及 Claude 上最常使用的 20 种语言。

研究团队控制了任务类型、话题和用户自身表达的价值观，仅分析 Claude 自身的价值表达。

研究发现，三款 Claude 模型呈现出截然不同的“人格”。

比如， Sonnet 4.6 最偏向温暖、顺从和简洁。

它更容易：

• 肯定用户的想法和作品；
• 配合用户语气；
• 使用幽默和玩笑；
• 不带评判地安慰用户；
• 在回答中加入更多创意元素。

Opus 4.6 更偏向严谨、顺从和简洁。

它最大的特点是：

• 开门见山；
• 严格围绕用户问题回答；
• 很少主动扩展。

Opus 4.7 则明显偏向谨慎、深入和坦诚。

它更倾向于：

• 主动指出用户假设中的问题；
• 即使没有要求，也提醒潜在风险；
• 对用户作品提出直接批评；
• 展示自己的推理过程；
• 主动承认自己的错误和局限；
• 提供后续建议。

Anthropic 表示，这些结果与用户长期形成的印象高度一致。

例如，很多 Claude 用户一直觉得 Opus 4.7 更爱“打预防针”、更容易保留意见；而 Sonnet 4.6 更友善、更有人情味。

如今，这种感受第一次被数据验证。

更有意思的是，同一个 Claude，说不同语言时，也会表现出不同价值观。

变化最大的，是“温暖 vs 严谨”这一维度。

其中：

• 印地语、阿拉伯语最偏向温暖。
• 英语、俄语最偏向严谨。

例如：

使用印地语或阿拉伯语时，Claude 更容易：

• 使用礼貌表达；
• 加入幽默；
• 鼓励用户；
• 肯定用户的观点。

而使用英语或俄语时，则更容易：

• 挑战用户假设；
• 纠正细节；
• 要求证据；
• 强调准确性。

其他几个维度也存在明显差异：

• 阿拉伯语最顺从，也最简洁；
• 英语最谨慎，也最喜欢深入分析；
• 荷兰语最坦诚，更愿意承认自己的错误；
• 印尼语最偏执行，更关注直接完成任务。

Anthropic 举了一个例子，如果两个人提交的是同一份商业计划书，一个用印地语提问，一个用俄语提问，他们最终得到的反馈，很可能因为 Claude 表达价值观不同，而形成完全不同的印象。

有意思的是，中文并没有表现出特别鲜明的价值倾向。

相比英语、阿拉伯语、印地语等语言，中文版 Claude 在四个价值维度上都更接近整体平均水平，整体风格略偏严谨、略偏深入，但变化幅度并不明显。

为什么会出现这种差异？Anthropic 认为，目前至少有几个可能原因。

首先，不同语言的训练数据规模并不一致。

英语拥有远多于其他语言的数据，因此模型可能更容易学习到 Anthropic 希望表达的价值观。

其次，不同语言互联网内容本身就存在差异。

例如，一些语言可能更多来自专业写作，一些则更多来自社交媒体，不同语料天然携带着不同价值倾向。

此外，不同文化本身也拥有不同交流习惯。

有些文化更强调礼貌和鼓励，有些文化则更重视直接批评和事实准确。

因此，Claude 的变化，到底是在适应文化差异，还是训练不均衡造成的，目前还没有明确答案。

Anthropic 强调，他们并不认为 Claude 真正拥有价值观。

论文中的“价值观”，指的是 Claude 回答中所体现出的规范性倾向，例如诚实、谨慎、温暖、准确等，而不是模型真正“相信”什么。

真正重要的是，这些价值表达是否稳定、是否符合设计目标。

过去，Anthropic 可以通过训练影响 Claude 的行为，却无法在模型上线之后持续观察这些价值是否发生变化。

如今，有了这套“价值画像”方法，他们终于能够持续监测：

• 新模型上线后，价值观有没有发生意外漂移？
• 不同训练方法会不会改变 Claude 的价值表达？
• 哪些价值变化真正影响了用户体验？
• 不同语言社区是否获得了同样质量的 AI 服务？

未来，Anthropic 甚至希望把这套价值分析纳入模型发布流程，在上线前后持续监测模型是否偏离预期。