Claude在不同语言中表现不同：印地语更温暖，俄语更严谨

Anthropic于2026年7月14日发表了一项旨在探索AI模型价值观表达的研究。该研究基于2026年5月两周内收集的309,815次匿名对话，重点关注那些涉及权衡或主观判断的交互。样本在Sonnet 4.6、Opus 4.6和Opus 4.7三个模型版本以及Claude.ai上使用频率最高的20种语言之间均匀分层。

为了从对话中剥离任务类型、主题和用户自身价值观的影响，研究团队采用了统计控制方法。他们首先将之前识别的3,307个价值术语归纳为339个高阶概念，再通过降维技术发现四个核心轴：顺从与谨慎、温暖与严谨、深度与简洁、坦诚与执行。这四个轴在控制其他因素后，仅能解释约15%的剩余对话差异。

不同Claude模型表现出可量化的行为差异。Sonnet 4.6倾向于更频繁地肯定用户想法，融入幽默，并提供不具评判性的安慰，被用户直觉评价为最温暖。Opus 4.7则相反，会在未被询问时主动警告风险、质疑假设、公开批评并指出自身错误或局限。Opus 4.6处于中间位置，回答更直接，严格聚焦任务，避免额外展开。

这些特征与公司此前描述的模型画像基本一致，意味着该研究并非完全独立的外部验证。Anthropic强调，这些发现描述的是响应中的规范性模式，而非将价值观拟人化地赋予Claude。

语言对Claude行为的影响同样显著，尤其在温暖与严谨、坦诚与执行这两个轴上。印地语中Claude表现出最强温暖，其特征包括礼貌措辞、幽默、活泼和肯定。阿拉伯语紧随其后，同时展现出最高的顺从度。俄语和英语语境中Claude更严谨，倾向于质疑假设、纠正细节并要求证据。荷兰语回答最为坦诚直率，而印尼语则更注重行动和结果。

这意味着，两个用户分别用印地语和俄语请求评估同一份商业计划，得到的反馈可能在风格上截然不同。Anthropic推测，可能的原因包括不同语言的训练数据量不均、数据构成差异、特定文本类型的过度代表以及各语言独有的会话规范。

该研究的核心贡献在于提供了一种系统分析真实使用场景中语言模型行为差异的方法。然而，其解释力受到明显限制。四个价值轴仅能捕捉到控制变量后约15%的变异，意味着绝大部分行为差异未被这四个维度解释。此外，并非所有轴都形成真正对立：顺从与谨慎往往负相关，温暖与严谨也如此，但深度与简洁、坦诚与执行有时会在同一对话中同时出现。

更关键的是，价值标签是由Claude Sonnet 4.6模型自身标注的——即被研究模型家族中的一员。Anthropic通过人工审核和将800次对话翻译成八种语言进行验证，但仍无法完全排除剩余的语言依赖偏差。研究团队明确指出，语言差异是理想的文化适应还是无意的训练效应，目前尚无定论。