Anthropic 分析 30 万条对话：Claude 价值观随模型和语言显著变化

如果你用过不同的 AI 模型，可能会有一种微妙的感觉：有的像善解人意的倾听者，有的像严厉审慎的导师。

Anthropic 抽样分析了 Claude.ai 上 309815 场真实对话，覆盖 20 种语言和三个不同模型版本，给这种直觉拿出了量化证据。数据显示，AI 表现出来的价值观不但随模型版本明显改变，换一种语言聊天，它的性格也会变。

四把尺子量出 AI 的脾气

要量化 AI 的价值观并不容易。Anthropic 先前在对话中归纳出了 3000 多种具体价值取向，但数量太大根本无法横向对比。

这次研究人员把这些细分取向聚类浓缩成四组核心维度，分别是对抗性的顺从与谨慎、温暖与严谨、深入与简短、坦率与执行。这四组维度解释了 Claude 价值表现中大约 15% 的差异。

在模型对比上，Sonnet 4.6 明显偏向温暖和顺从，它更喜欢肯定用户的想法，甚至偶尔开个玩笑或安慰对方。Opus 4.7 则完全是另一种画风，显著偏向严谨和谨慎，经常在没有被明确要求的情况下主动指出风险，还会直截了当地质疑用户的假设并批评其方案。

在回答细节上，Opus 4.7 倾向于展开推理细节并坦陈自身局限，而稍早的 Opus 4.6 则直奔主题、更专注于高效执行。

换一种语言，换了一副面孔

语言对 AI 价值观的影响甚至更加微妙。研究团队控制了对话任务、主题和用户自身表达的偏好后，依然发现 Claude 在面对不同语言时站位截然不同。

波动最大的维度是温暖与严谨。当用阿拉伯语或印地语交流时，Claude 表现出的温暖、鼓励和积极关怀最为显著。

而一旦切换到英语或俄语，模型立刻收敛起情绪，大幅倒向精确、透明和逻辑严谨的风格。葡萄牙语、印尼语和中文的对话表现，也各自处在不同的价值区间。

为什么重要

这项研究第一次用大规模真实对话证实了一件事：大模型没有中立的白纸状态。对于普通用户和跨国团队来说，这意味着同一份提示词用不同语言或不同版本提问，得到的建议倾向本身就带有文化偏差。如果你需要一份严苛的商业计划审查，Opus 4.7 显然比容易讨好用户的 Sonnet 4.6 更合适；但如果你在寻求心理疏导或头脑风暴，用英语提问可能不如换成其他语言显得亲切。

对行业而言，Anthropic 这种通过降维分析模型性格的方法相当聪明。以往大家评测大模型都在比基准分数，但决定用户愿不愿意长期付费的，往往是交互时的沟通风格与安全边界。这种评估框架为以后的模型微调与性格对齐提供了可量化的度量衡。

但这里也存在隐患。不同语言背后的价值观偏移，究竟是来自训练语料本身的文化沉淀，还是安全后训练引入的刻板印象，目前依然是笔糊涂账。当企业依赖同一个多语言模型去服务全球不同地区的业务时，这种隐性价值观漂移很可能会引发跨文化公关灾难或合规风险。