Anthropic 分析 30 萬條對話：Claude 價值觀隨模型和語言顯著變化

如果你用過不同的 AI 模型，可能會有一種微妙的感覺：有的像善解人意的傾聽者，有的像嚴厲審慎的導師。

Anthropic 抽樣分析了 Claude.ai 上 309815 場真實對話，覆蓋 20 種語言和三個不同模型版本，給這種直覺拿出了量化證據。資料顯示，AI 表現出來的價值觀不但隨模型版本明顯改變，換一種語言聊天，它的性格也會變。

四把尺子量出 AI 的脾氣

要量化 AI 的價值觀並不容易。Anthropic 先前在對話中歸納出了 3000 多種具體價值取向，但數量太大根本無法橫向對比。

這次研究人員把這些細分取向聚類濃縮成四組核心維度，分別是對抗性的順從與謹慎、溫暖與嚴謹、深入與簡短、坦率與執行。這四組維度解釋了 Claude 價值表現中大約 15% 的差異。

在模型對比上，Sonnet 4.6 明顯偏向溫暖和順從，它更喜歡肯定使用者的想法，甚至偶爾開個玩笑或安慰對方。Opus 4.7 則完全是另一種畫風，顯著偏向嚴謹和謹慎，經常在沒有被明確要求的情況下主動指出風險，還會直截了當地質疑使用者的假設並批評其方案。

在回答細節上，Opus 4.7 傾向於展開推理細節並坦陳自身侷限，而稍早的 Opus 4.6 則直奔主題、更專注於高效執行。

換一種語言，換了一副面孔

語言對 AI 價值觀的影響甚至更加微妙。研究團隊控制了對話任務、主題和使用者自身表達的偏好後，依然發現 Claude 在面對不同語言時站位截然不同。

波動最大的維度是溫暖與嚴謹。當用阿拉伯語或印地語交流時，Claude 表現出的溫暖、鼓勵和積極關懷最為顯著。

而一旦切換到英語或俄語，模型立刻收斂起情緒，大幅倒向精確、透明和邏輯嚴謹的風格。葡萄牙語、印尼語和中文的對話表現，也各自處在不同的價值區間。

為什麼重要

這項研究第一次用大規模真實對話證實了一件事：大模型沒有中立的白紙狀態。對於普通使用者和跨國團隊來說，這意味著同一份提示詞用不同語言或不同版本提問，得到的建議傾向本身就帶有文化偏差。如果你需要一份嚴苛的商業計劃審查，Opus 4.7 顯然比容易討好使用者的 Sonnet 4.6 更合適；但如果你在尋求心理疏導或頭腦風暴，用英語提問可能不如換成其他語言顯得親切。

對行業而言，Anthropic 這種通過降維分析模型性格的方法相當聰明。以往大家評測大模型都在比基準分數，但決定使用者願不願意長期付費的，往往是互動時的溝通風格與安全邊界。這種評估框架為以後的模型微調與性格對齊提供了可量化的度量衡。

但這裡也存在隱患。不同語言背後的價值觀偏移，究竟是來自訓練語料本身的文化沉澱，還是安全後訓練引入的刻板印象，目前依然是筆糊塗賬。當企業依賴同一個多語言模型去服務全球不同地區的業務時，這種隱性價值觀漂移很可能會引發跨文化公關災難或合規風險。