Anthropic заявила, що Claude демонструє різні ціннісні установки залежно від обраної моделі та мови користувача. До такого висновку компанія дійшла після аналізу 309 815 розмов 20 мовами.
Основне:
- Anthropic проаналізувала 309 815 анонімізованих діалогів на Claude.ai, що стосувалися суб’єктивних завдань, у трьох моделях та 20 найпоширеніших мовах платформи.
- Чотири осі цінностей — покірність проти обережності, теплота проти строгості, глибина проти лаконічності та відвертість проти орієнтації на виконання — пояснюють 15% варіацій.
- У компанії визнають, що поки не знають, яка частина цієї варіативності є справді бажаною.
Дослідження Anthropic: карта ціннісних осей Claude
Компанія опублікувала дослідження в понеділок, спираючись на діалоги з Claude.ai, зібрані за два тижні у травні 2026 року. Команда стартувала з 3307 окремих цінностей, виділених у попередній роботі, і вручну згрупувала їх у 339 ширших категорій. Далі розмови розмічував інструмент, що зберігає конфіденційність даних, а статистична компресія звела ці мітки до чотирьох основних осей.
Вибірка рівномірно охоплювала три моделі — Sonnet 4.6, Opus 4.6 та Opus 4.7 — а також 20 найуживаніших мов на платформі. На виході це дало приблизно по 5000 діалогів для кожної пари «модель — мова». Усі вони стосувалися саме суб’єктивних завдань, а не простих фактологічних запитів.
Читайте також: Ставки на Dodgers сягнули $68 млн, тоді як Polymarket і Kalshi роблять ставку на боротьбу за плей-оф MLB
Цінності Claude змінюються між мовами
Виокремлені чотири осі протиставляють: покірність — обережності, теплоту — строгості, глибину — лаконічності, відвертість — орієнтації на виконання. Сукупно вони пояснюють 15% варіацій у задекларованих цінностях за умови фіксації завдання, теми та цінностей самих користувачів. У відповідях арабською Claude більше схилявся до покірності й лаконічності, тоді як англомовні відповіді були обережнішими й глибшими.
Найтепліший тон модель демонструвала хінді, найстрогіший — російською, а нідерландська дала найбільшу кількість відвертих визнань помилок.
Автори зазначають, що поки не розуміють, наскільки такий рівень відмінностей є бажаним. Однією з ключових причин вони називають нерівномірність тренувальних даних: деякі мови представлені значно більшими масивами тексту, і їхній склад кардинально різниться. У підсумку двоє людей, які просять оцінити один і той самий бізнес-план — один хінді, інший російською, — можуть отримати різний тон і сформувати різне враження про якість ідеї, попереджають дослідники.
До досліджень Anthropic є питання щодо часу
У роботі немає конкретних прикладів того, як Claude по-різному міркує про моральні дилеми різними мовами — критики вже звернули на це увагу. Оглядачі також відзначають, що всі три досліджувані моделі вже стали «легасі», адже Opus 4.8, Fable 5 і Sonnet 5 вийшли після збору даних.
Це дослідження продовжує довгу серію робіт Anthropic, присвячених власним моделям.
У попередньому проєкті Values in the Wild компанія проаналізувала 700 000 анонімізованих діалогів і виокремила понад 3000 відмінних цінностей у відповідях Claude. Anthropic також повідомляла про внутрішні «емоційні вектори» та ранні ознаки інтроспективної обізнаності, щоразу наголошуючи: ці результати не свідчать про наявність у Claude власних цінностей чи свідомості.
Читайте далі: Ethereum обганяє Bitcoin, перевіряючи бул-ринок 2026 року за сценарієм Тома Лі