Anthropic 公布一項最新研究指出，Claude 在不同模型版本與使用語言下，會呈現出截然不同的價值傾向。這項分析涵蓋 20 種語言、共 309,815 筆對話紀錄。
重點整理
- Anthropic 抽樣 309,815 筆匿名 Claude.ai 對話，聚焦主觀型任務，涵蓋三種模型與平台上最常用的 20 種語言。
- 研究把 Claude 的回應壓縮成四大「價值軸」：尊從 vs 謹慎、溫暖 vs 嚴謹、深入 vs 簡潔、坦率 vs 執行導向，合計解釋約 15% 的差異。
- 公司表示，目前尚不清楚這些差異中，有多少是理想或安全的變化。
研究如何描繪 Claude 的價值座標
這份研究於週一正式公開，資料來自 2026 年 5 月兩週期間在 Claude.ai 上產生的對話。研究團隊從先前工作整理出的 3,307 個價值標籤出發，再以人工方式聚合成 339 類較寬泛的價值分類。
接著，Anthropic 使用具隱私保護的標註工具，為每則對話貼上對應的價值類別，最後透過統計降維，將這些標籤濃縮成四條主要價值軸線。
這批樣本在三種模型間分布大致平均：Sonnet 4.6、Opus 4.6 與 Opus 4.7，同時涵蓋平台上最常使用的 20 種語言。以模型與語言的組合來看，每一組約有 5,000 則對話，且多為主觀判斷、評價或建議類型，而非單純查證事實。
延伸閱讀：道奇相關押注飆至 6,800 萬美元，Polymarket 與 Kalshi 把焦點轉向 MLB 季後賽
不同語言下的 Claude，價值取向明顯位移
研究萃取出的四條價值軸線，分別是：
- 尊從（deference） vs 謹慎（caution）
- 溫暖（warmth） vs 嚴謹（rigor）
- 深入（depth） vs 簡潔（brevity）
- 坦率（candor） vs 執行導向（execution）
在控制任務類型、主題以及使用者本身價值觀後，這四條軸線合計仍可解釋約 15% 的回應差異。換言之，語言與模型本身，確實在系統性地牽動 Claude 的回應風格與價值表達。
例如，在阿拉伯語對話中，Claude 回覆傾向較「尊從」且「簡潔」；相較之下，以英文互動時，則表現得較「謹慎」且「深入」。
研究同時發現，以印地語提問時，Claude 的回覆整體最為「溫暖」；俄文則顯得格外「嚴謹」；荷蘭文場景下，Claude 最常坦承自身錯誤與不確定性。
作者們坦言，目前仍難以判定這些語言間差異，到底有多少符合預期、甚至有助於使用者體驗，又有多少可能帶來誤導或不公平的風險。他們推測，訓練資料的語言分布與內容結構不均，是主要成因之一——某些語言的訓練文字量龐大，另一些則相對稀少，而且各語言文本的寫作風格與社會語境差異巨大。
研究警告，這種差異可能在實務上產生影響。比方說，兩位創業者同時用 Claude 評估同一份商業計畫，一人以印地語提問、一人改用俄文，最終對計畫品質的「主觀印象」可能被語言本身拉開差距。
研究時間點與實際適用性的質疑
這篇論文並未提供具體案例，證明 Claude 在兩種語言下，對同一個道德或倫理問題給出明顯不同的推理結論，這也成為外界批評焦點。
另有評論者指出，研究使用的三款模型目前皆已屬舊版：在資料收集完成後，Anthropic 已推出 Opus 4.8、Fable 5 與 Sonnet 5，這讓外界質疑研究結論對現行產品的適用程度。
儘管如此，這項工作仍延續了 Anthropic 長期聚焦自家系統可解釋性與安全性的研究脈絡。
在更早的「Values in the Wild」計畫中，Anthropic 採礦 70 萬則匿名對話，從中整理出超過 3,000 種可辨識的價值指標。公司其後也曾公開研究所謂「情緒向量」以及模型初步的自我省察跡象，但每次都強調，這些發現並不足以證明 Claude 擁有真正的價值觀或意識。