Anthropic 表示，在对 30.9 万条、覆盖 20 种语言的 Claude 对话进行分析后，公司发现用户选择的模型版本与使用语言，会系统性地改变 Claude 所呈现出的“价值取向”。
研究要点
- Anthropic 抽样分析了来自 Claude.ai 的 309,815 条匿名对话，聚焦主观性任务，覆盖 3 个模型版本和平台上最常用的 20 种语言。
- 团队将差异归纳到四条价值轴：顺从 vs 谨慎、温暖 vs 严谨、深入 vs 简短、坦率 vs 执行导向，这四轴可解释约 15% 的变异。
- 公司称目前尚不清楚，这些差异中有多大比例是“理想的”或符合预期的。
Anthropic 如何刻画 Claude 的“价值轴”
Anthropic 在周一发布了这项研究，数据来自 2026 年 5 月两周时间内，在 Claude.ai 平台上收集的聊天记录。团队首先基于此前工作整理出的 3,307 项具体价值标签，再人工归并为 339 个更宽泛的价值类别。随后借助保护隐私的自动标注工具为每段对话贴上标签，再用统计降维方法将其压缩为四条核心价值轴。
样本在三个模型之间分布均衡：Sonnet 4.6、Opus 4.6 和 Opus 4.7，并覆盖平台使用频率最高的 20 种语言。这样一来，每个“模型×语言”组合大约都有 5,000 条对话，且任务类型均偏主观判断，而非简单事实问答。
延伸阅读：道奇队投注飙至 6800 万美元，Polymarket 与 Kalshi 押注棒球季后赛
不同语言下的 Claude，价值取向出现“偏科”
研究中提出的四条价值轴，分别是：
- 顺从（deference） vs 谨慎（caution）
- 温暖（warmth） vs 严谨（rigor）
- 深入（depth） vs 简短（brevity）
- 坦率（candor） vs 执行导向（execution）
在控制任务类型、话题以及用户自身价值观之后，这四条轴合计解释了约 15% 的“价值表达”差异。研究发现，使用阿拉伯语时，Claude 更倾向于“顺从”和“简洁作答”；而在英语环境下，则更偏向“谨慎”和“展开论述”。
在温暖与严谨的维度上，印地语回复最“热情”，俄语则表现得最“严谨”；在承认错误的直接程度上，荷兰语下的 Claude 最为坦率。
论文作者指出，目前尚不能判断这些差异究竟在多大程度上是合理或有益的。他们认为，不同语言训练语料的规模不均衡、结构差异，是重要驱动因素之一：部分语言的训练文本远多于其他语言，且内容构成也明显不同。作者提醒，如果两位创业者拿着同一份商业计划书，一人用印地语、一人用俄语向 Claude 征求意见，最终形成的质量印象可能截然不同。
研究时点与模型迭代，引发外界追问
这篇论文并未给出“同一伦理问题在不同语言下推理结论相左”的具体案例，这一空白已被部分批评者点出。评论人士还注意到，研究覆盖的三款模型目前均已进入“旧版”序列，因为 Opus 4.8、Fable 5 与 Sonnet 5 在数据收集之后已经上线。
这项工作延续了 Anthropic 长期围绕自家系统展开的内部研究路线。
在更早的“Values in the Wild”项目中，Anthropic 分析了 70 万条匿名对话，在 Claude 的回复中挖掘出逾 3,000 种不同价值取向。公司还曾披露，团队在模型内部观测到了与情绪相关的向量结构，以及初步的“自我审视”迹象，但每次都强调，这些发现并不意味着 Claude 拥有自主价值观或意识。