Anthropic研究：Claude不同模型与语言呈现不同「价值观人格」

7月14日，Anthropic甩出一篇让产品经理和 prompt 工程师都坐不住的研究——《Claude's Values Across Models and Languages》（Claude跨模型与跨语言的价值观）。它第一次用可量化的方法，证明了我们长期以来的「体感」：Claude不是一块没有性格的模板，不同模型、不同语言，它表达出来的价值观真的会系统性地变。

这套方法的底子，来自之前对70万段匿名对话的剖析。当时团队从Claude的回复里提炼出3307种细粒度价值观标签——小到「主动指出逻辑漏洞」，大到「拒绝回答未验证的医学建议」。3307个维度人眼看不出门道，于是他们用聚类压成339组，再用主成分分析暴力压缩，最后锚定出四条核心价值轴：顺从对谨慎、温暖对严谨、深入对简洁、坦诚对执行。

有意思的结论在第一层——模型之间性格分明。Sonnet 4.6最偏向温暖、顺从和简洁，爱肯定你、配合你的语气、还会加点幽默；Opus 4.6更严谨、顺从、简洁，开门见山、严格围绕问题、很少主动扩展；Opus 4.7则明显谨慎、深入、坦诚，会主动挑你假设里的刺、提醒潜在风险、承认自己的局限。这些结果和用户多年形成的印象高度一致——很多人一直觉得Opus 4.7爱「打预防针」，这次被数据坐实了。

第二层更有颠覆性：同一个Claude，换种语言性格当场切换。在「温暖对严谨」这一维上，印地语、阿拉伯语模式下最温暖，英语、俄语模式下最严谨。也就是说，一个用印地语提问、一个用俄语提问，拿到的可能是两份反馈风格迥异的回答。中文反而没那么鲜明，四个维度都贴近整体平均，只是略偏严谨和深入。

为什么会有这种差异？Anthropic自己也没给死答案。训练数据规模不均、不同语言互联网语料本身的风格差异、以及文化对交流习惯的塑造，可能都在起作用。关键是，他们明确说并不认为Claude「真正拥有」价值观，论文里的价值观指的是回复中体现出的规范性倾向。

把视线拉远一点，这项研究真正的价值不在猎奇。过去Anthropic能在训练时影响Claude的行为，却没法在模型上线后持续观察价值是否漂移。如今有了这套「价值画像」，他们打算把它塞进模型发布流程——上线前测一遍、上线后测一遍，看新模型有没有意外偏离预期，看不同语言社区是不是拿到了同样质量的AI服务。说到底，能观测，才算管得住。