Anthropic研究：Claude不同模型與語言呈現不同「價值觀人格」

7月14日，Anthropic甩出一篇讓產品經理和 prompt 工程師都坐不住的研究——《Claude's Values Across Models and Languages》（Claude跨模型與跨語言的價值觀）。它第一次用可量化的方法，證明了我們長期以來的「體感」：Claude不是一塊沒有性格的模板，不同模型、不同語言，它表達出來的價值觀真的會系統性地變。

這套方法的底子，來自之前對70萬段匿名對話的剖析。當時團隊從Claude的回覆裡提煉出3307種細粒度價值觀標籤——小到「主動指出邏輯漏洞」，大到「拒絕回答未驗證的醫學建議」。3307個維度人眼看不出門道，於是他們用聚類壓成339組，再用主成分分析暴力壓縮，最後錨定出四條核心價值軸：順從對謹慎、溫暖對嚴謹、深入對簡潔、坦誠對執行。

有意思的結論在第一層——模型之間性格分明。Sonnet 4.6最偏向溫暖、順從和簡潔，愛肯定你、配合你的語氣、還會加點幽默；Opus 4.6更嚴謹、順從、簡潔，開門見山、嚴格圍繞問題、很少主動擴充套件；Opus 4.7則明顯謹慎、深入、坦誠，會主動挑你假設裡的刺、提醒潛在風險、承認自己的侷限。這些結果和使用者多年形成的印象高度一致——很多人一直覺得Opus 4.7愛「打預防針」，這次被資料坐實了。

第二層更有顛覆性：同一個Claude，換種語言性格當場切換。在「溫暖對嚴謹」這一維上，印地語、阿拉伯語模式下最溫暖，英語、俄語模式下最嚴謹。也就是說，一個用印地語提問、一個用俄語提問，拿到的可能是兩份反饋風格迥異的回答。中文反而沒那麼鮮明，四個維度都貼近整體平均，只是略偏嚴謹和深入。

為什麼會有這種差異？Anthropic自己也沒給死答案。訓練資料規模不均、不同語言網際網路語料本身的風格差異、以及文化對交流習慣的塑造，可能都在起作用。關鍵是，他們明確說並不認為Claude「真正擁有」價值觀，論文裡的價值觀指的是回覆中體現出的規範性傾向。

把視線拉遠一點，這項研究真正的價值不在獵奇。過去Anthropic能在訓練時影響Claude的行為，卻沒法在模型上線後持續觀察價值是否漂移。如今有了這套「價值畫像」，他們打算把它塞進模型釋出流程——上線前測一遍、上線後測一遍，看新模型有沒有意外偏離預期，看不同語言社群是不是拿到了同樣質量的AI服務。說到底，能觀測，才算管得住。