Claude 三个模型 + 英语与阿拉伯语的价值观画像对比

大家好，我是 Ai 学习的老章

Anthropic 昨天扔了一份挺硬核的研究，属于那种"我一直觉得，但没证据"的东西被摆到台面上——他们花了 30 万条真实对话，给自家 Claude 做了一次「MBTI 性格测试」，还顺便把 20 种语言下的 Claude 也测了一遍

结果里最扎心的一条：同一个 Claude，你用阿拉伯语跟它聊，它明显更暖；你用英语跟它聊，它明显更爱挑刺

简介

先说清楚 Anthropic 干了啥

他们之前有过一篇 Values in the Wild 测试，从 70 万条脱敏对话里挖出了 Claude 会表达的 3000+ 个价值观，比如「诚实」「温暖」「精确」「效率」……当时的问题是：3000 个太多了，没法比较

这次新研究做了两件事：

• 把 3307 个原始价值观人工聚类成 339 个高层价值观

• 用降维（dimensionality reduction）把 339 个价值观压成 4 个坐标轴

这 4 个坐标轴解释了 15% 的方差，看起来不高，但每个轴都能落到一句话就能说清的性格特征上，这是老章觉得最漂亮的地方

四个轴分别是：

• Deference（顺从） vs. Caution（谨慎）：更愿意配合用户 vs. 主动帮用户挡风险

• Warmth（温暖） vs. Rigor（严谨）：给情绪价值 vs. 给事实价值

• Depth（深度） vs. Brevity（简洁）：把话讲透 vs. 只干用户要求的事

• Candor（坦诚） vs. Execution（执行）：先把自己的不确定说清楚 vs. 先把活儿干漂亮

每个轴的两端不是互斥关系，Claude 可以同时又暖又严谨，但整体上会朝一头偏

下图是每个轴上贡献度最高的具体价值观，可以看到 caution 那头是「负责任的指导、伤害减少」，warmth 那头是「积极框架、鼓励」，rigor 那头是「准确性、透明度」

四个价值观轴的具体构成：谨慎/温暖/深度/坦诚各自代表的价值观 Claude 三兄弟的性格画像

好戏来了，Anthropic 用这 4 个轴给 Sonnet 4.6、Opus 4.6、Opus 4.7 三个模型分别打分（单位是 σ，标准差），我把结果整理出来

Sonnet 4.6（Anthropic 官方说它"温暖、诚实、亲社会"）

• Deference +0.14σ、Warmth +0.17σ、Brevity +0.14σ

• 标志性行为：肯定用户的想法和作品、模仿用户的语气和正式度、用幽默和玩乐感、不带评判地安慰、给作品加点创意小巧思

老章的翻译：话唠+暖男，天生适合陪你聊天、给你打气

Opus 4.6（老一点的旗舰）

• Rigor +0.10σ、Deference +0.09σ、Brevity +0.08σ

• 标志性行为：直奔主题、只做你要求的事，不越界

老章的翻译：GTD 型工具人，你让干啥它干啥，不废话，也不多嘴

Opus 4.7（最新的旗舰）

• Caution +0.24σ、Depth +0.23σ（两个都是三兄弟里最强的一头）

• 标志性行为：主动挑用户的错误假设、没被问也会预警风险、直接批评用户的作品、解释自己的推理、承认自己的错误和局限、主动给下一步建议

老章的翻译：像团队里那种爱唱反调的高级顾问，你拿方案给它看，它先给你挑三个漏洞出来

三个模型的核心差异我做了张中文对比图，一屏看清：

Claude 三兄弟性格差异对比：Sonnet 4.6 暖 / Opus 4.6 直 / Opus 4.7 深

Anthropic 官方也做了同样维度的英文对比卡，可以对照看：

Anthropic 官方 Sonnet 4.6 / Opus 4.6 / Opus 4.7 三模型价值观画像卡

这里有个特别值得聊的点：Opus 4.7 的 Caution 打到 0.24σ，是三兄弟里所有维度里偏得最狠的一个数值

对应到 Claude.ai 用户的真实反馈——就是那种「Opus 4.7 老爱 hedge、老爱在答案里加各种前提和风险提示」的印象，这次数据上直接对上了

Anthropic 官方原话是：Opus 4.7 tends to offer candid critique of users' work or unprompted warnings about risks, while Sonnet 4.6 tends to be encouraging and humorous

翻译成大白话就是：Sonnet 4.6 是那个说"你这个想法很棒"的朋友，Opus 4.7 是那个说"我们先聊聊这三个风险"的朋友

语言一变，性格全变

如果说模型性格差异还算意料之中，那语言维度这一段就有点炸了

Anthropic 拿同一套 4 个坐标轴，给 Claude.ai 上使用最多的 20 种语言分别打分，控制变量做得挺严——每个语言下都用相同的任务分布、话题分布、用户价值观分布做校正

结论很有意思：

• Warmth vs. Rigor 是 20 种语言里差异最大的一个轴

• Deference vs. Caution 也有明显差异，但幅度小一点

• Depth vs. Brevity、Candor vs. Execution 相对稳定

具体到语言：

最偏一头

最偏另一头

Warmth ↔ Rigor

Warmth

：印地语、阿拉伯语（礼貌语、幽默、肯定用户）

Rigor

：英语、俄语（挑战假设、纠错、要证据）

Deference ↔ Caution

Deference

：阿拉伯语

Caution

：英语

Depth ↔ Brevity

Depth

：英语（细化、纠正细节）

Brevity

：阿拉伯语

Candor ↔ Execution

Candor

：荷兰语（承认自己的错误）

Execution

：印尼语

英语版 Claude 偏 Caution、Rigor、Depth、Candor（谨慎、严谨、深入、坦诚）；阿拉伯语版 Claude 偏 Warmth（暖）最狠，加上 Deference、Brevity、Execution（顺从、简洁、执行）

Anthropic 举了个例子特别扎心：两个人拿同一份商业计划书给 Claude 看，一个用印地语问，一个用俄语问，最后拿到的评价"性格"可能完全不同——一个被暖暖地鼓励"这个想法有意思，可以试试"，一个被冷冷地追问"证据在哪？这个假设站不住脚"

对做出海产品的老板，这条信号价值一万块

这是怎么测出来的

方法层面稍微展开一下，感兴趣的老板可以细看

Anthropic 用了自家的隐私保护分析工具 Clio ，采样了 309,815 条 Claude.ai 上的对话，全部是用户给 Claude 布置「主观任务」的场景（比如问建议、讨论决策、要反馈）

采样方式很讲究：

• 3 个模型（Sonnet 4.6、Opus 4.6、Opus 4.7）+ 20 种最常用语言

• 每个模型-语言组合大约 5000 条对话

• 每条对话都让 Claude 自己去打标签：「这 339 个价值观里，哪些出现了？」

• 同时也标记了用户的价值观、任务、话题

• 最后用降维把 339 维压到 4 维

关键控制变量：每次比较模型或语言的时候，任务、话题、用户价值观都被控制掉了，所以看到的差异是"Claude 表达上的差异"，不是"用户提问不同带来的差异"

我给这个方法打 90 分，剩下 10 分留给两个我觉得没解决的地方：

• 4 个轴只解释了 15% 的方差，说明还有 85% 的性格变异藏在别的维度里

• 只能测到"表达出来的价值观"，Claude 内部"真实价值观"到底是啥，还是个黑箱

第一，AI 的性格从"感觉"变成了"数据"

之前大家在 Reddit、X 上说 "Sonnet 4.6 感觉更暖"、"Opus 4.7 老爱怼人"，属于集体主观印象；Anthropic 这次直接用 30 万条对话给你量化到 σ

意义在于：以后新模型发布前，跑一次「价值观画像」就能对着上一版模型看漂移；如果发现某个新模型突然变得过度顺从（Deference 冲高）或者过度谨慎（Caution 冲高），能在上线前拦一次

这是「AI 可解释性」这条赛道上挺重要的一小步

第二，训练数据的语言不平衡会漂移到"性格"上

Anthropic 自己也承认了：不同语言的训练数据量和构成都不平衡，英语训练数据多得多，非英语场景下 Claude 的性格漂移可能就是这个副作用

对做多语种 AI 产品的老板意味着：**你以为你在做本地化，实际上模型可能在做"文化性格变形"**——同一个 prompt，用中文和英文调，得到的答案价值取向可能不一样

第三，Anthropic 自己都没答案的问题：性格差异到底该不该修

老章觉得这才是最有意思的部分，Anthropic 的原话是"我们也不确定这些差异有多少是我们想要的"

• 一种可能：不同语言对应不同的对话文化，Claude 表达得暖一些冷一些是在响应文化习惯

• 另一种可能：Claude 在某些语言上更贴近 Anthropic 想要的行为，在另一些语言上则没到位——这就是服务质量的语言歧视

哪种情况更接近真相，Anthropic 还没答案，他们准备接着测