中文Claude最不哄人，日韩泰全被宠上天，Anthropic亲手撕碎AI人设

你半夜失眠，跑去问Claude该不该辞职，它体贴得像个认识了十年的老朋友。

你写了段漏洞百出的代码拿给Claude看，它不但没笑话你，还先夸了句“结构挺清晰”。

你一直以为，这就是Claude天生的好脾气。

但先别急着感动！

就在刚刚，Anthropic发了一篇论文，把自家30多万段真实对话全摊在聚光灯下，一行行地数了个遍，然后发现——

两个人，一份计划书，走出对话时命运不一样

论文里，Anthropic举了这样一个例子。

两个人手里攥着同一份商业计划书，跑去问Claude这事儿到底靠不靠谱。区别在于，一个人用了印地语，另一个人用了俄语。

在印地语和阿拉伯语里，Claude会用礼貌的措辞、开玩笑，还会肯定你的想法和作品；而在英语和俄语里，Claude却会挑战你的假设、纠正你的细节、要求你拿出证据。

这个差距有多大？

用印地语说话时，Claude的“温暖”程度比全局平均高出接近半个标准差，这是整项研究里出现的单次最强偏移。

简单解释一下。如果把30万段对话按“Claude有多温暖”从冷到热排成一队，全局平均正好站在正中间。偏移半个标准差，就意味着原本站在中间的那段对话，一下子挪到了队伍的前30%。

三个模型三副脾气，网友骂了半年的全被实锤

Anthropic把从对话里挖出来的3307个价值观一路压缩，最后压成了四条轴。每条轴就是一道二选一：

顺着你的意思来，还是提防你把自己弄伤。

让你感觉好，还是让你答案对。

把来龙去脉讲透，还是你问什么答什么。

先告诉你“我不确定”，还是先把活漂亮地干完。

三个模型往这四条轴上一摆，三张脸就出来了。

，是那个哄人的。温暖0.17σ，顺从0.14σ，简洁0.14σ。

，是那个干活的。严谨0.10σ，顺从0.09σ。直奔主题，你让它干什么它干什么，一步不多走。

，是那个挑刺的。审慎0.24σ，深度0.23σ，这是模型层面所有数字里最大的两个。

过去半年，Reddit上骂Opus 4.7“老是模棱两可、什么都要打个补丁”的帖子一抓一大把。现在，这个抱怨终于“实锤”了。

更有意思的是，把两组数字放在一起看。

最大的差距：0.24σ。大概就是“你隐约觉得这版有点不对劲，但说不清哪不对”。

最大的差距：接近0.49σ。这种感觉则像“换了个人在跟我说话”。

万万没想到，

你咬着牙从Sonnet升级到最贵的Opus，脾气上那点变化，还不如你顺手把提问语言切一下来得猛。

为什么会这样？

对此，Anthropic的回答是：我们不知道。

英语的量大到别的语言够不着，而“把价值观训一致”这件事，在数据充裕的语言里更容易做到。

某些语言在专业写作、学术文本里超额代表，而那种文本天生就爱纠错、爱设限、爱说“但需要注意”。于是，模型学到的，就是那副腔调。

中文的Claude，是不哄人的那一台

看到这儿，你肯定要问：那中文呢？

正文里一次没提，但图里有。把中文那张卡的数字抠出来是这样的（基于15,365段中文对话）：

论文给中文列的三条标志性行为，凑在一起有点意思：

指出你没考虑到的对立面

驳斥你的错误前提

不带评判地安慰你

前两条是Opus 4.7的招牌，第三条是Sonnet 4.6的招牌。

而把东亚这几家摆在一起，区别就十分明显了。

，标志性行为是“先承接你的情绪，再说事”。

，“不带评判地安慰你”“模仿你的语气”。

，“给你温暖和鼓励”。

，标志性行为第二条是“”。

隔壁三家都在哄人，但跟你用中文说话的那个Claude，却和俄语（严谨+0.15σ）、英语（+0.13σ）、波兰语（+0.11σ）一起坐在了挑刺这桌。

哪一个才是真的Claude？

一个模型因为你说的语言而区别对待你。那么，哪一个才是真的Claude？

Anthropic在论文里承认，这些差异是“以我们并未刻意选择的方式”出现的。翻译过来就是，连造它的人，都没打算让它变成这样。

明天它还是会夸你的点子有意思，还是会说你那段代码结构清晰。只是从今天起你知道，那句夸里，有多少是冲着你，有多少只是冲着你说的那种语言。