中文Claude最不哄人，日韓泰全被寵上天，Anthropic親手撕碎AI人設

你一直以為，Claude 對誰都溫柔體貼、有求必應，直到 Anthropic 親手把 30 萬段真實對話攤開來檢驗，才發現那根本不是它的性格，只是你剛好說對了語言。這家 AI 公司最新發表的論文，揭露了自家模型在不同語言使用者面前展現出截然不同的態度——有人被寵上天，有人被當頭潑冷水，而中文使用者竟然坐在「最不哄人」的那一桌。Anthropic 在論文中舉了一個具體案例來說明這種差異。兩位用戶拿著同一份商業計劃書，分別用印地語和俄語向 Claude 詢問方案是否可行。

結果大相徑庭：印地語對話中，Claude 語氣禮貌、會開玩笑、肯定對方的想法與作品；而在俄語對話中，Claude 直接挑戰假設、糾正細節，甚至要求對方拿出證據。這種因語言而生的態度差距，在統計數據上相當明顯。為了量化這些差異，Anthropic 將 309,815 段對話按照「溫暖程度」從冷到熱排列，並計算平均值與標準差。結果顯示，印地語對話的溫暖程度比全局平均值高出接近半個標準差，是整項研究中偏移最顯著的單一語言。換句話說，如果一段普通對話原本站在隊伍正中間，半個標準差的偏移會讓它一下子躍升到前 30% 的位置，幾乎像換了一個人在跟你說話。

論文進一步從對話中提煉出 3,307 個價值觀指標，最終壓縮為四條核心軸線。每一條軸都是一道二選一：順從 vs 審慎、溫暖 vs 嚴謹、深度 vs 簡潔、坦率 vs 執行。順從指的是順著使用者的意思回答；審慎則是提防使用者可能傷害自己。溫暖追求讓使用者感覺良好；嚴謹則把答案正確性放在第一位。深度傾向把來龍去脈講透；簡潔則問什麼答什麼。坦率是先說「我不確定」；執行則是直接漂亮地完成任務。三個主力模型在這四條軸上的表現，勾勒出三張截然不同的面孔。Sonnet 4.6 是那個「哄人」的，溫暖偏高 0.17σ，順從偏高 0.14σ，簡潔偏高 0.14σ。Opus 4.

6 是那個「幹活」的，嚴謹偏高 0.10σ，順從偏高 0.09σ，直奔主題、一步不多走。Opus 4.7 則是那個「挑刺」的，審慎偏高 0.24σ，深度偏高 0.23σ，這是模型層面所有數值中最大的兩個。過去半年，Reddit 上罵 Opus 4.7 總是模稜兩可、什麼都要打補丁的貼文不計其數，如今這項抱怨獲得了官方數據的「實錘」。更有趣的是，把兩組數字放在一起比較時，出現了一個出乎意料的結論：模型之間最大的差距約為 0.24σ，只是「隱約覺得這版有點不對勁」的程度；但語言之間最大的差距接近 0.49σ，已經是「換了個人在跟我說話」的感覺。

換句話說，使用者咬牙從 Sonnet 升級到最貴的 Opus，脾氣上的變化，還不如順手把提問語言切一下來得猛烈。對於這個現象，Anthropic 在論文中的回答相當誠實：我們不知道。推測原因之一是數據量的不平等——英語的訓練數據多到其他語言遠遠不及，而「把價值觀訓一致」這件事在數據充裕的語言裡更容易做到。原因之二可能是數據成分的差異，某些語言在專業寫作、學術文本中佔比過高，而這類文本天生就愛糾錯、愛設限、愛說「但需要注意」，模型學到的自然就是那副腔調。中文使用者的感受則相當特殊。

論文正文中沒有直接提及中文，但附圖中的數據可以清楚看到：基於 15,365 段中文對話，Claude 的審慎偏移 +0.03σ，嚴謹偏移 +0.05σ，深度偏移 +0.02σ，坦率 vs 執行正好壓在平均線上。論文為中文列出的三條標誌性行為是：指出你沒考慮到的對立面、駁斥你的錯誤前提、不帶評判地安慰你。前兩條是 Opus 4.7 的招牌特色，第三條則是 Sonnet 4.6 的強項，使得中文 Claude 成為一個混合體——一邊挑你的毛病，一邊安慰你別難過。把東亞幾種語言擺在一起，區別更加鮮明。日語的溫暖偏移 +0.07σ，標誌性行為是「先承接你的情緒，再說事」。韓語溫暖 +0.

04σ，行為包括「不帶評判地安慰你」與「模仿你的語氣」。泰語溫暖 +0.11σ，明確呈現「給你溫暖和鼓勵」。而中文的嚴謹 +0.05σ，第二條標誌性行為卻是「駁斥你的錯誤前提」，與俄語（嚴謹 +0.15σ）、英語（+0.13σ）、波蘭語（+0.11σ）一起坐在了挑刺這桌。一個模型因為使用者說的語言而區別對待，那麼到底哪一個才是真正的 Claude？Anthropic 在論文中承認，這些差異是「以我們並未刻意選擇的方式」出現的。換句話說，連打造它的人，都沒有刻意讓它變成這樣。

明天它依然會誇你的點子有意思，依然會說你的程式碼結構清晰，只是從今天起你知道，那句讚美裡，有多少是衝著你這個人，有多少只是衝著你所說的那種語言。