中文Claude最不哄人，日韓泰全被寵上天，Anthropic親手撕碎AI人設
重點摘要
Anthropic 研究發現，Claude 模型會因用戶使用的語言不同而展現截然不同的行為模式，例如使用印地語時更溫暖順從，使用英語、俄語時則更嚴謹挑剔。中文 Claude 屬於混合型，既會駁斥錯誤前提，也會不帶評判地安慰用戶，而日語、韓語、泰語版本則明顯更傾向於哄人。語言造成的個性差異甚至比不同模型版本（如 Sonnet 與 Opus）之間的差異更顯著。
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。
Related
相關文章
曝DeepSeek啟動IPO，估值漲到4800億
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作曝DeepSeek啟動IPO，估值漲到4800億投行圈子·2026年07月15日 18:38憑什麼敢IPO？ 今天彭博社的一條新聞，讓AI圈和投資圈炸了! 彭博社報道，國內頭部AI大模型公司DeepSeek（深度求索）已正式啟動IPO籌備工作，計劃登陸中國內地資本市場，最快將於2026年底提交上市申請，目標2027年正式掛牌交易。 緊隨其後，華爾街日報等多家海外媒體跟進證實：DeepSeek正密集接觸會計師事務所與投行顧問，力爭在今年12月底前完成財務報告整理，這是A股IPO申報的核心前置步驟。上市地點初步鎖定上海。 同時，《金融時報》爆料，DeepSeek正開啟第二輪融資，投前估值710億美元（約4800億人民幣），較首輪融資後的520億美元上漲37%。 截至今日下午17點，DeepSeek（深度求索）並未對上述傳聞做成任何回應。最終以官方披露為準。 但值得關注的是，距離首輪融資結束，僅僅過去六週。 一家成立剛滿三年的公司，從“堅決不融資”到估值4800億衝刺IPO，這速度放在全球科技史上都罕見。 但更值得追問的是：DeepSeek憑什麼？它的IPO對中國AI行業意味著什麼？ 憑什麼敢IPO？ 很多人對DeepS
造車這層窗戶紙，字節不會捅
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作造車這層窗戶紙，字節不會捅字母榜·2026年07月15日 18:33字節做自動駕駛了，但張一鳴真正想要的不是車 字節要下場做自動駕駛了？ 據 36 氪報道，字節跳動正探索進入自動駕駛領域。項目由Seed團隊旗下週暢的世界模型團隊牽頭，走的是當下最主流的技術路線。 對此消息，字節表示 ， “字節在AI大模型前沿探索領域，包括物理AI領域，有很多早期研究和探索，但並沒有做智能駕駛業務的計劃”。 事實上無論是車圈還是AI圈，大家的共識是“自動駕駛就是世界模型最先商業落地的場景”。字節有人才、有模型、有算力，所以如果字節真的選擇做自動駕駛，也是完全順理成章。 但有意思的是，字節做自動駕駛的消息一齣，“張一鳴要造車”的討論又熱了起來。 這事兒放在十年前想都不敢想，造車是什麼級別的生意？重資產、長鏈條、幾百億砸進去都聽不見響。 但是到了現如今，造車已經是一個模塊化的事情了。從電池到底盤，只要是你能想到，市面上就有對應的供應商。反倒是車裡面的智能座艙和自動駕駛，成了最稀缺、最賺錢的部分。 這也就意味著，從自動駕駛到整車，中間只隔了一層窗戶紙。 只要張一鳴想，字節隨時都可以造車，可張一鳴會捅破這層紙嗎？ 01 在今天，造車這件事已
小米開源具身生成大模型U0，要給機器人批量“造數據”
小米開源具身生成大模型U0，要給機器人批量“造數據” 鄭敏芳 發表於 2026年07月15日 10:07 摘要：小米將大模型能力進一步推向機器人領域。 7月15日，小米正式發佈並開源具身生成模型Xiaomi-Ro... 小米將大模型能力進一步推向機器人領域。 7月15日，小米正式發佈並開源具身生成模型Xiaomi-Robotics-U0（以下簡稱“U0”）。該模型擁有380億參數，將具身世界建模與通用圖像生成能力統一在一套多模態自迴歸架構中，主要用於生成、遷移和擴增機器人訓練數據。 U0的目標是為機器人“造數據”。 機器人要學會抓取、搬運、整理等動作，需要在大量不同場景中反覆訓練。但現實世界的數據採集成本高、週期長，危險、極端以及低頻場景也難以充分覆蓋。 U0試圖把這一過程變成可批量運行的數據生產線。已有的機器人真機數據可以直接更換物體、光照、材質和背景，而不必重新搭建場景、部署設備並重復採集；現實中難以獲取的長尾場景，也可以通過模型直接生成。 U0還提出FlashAR+高速推理加速方案，通過對角並行解碼與緩存調度技術，將一張1024×1024分辨率的高清訓練圖片生成時間，從450.77秒壓縮至5.44秒，效率提升82.9倍。 這意味著，機器人公司可以在較短時間內，批量生成覆蓋不同背景、光照、物體等訓練數據。 U0將具身場景生成、具身軌跡遷移、機器人交互視頻生成，以及通用文生圖和圖像編輯四類任務統一在一個模型中，基本貫通了“生成場景—遷移軌跡—擴展環境—生成交互過程”的數據生產鏈路。 事實上，類似的開源嘗試已經開始在具身智能行業出現。2025年3月，群核科技開源空間理解模型SpatialLM。該模型可以將視頻或點雲轉化為包含牆體、門窗、傢俱及空間關係的結構化3D場景，企業可以針對自己的場景進行微調，用於提升機器人對物理空間的理解能力。 當前，具身智能行業仍面臨訓練數據不足、
消息稱交友應用 Soul 將推出首款便攜式 AI 智能硬件，有望於 WAIC 2026 亮相
交友平台 Soul 宣布即將推出首款便攜式 AI 智能硬件，鎖定情緒陪伴應用場景，預計在 2026 年 7 月 17 日至 20 日舉行的世界人工智能大會暨人工智能全球治理高級別會議（WAIC 2026）期間首次公開亮相。這是 Soul 從純軟體社交服務跨入硬體領域的重要一步，也顯示其持續深化人工智慧技術的布局。 這款尚未正式命名的便攜式裝置，將內建 Soul 自研的大型語言模型 SoulX，並整合語音互動、情感表達與數位生命等核心能力。
人人想造Codex，但Agent正在接管的不只是你的代碼 | ToB產業觀察
AI編程工具正從Copilot輔助升級到Agent自主模式，並開始進入企業工作流與辦公場景，成為「數字員工」。Cursor、Anthropic、OpenAI等業者紛紛推出面向非開發者與辦公任務的Agent產品，但企業在部署時仍面臨高昂Token成本、組織慣性與隱性知識等挑戰。效率提升並非終點，Agent必須為企業帶來實際業務價值，否則可能導致生產過剩與裁員風險。
目前架構下，自進化後的AI也無法替代人類的判斷力
自進化AI技術在研發自動化上取得顯著進展，但專家田淵棟指出，目前架構下的AI仍缺乏對新結構的理解與概念突破能力。人類的判斷力、深層理解與品味，是AI無法取代的核心護城河。