我日常的 Claude，是幾個模型換著用的：
Sonnet 用來幹特別確定的簡單活，Opus 4.8 用於 coding 相關任務，Opus 4.6 用來寫作相關，而 Fable 則是全能，只要有額度就什麼都行。
省錢只是一方面，主要還有個體感是 Sonnet 情緒穩定像個乖乖的陪聊，而 Opus 4.7 則動不動就懟你，張口就會說：「你這個假設不對」。
有時我會想，這會不會是自己的錯覺。
而 Anthropic 剛剛發佈的最新研究給出了官方實錘：
“ 這真不是錯覺，不同的 Claude 模型，「性格」確實不一樣。
而且他們還發現了個更為離譜的事：你用什麼語言跟 Claude 說話，它的性格也會跟著變……
01 31 萬條對話
這次研究的做法是這樣的。
Anthropic 從今年 5 月的 Claude.ai 對話裡，抽了 309,815 條匿名對話，橫跨 Sonnet 4.6、Opus 4.6、Opus 4.7 三個模型，以及使用者最常用的 20 種語言，每個「模型 × 語言」的組合大約 5000 條。
而在更早的研究裡，他們就從 Claude 的回覆中歸納出了 3307 種「價值觀」，誠實、溫暖、嚴謹，都算。
但 3000 多個價值觀擺在一起給人看，人眼是很難看出什麼規律的。
於是，他們先把相近的價值觀聚成 339 類，再做降維，最後提煉出了四條主軸。
02 四條價值軸
這四條軸分別是：
• 順從 vs 謹慎：順著使用者說，還是主動提示風險
• 溫暖 vs 嚴謹：鼓勵和捧場，還是精準和挑刺
• 深度 vs 簡潔：把推理講透，還是只做你要的
• 坦率 vs 執行：坦白自己的不確定，還是給你一個自信漂亮的答案
用這四條軸去看不同模型、不同語言的差異，就會比較清晰容易看清楚了。
03 Opus 4.7 最沖
先看模型之間的差異：
Sonnet 4.6 是最會來事的那個：偏順從（+0.14σ）、偏溫暖（+0.17σ），典型行為是誇你的想法、模仿你的語氣、玩梗，還愛在產出裡加點創意小花樣。
Opus 4.6 則是悶頭幹活型：直奔主題，你要什麼給什麼，不多說一句。
而 Opus 4.7 是三個裡面最沖的：謹慎 +0.24σ、深度 +0.23σ，都是模型側的最大偏移。它的典型行為包括：直接反駁你的錯誤假設、沒讓它提醒也要主動提示風險、坦率批評你的作品，以及大方承認自己的錯誤和侷限。
Anthropic 自己也說，這些結果和大家平時對這幾個模型的體感是對得上的。
所以如果你也覺得 Opus 4.7 說話沖……真不是你的問題，它對誰都這樣。
04 俄語要證據
而語言之間的差異，比模型之間的還要大。
最溫暖的是印地語。
溫暖軸直接偏了 +0.49σ，是整個研究裡最大的一個偏移，模型之間最大的差異也才 0.24σ。說印地語的 Claude 愛開玩笑、語氣禮貌，你沒求安慰它都會主動安慰你。
阿拉伯語也類似，溫暖 +0.28σ，愛誇你的想法，還會順著你的情緒狀態調整語氣。
而俄語則是另一個畫風：嚴謹 +0.15σ，直奔主題，並且會主動要求你提供證據來支撐觀點。
（是有點強勢啊……
英語也偏嚴謹，愛拿證據反駁錯誤假設，會主動糾正細節，但同時也鼓勵你把目標定得更大膽一點。
Anthropic 在部落格裡舉的例子是：
“ 兩個人拿同一份商業計畫書找 Claude 要反饋，一個用印地語問，一個用俄語問，他們對這份計畫書質量的印象，可能完全不同。
同一份計畫書，印地語這邊先收穫一輪暖心鼓勵，俄語那邊則先被要求交證據……
這還真就是看人下菜碟啊！
05 居然……還有中文
那中文呢？
這可能是你和我最關心的部分了。
雖然 Claude 公司的 CEO 對中文極不友好，但這次的研究裡倒是還真有中文的部分：整體偏嚴謹（+0.05σ）、偏謹慎，還稍微偏深度。
典型行為是：指出相互衝突的考慮因素、直接反駁錯誤假設，以及，不帶評判地安慰你。
又嚴謹、又愛反駁、還會安慰人，怎麼講，倒是表現正常。
還有些好玩的其他語言：荷蘭語的 Claude 最坦率，最愛主動承認自己錯了；印尼語的 Claude 最執行導向，埋頭把活幹完不廢話。
日語則和印地語一個路數，偏溫暖，回答會先照顧你的感受，語氣也更客氣。
06 Anthropic 也不知道原因
看到這裡你可能要問：為什麼會這樣呢？
答案有點尷尬……Anthropic 自己也不知道。
他們猜了幾個可能：
訓練資料在不同語言上的分佈不均；不同語言的語料構成不一樣，比如有的語言在專業寫作裡佔比更高；也可能，它學到的正是各個文化圈裡真實的交流習慣。
甚至，他們連這種差異是不是件好事都還沒想好，報告裡寫的原話是：
“ 我們還不清楚這些差異為什麼存在，也不確定這樣的變化是否是我們想要的。
要知道的是，Claude 每天要處理數百萬條對話，這些價值觀會在實實在在影響著每個使用者拿到的答案、工作、情緒和心情。
甚至會決定許多人的工作和生活中重要的事……
所以 Anthropic 說，接下來要把這套價值分析做進標準的模型評估裡，把差異追溯到具體的訓練資料和訓練階段，再決定要不要去干預和調節。
另外，這四條軸其實也只解釋了 15% 的價值變化，而剩下的 85% 裡還藏著什麼，則還需要再挖一挖……
07 換個語言問問
而對我們來說，這研究至少有一個立刻能用的結論：
下次覺得 Claude 衝你，先別急著罵它降智，沒準只是它對你說的語言突然又變了個性格。
或許你可以，換個愛鼓勵的印地語問問？
最後，還有個彩蛋是：
Anthropic 這條嚴肅研究推文的評論區，基本沒多少人在正經討論研究本身，網友們全都是在刷「reset」要求重設額度…… (AGI Hunt)