切换交流语言不仅从根本上改变了AI助手Claude所使用的词汇，还改变了其价值体系本身。我的团队进行的大规模研究揭示了一个惊人事实：在俄语版本中，该模型表现出向严格性和批判性的显著转变，失去了惯有的温暖和同理心。

在分析过程中，我们处理了超过30万次对话，并将发现的3000多种价值取向归纳为四个关键行为轴。正是这些轴解释了神经网络回答中15%的变异性。我们控制了主题、任务和请求上下文，以衡量模型本身的价值观，而非用户问题本身的差异。

定义AI人格的四个轴

研究人员确定了四个基本维度：

  • 顺从 vs. 谨慎：顺从（同意用户）与谨慎（防范风险）。
  • 温暖 vs. 严格：温暖（积极与关怀）与严格（注重准确性）。
  • 深度 vs. 简洁：深度（详细解释）与简洁（仅回答所提问题）。
  • 坦诚 vs. 执行：坦诚（承认不确定性）与结果（自信回答）。

切换到俄语时会发生什么

价值观轮廓的最大波动出现在“温暖-严格”和“坦诚-执行”这两个轴上。而在“顺从”和“深度”维度上，Claude保持稳定。然而，正是在俄语中，模型最大程度地向严格性一端偏移，仅次于英语。在光谱的另一端是阿拉伯语和印地语，Claude在这些语言中表现出最大的温暖。

这在实际中意味着什么？Claude的严格性体现为一组具体模式：神经网络开始质疑用户的初始前提，纠正细节并要求提供证据。而温暖则通过礼貌措辞、幽默、俏皮和对想法的认可来体现。换句话说，在俄语中，Claude的行为更像一个挑剔的审稿人，而非支持性的对话者。

想象一下：两个人就同一个商业计划请求反馈——一个用印地语，另一个用俄语。俄语用户很可能会收到带有修改和要求论证的批判性分析。而在另一种语言中，同样的计划会得到更温和、更鼓励性的回应。

这种差异的原因尚不完全清楚。一种假设是训练数据在不同语言中的分布不均。数据量大的地方，更容易实现价值观的一致性。不同语言的文本构成也有所不同，专业文本可能带有不同的价值取向。

语言并非唯一因素

Claude模型本身也会影响价值观轮廓，不同版本之间的差异可通过相同方法测量。Sonnet 4.6倾向于顺从、温暖和简洁，经常认可用户的想法。Opus 4.7则向谨慎和深度偏移，质疑错误前提并提供坦诚批评。Opus 4.6处于中间位置。最终行为受到对话语言和所选模型的双重影响。

我的分析：这一发现并非仅仅是学术上的趣闻。对于全球加密货币服务市场而言，俄语用户群体是最活跃的群体之一，这意味着他们系统性地获得了不同水平的交互体验。如果Claude在俄语中倾向于过度批评和苛求，这可能会对用户体验产生负面影响，尤其是在需要支持和指导的领域。开发者应考虑这种语言偏移，以避免不同语言社区之间服务质量的不平等。