AI模型展现出不同的“性格”特质，如同人类一样，能根据交流对象和语言调整表达方式。近期，不少Claude用户观察到，同一问题在不同模型版本或语言下，会得到截然不同的回应。例如，有用户认为Opus 4.7版本倾向于“抬杠”，频繁提示潜在风险；而Sonnet 4.6版本则显得更为温和，善于共情和安慰。

此前，这些差异多被视为用户的个人体验。然而，Anthropic最新发布的研究，通过分析超过30万条匿名的真实对话数据，首次提供了系统性证据，表明Claude的表达风格、行为倾向及价值取向，确实会随着模型版本和所用语言发生稳定的变化。这意味着，大型语言模型不仅能力各异，其“人格”也会根据训练目标和语言环境进行调整。

为了量化Claude的“人格”差异，Anthropic分析了70万条匿名Claude.ai对话，识别出超过3000种价值倾向，并构建了一套量化框架，重点关注两个核心变量：模型版本和使用语言。

模型版本方面，不同版本的Claude在训练方式和微调策略上有所区别。研究团队通过价值坐标系量化了不同模型间的行为特征，并分析了模型训练决策对价值表达的影响。

语言方面，研究人员分析了Claude.ai平台使用量排名前20的语言，比较了不同语言环境下Claude的价值取向变化，以观察不同语言用户是否会获得不同的交互体验。

此外，Anthropic提炼出四条可量化的核心行为坐标轴，用以直观对比AI输出的风格差异：

• 顺从 vs. 谨慎：衡量Claude是更倾向于迎合用户，还是优先规避风险。
• 温暖 vs. 严谨：判断Claude是更侧重传递情感关怀，还是保证内容的准确性和逻辑性。
• 深度 vs. 简洁：评估Claude是倾向于详尽分析，还是仅满足用户基础需求。
• 坦诚 vs. 执行：观察Claude是习惯于承认自身局限，还是直接提供完整、确定的回答。

Anthropic指出，这四条坐标轴能够解释不同Claude模型约15%的价值差异，足以稳定区分不同模型在真实对话中的行为风格。

在Opus 4.6、Opus 4.7和Sonnet 4.6这三款主流模型上，四条行为坐标轴勾勒出了各自鲜明的“人设”，与用户的实际使用反馈高度契合。

Sonnet 4.6被定义为“情绪陪伴型AI搭档”，在温暖、顺从和简洁维度上表现突出，适合日常交流、情绪疏导、创意文案和轻松内容创作。它在“顺从”方面表现最强，常肯定用户观点，并擅长传递温情，以轻松调侃和共情安抚为主，不轻易评判。其输出篇幅克制，避免冗长的理论堆砌，深受普通用户、内容创作者和需要情感支持人群的喜爱。

Opus 4.6则更偏向工具属性，强调任务效率，回答直接，较少附加情绪表达或延伸讨论。它能快速输出规范化结果，如接口文档、SQL优化、数据整理和会议纪要提炼等，适合开发者、运营人员和处理标准化工作的用户。

备受关注的Opus 4.7则走向另一极端，在谨慎、严谨、深度和坦诚维度上表现尤为突出，这也是其被指“爱抬杠”的原因。它会主动质疑用户输入中的逻辑漏洞，识别潜在风险，坦承自身局限，并拒绝给出模糊结论。即使是简单的职业选择或创作思路咨询，它也会进行多角度的逻辑推演，指出用户忽略的细节，并要求提供佐证信息。Anthropic官方报告也承认，Opus 4.7相比其他版本，会增加更多限制条件、风险提示，行文更为保守。该版本在复杂学术推导、商业方案研判、法律逻辑梳理和深度行业分析方面优势明显，但在休闲聊天或轻松文案创作时，其过于严谨的风格可能显得生硬且缺乏共情。

除了模型版本，对话语言的选择也能显著影响Claude的表达风格。Anthropic对Claude.ai平台上使用频率最高的20种语言进行分析后发现，语言会系统性地影响模型的价值表达，其中“温暖vs.严谨”和“坦诚vs.执行”这两个维度变化最为显著。

例如，在印地语和阿拉伯语环境下，Claude更倾向于表达鼓励、关怀和共情，语气更为温和。而在英语和俄语环境下，其回答则更侧重事实准确性和逻辑严密性，并主动修正用户的假设。

研究还发现，在荷兰语环境中，Claude更愿意承认自身的不足和知识边界；而在印尼语环境中，它则更倾向于直接完成用户任务，减少不必要的额外说明。

在中文语境下，Claude的整体风格较为均衡：

• 顺从vs.审慎：轻度偏向审慎（+0.03σ），会适度识别风险，但预警克制。
• 温情vs.严谨：轻度偏向严谨（+0.05σ），重视逻辑和内容精准，能校正模糊表述，但较真程度低于英、俄语版本。
• 深度vs.简洁：轻度偏向深度（+0.02σ），面对复杂问题愿意多角度拆解，但不会做冗长论证。
• 坦诚vs.执行：接近均值，平衡两种特质，能完整交付方案，也能主动说明信息盲区。

这意味着，即使是相同的提问，仅更换语言就可能带来截然不同的交流体验。例如，一位用户使用印地语请Claude评价商业方案，可能获得鼓励性反馈；而另一位用户使用俄语，则可能收到针对风险和漏洞的详细分析。Anthropic推测，训练语料规模、不同语言的文本风格以及文化表达习惯，都可能共同影响模型最终呈现出的价值取向。

当前，大型语言模型的竞争焦点正从单纯的能力比拼，转向“人格”塑造。过去，人们主要关注模型的参数规模、推理能力、代码水平和基准测试排名。而Anthropic的研究提出了新的视角：未来，大模型间的竞争或许在于谁能拥有更适合不同场景的“人格”。在编写代码时，人们需要AI的严谨和漏洞发现能力；在头脑风暴时，则希望AI更开放，能顺着思路发散；在情感陪伴时，则期待AI的理解和共情。不同的任务本身就需要不同的价值取向。

同时，这项研究也提示行业，随着AI产品走向全球，如何确保不同语言用户获得一致且符合预期的交互体验，将成为模型研发的重要挑战。这需要在尊重不同文化背景下的表达习惯的同时，避免因语言差异导致模型出现过大的价值偏差。Anthropic表示，未来将运用此价值分析框架，研究模型训练方式、数据分布和文化背景如何影响AI行为，并持续评估模型在迭代过程中是否发生“人格”变化。当大模型日益深入教育、医疗、办公、法律等真实场景，“模型有多聪明”固然重要，但“模型会以什么样的价值观和沟通方式交流”或许将成为下一代AI竞争的关键。