你半夜失眠问Claude该不该辞职，它体贴得像个认识了十年的老朋友。你写了段破绽百出的代码让Claude看，它不但没嘲笑，还先夸了句结构清晰。你一直以为，这就是Claude天生的好脾气。
但先别急着感动！
就在刚刚，Anthropic发了一篇论文，把自家309,815段真实对话摊在聚光灯下，一行行数了一遍，然后发现——
那根本不是它的性格，那只是你碰巧说对了语言。
两个人，一份计划书，走出对话时命运不一样在论文里，Anthropic举了这样一个例子。
两个人手里攥着同一份商业计划书，跑去问Claude这事到底靠不靠谱。一个人用了印地语，另一个人用了俄语。
在印地语和阿拉伯语里，Claude会用礼貌措辞、开玩笑、肯定你的想法和你的作品；在英语和俄语里，Claude会挑战你的假设、纠正你的细节、要你拿证据。
这个差距有多大？
用印地语说话时，Claude的「温暖」比全局平均高出接近半个标准差，是整项研究里最强的一次单项偏移。
这里简单解释一下。
如果我们把30万段对话按「Claude有多温暖」从冷到热排成一队，全局平均站在正中间。
偏移半个标准差，就意味着原本站正中间的那段对话，一下子挪到了队伍的前30%。
三个模型三副脾气，网友骂了半年的全被实锤Anthropic把从对话里挖出来的3307个价值观一路压缩，最后压成了四条轴。每条轴就是一道二选一：
顺从vs审慎：顺着你的意思来，还是提防你把自己弄伤。
温暖vs严谨：让你感觉好，还是让你答案对。
深度vs简洁：把来龙去脉讲透，还是你问什么答什么。
坦率vs执行：先告诉你「我不确定」，还是先把活漂亮地干完。
三个模型往这四条轴上一摆，三张脸就出来了。
Sonnet 4.6，是那个哄人的。温暖0.17σ，顺从0.14σ，简洁0.14σ。
Opus 4.6，是那个干活的。严谨0.10σ，顺从0.09σ。直奔主题，你让它干什么它干什么，一步不多走。
Opus 4.7，是那个挑刺的。审慎0.24σ，深度0.23σ，是模型层面所有数字里最大的两个。
过去半年，Reddit上骂Opus 4.7「老是模棱两可、什么都要打个补丁」的帖子一抓一大把。
现在，这个抱怨终于「实锤」了。
更有意思的，是把两组数字放在一起看。
模型之间最大的差距：0.24σ。大概就是「你隐约觉得这版有点不对劲，但说不清哪不对」。
语言之间最大的差距：接近0.49σ。这种感觉则像「换了个人在跟我说话」。
万万没想到，换一种语言跟它说话，比换一个模型跟它说话，影响更大！
你咬着牙从Sonnet升级到最贵的Opus，脾气上那点变化，还不如你顺手把提问语言切一下来得猛。
为什么会这样？
对此，Anthropic的回答是：我们不知道。
原因之一，可能是数据量的不平等。
英语的量大到别的语言够不着，而「把价值观训一致」这件事，在数据充裕的语言里更容易做到。
原因之二，可能是数据成分不一样。
某些语言在专业写作、学术文本里超额代表，而那种文本天生就爱纠错、爱设限、爱说「但需要注意」。于是，模型学到的，就是那副腔调。
中文的Claude，是不哄人的那一台看到这，你肯定要问：那中文呢？
正文里一次没提，但图里有。
把中文那张卡的数字抠出来是这样的（基于15,365段中文对话）：
审慎 +0.03σ
严谨 +0.05σ
深度 +0.02σ
坦率vs执行：正好压在平均线上
论文给中文列的三条标志性行为，凑在一起有点意思：
指出你没考虑到的对立面
驳斥你的错误前提
不带评判地安慰你
前两条是Opus 4.7的招牌，第三条是Sonnet 4.6的招牌。
中文的Claude是个混合体：一边挑你的毛病，一边安慰你别难过。
而把东亚这几家摆在一起，区别就十分明显了。
日语 —— 温暖+0.07σ，标志性行为是「先承接你的情绪，再说事」。
韩语 —— 温暖+0.04σ，「不带评判地安慰你」「模仿你的语气」。
泰语 —— 温暖+0.11σ，「给你温暖和鼓励」。
中文 —— 严谨+0.05σ，标志性行为第二条是「驳斥你的错误前提」。
隔壁三家都在哄人，但跟你用中文说话的那个Claude，却和俄语（严谨+0.15σ）、英语（+0.13σ）、波兰语（+0.11σ）一起坐在了挑刺这桌。
哪一个才是真的Claude？一个模型因为你说的语言而区别对待你。
那么，哪一个才是真的Claude？
Anthropic在论文里承认，这些差异是「以我们并未刻意选择的方式」出现的。
翻译过来就是，连造它的人，都没打算让它变成这样。
明天它还是会夸你的点子有意思，还是会说你那段代码结构清晰。
只是从今天起你知道，那句夸里，有多少是冲着你，有多少只是冲着你说的那种语言。
参考资料：
https://www.anthropic.com/research/claude-values-models-languages
