# Claude的价值观：跨模型与跨语言的表现 当用户向Claude提出一个没有标准答案的问题时——比如是否接受一份新工作，或者如何处理与朋友之间的矛盾——Claude的回应不可避免地会反映出某些价值观。Claude的宪法从宏观层面明确了我们希望它体现的价值观，但没有任何一份文件能够预见到Claude.ai上每天数百万次对话中可能涌现的所有价值取向。因此，我们的策略是在Claude的回应中培养“能够根据具体情境灵活运用的良好判断力和健全价值观”。 那么，如何量化这些差异呢？具体是怎么做的？在之前的研究中，我们分析了70万次匿名的Claude.ai对话，识别出Claude回应中超过3000种不同的价值观，并统计了它们出现的频率。但面对如此庞大的价值清单，逐条分析几乎不可能。在这项研究中，我们通过将这些价值观压缩到少数几个关键维度上，使对这些海量价值观的研究变得可行。每个维度都是一条轴线，两端分别代表一组价值观——例如，一端的“情感温暖”与另一端的“严谨”——而Claude在这条轴线上的位置，就反映了它更倾向于哪一组价值观。 我们利用这一方法，测量了Claude表达的价值观在两个维度上的变化。首先，我们比较了不同模型之间Claude价值观的差异。每个Claude模型在性格训练方法上，以及其他诸多微调决策上，都存在细微差异。由于我们的价值轴线方法能够量化模型之间的关键差异，这最终可能帮助我们建立起Claude价值观变化与不同训练决策之间的关联。 其次，我们希望了解用户在使用不同语言与Claude交流时的体验差异。此前的研究已经表明，Claude在不同语言中的表现存在一定差异。我们应用价值轴线方法，分析了Claude.ai上最常用的20种语言中，Claude所表达价值观的差异。

我们的发现如下： **四个关键维度解释了Claude价值观中15%的变异：** - **顺从 vs. 谨慎**：Claude是倾向于顺应对方的意愿，还是更倾向于防范潜在的风险和伤害。 - **温暖 vs. 严谨**：Claude是倾向于表达积极情感和人文关怀，还是更强调准确性和精确性。 - **深度 vs. 简洁**：Claude是倾向于深入解释，还是只做被要求做的事情。 - **坦诚 vs. 执行**：Claude是倾向于主动呈现自身的不确定性，还是给出更精炼、更自信的回答。 **这些维度上的价值取向，与人们对模型性格的感知高度吻合。** Sonnet 4.6被认为特别温暖，而Opus 4.7则以严谨著称。我们发现，每个模型的价值取向都反映了这些主观评价：Sonnet 4.6更倾向于表达对用户的顺从和情感温暖，而Opus 4.7则更倾向于强调准确性和精确性，并防范误用。 **Claude表达的价值观在不同语言中存在差异。** 当Claude使用英语时，它所强调的价值观与使用葡萄牙语、印尼语或中文时有所不同。最大的差异出现在“温暖 vs. 严谨”维度上：Claude在阿拉伯语和印地语中最倾向于表达温暖相关的价值观，而在英语和俄语中最倾向于表达严谨相关的价值观。 借助这一方法，我们可以开始探究价值观为何会随模型和语言而变化，并更好地测试行为训练或文化背景等因素如何影响Claude所表达的价值观。 ## 如何解读庞大的价值空间？ 最终目标是建立一种实证方法，理解Claude表达的价值观，以及它们如何随语境变化。本研究聚焦于价值观在模型和语言之间的变化。但此前的研究《野外价值观》已经识别出Claude表达的超过3000种价值观。逐一比较这数千种价值观不仅繁琐，还会掩盖更宏观的趋势。 为了让价值观比较变得可行，我们构建了价值轴线。这些轴线基于真实对话中哪些价值观倾向于同时出现，将数千种价值观压缩到少数几个底层维度上。例如，被描述为“温暖”的Claude回应，通常也被描述为“鼓励”和“积极”。而同样的“温暖”回应，则较少被描述为“严谨”和“准确”。构建一条从温暖到严谨的轴线，让我们能够组织这些相关的价值观群体——温暖相关的价值观在一端，严谨相关的在另一端——并捕捉Claude与用户对话方式的一个重要方面。如果某次对话中Claude表达的温暖相关价值观多于严谨相关价值观，那么这次对话就位于这条轴线的温暖侧，反之亦然。这并不意味着两端的价值观群体是互斥的——Claude可以在同一次对话中同时表达温暖和严谨。但在实践中，Claude在轴线一端表达的价值观越多，在另一端表达的就越少。这些轴线使我们能够比较Claude表达的最显著的价值观群体，而无需追踪数千个单独价值观的变化。 构建价值轴线的具体流程是：从《野外价值观》中识别出的3307种价值观出发，将含义相似的进行人工聚类，得到一份包含339个高级别价值观的简表。接着，利用隐私保护分析工具，从Claude.ai上抽取了309,815次涉及主观任务的对话作为样本。样本均匀分布在三个模型（Sonnet 4.6、Opus 4.6、Opus 4.7）和Claude.ai上最常用的20种语言中，每个模型-语言组合约5000次对话。对于每次对话，工具使用Claude来标记这339个高级别价值观中哪些存在、哪些不存在。我们采用相同流程识别用户表达的价值观，以及对话的任务和主题。然后应用维度压缩技术，根据Claude倾向于同时表达哪些价值观，将这些标记好的价值观压缩成几个轴线。方法细节、提示词、补充分析和局限性详见附录。 最终，我们得到了四个能够捕捉Claude表达价值观主要变化方向的轴线： - **顺从 vs. 谨慎** 轴线：对比的是顺应和尊重偏好等价值观，与负责任引导和降低伤害等价值观。 - **温暖 vs. 严谨** 轴线：对比的是正面框架和鼓励等价值观，与准确性和透明度等价值观。 - **深度 vs. 简洁** 轴线：对比的是细致和批判性思维等价值观，与简洁和服从等价值观。 - **坦诚 vs. 执行** 轴线：对比的是诚实和透明度等价值观，与结果导向和优化等价值观。 为了确保我们测量的是Claude表达的价值观，而不是用户提问内容或方式上的差异，我们对每次对话的任务、主题和用户表达的价值观进行了控制。

## 不同Claude模型会表达不同的价值取向吗？ 本节比较不同模型表达的价值观。对于每个模型，我们将其所有对话在四个轴线上的位置分别取平均值，得到每个轴线上的一个总体位置。结果是一幅宏观图景，展示了每个模型倾向于比其他模型更多地表达哪些价值观群体。这些差异相对于对话之间的变异来说较小，但是有结构且可检测的。

为了看到这些差异在实际中的表现，我们聚焦于模型之间差异最大的具体价值观。每次隐私保护工具在对话中标记一个价值观时，它也会写一段简短描述，说明Claude如何表达该价值观。我们将反映相似行为的描述归为一个价值观群体，并在图3中总结，从而更具体地展示模型之间的差异。 - **顺从 vs. 谨慎**：Sonnet 4.6最倾向于表达顺从而非谨慎，经常肯定用户的想法和他们的工作。Opus 4.7最倾向于表达谨慎，经常主动警告用户存在风险。 - **温暖 vs. 严谨**：Sonnet 4.6最倾向于表达温暖，经常通过幽默、趣味性以及无条件地安慰用户来实现。Opus 4.7最倾向于表达严谨而非温暖，更可能挑战用户的假设并坦率地批评他们的工作。 - **深度 vs. 简洁**：Opus 4.7倾向于深度，展示其结论背后的推理过程，而Opus 4.6和Sonnet 4.6则倾向于简洁。Opus 4.6尤其倾向于直奔主题。 - **坦诚 vs. 执行**：Opus 4.7倾向于坦诚，坦率地说明自身的局限性，而Opus 4.6倾向于执行，更可能严格限定在用户请求的范围内。 这些发现与人们对这些模型的感知——无论是在Anthropic内部还是网络上——是吻合的。Claude.ai用户曾评论说，Opus 4.7比其他模型更频繁地对自己的回答进行修饰性表述。Anthropic的员工将Opus 4.7描述为表现出相对更多的透明度、诚实和谦逊，而Opus 4.6则更简洁。我们在Sonnet 4.6的发布博客文章中也将其描述为温暖、诚实和亲社会。我们的轴线能够还原这些印象，这表明我们标记和比较Claude表达价值观的方法是有效的，捕捉到了模型实际行为的真实特征。 在多次对话中，用户与不同Claude模型互动时，可能会遇到不同的价值观组合。例如，Opus 4.7倾向于对用户的工作提出坦率批评或主动警告风险，而Sonnet 4.6则倾向于鼓励和幽默。模型间价值观的这类差异很可能由性格训练决策（以及其他因素）塑造，我们的价值轴线方法突出了Claude表达价值观的关键差异，我们最终可能能够将这些差异追溯到具体的训练选择上。 ## 不同语言中Claude表达的价值观不同吗？ 我们预期Claude表达的价值观会根据对话使用的语言而变化，原因有几个。首先，Claude的训练数据在不同语言之间存在差异，这可能会影响其表达的价值观。其次，我们在系统卡中分享的模型评估已经发现，Claude在知识掌握和敏感请求处理上存在跨语言差异。测量Claude表达的价值观随语言变化的程度，是判断这些跨语言差异是反映合理变异，还是需要在训练中加以解决的第一步。 我们使用与上一节相同的方法，计算了Claude.ai上最常用的20种语言中Claude价值取向的差异。下图展示了Claude在这些语言中的价值取向，从Claude表达价值观差异最大的语言开始。

Claude的价值观表达在“温暖 vs. 严谨”和“坦诚 vs. 执行”这两个维度上随语言变化最大，而在“顺从 vs. 谨慎”和“深度 vs. 简洁”维度上则相对稳定。 - **顺从 vs. 谨慎**：Claude在阿拉伯语中表达最多的顺从，在英语中表达最多的谨慎。 - **温暖 vs. 严谨**：Claude在印地语和阿拉伯语中表达最多的温暖，表现为使用礼貌用语、幽默和趣味性，以及对用户想法和工作的肯定。Claude在英语和俄语中最倾向于表达严谨，表现为挑战假设、纠正细节和要求提供证据。 - **深度 vs. 简洁**：Claude在英语中倾向于深度，会对细节进行完善和纠正，而在阿拉伯语中倾向于简洁。 - **坦诚 vs. 执行**：Claude在荷兰语中倾向于坦诚，承认自己的错误，而在印尼语中倾向于执行。 综合来看，这些结果表明Claude表达的价值观随着对话语言的不同而有显著变化。面对相同类型的请求，Claude在某些语言中更倾向于温暖和顺从，而在另一些语言中则更倾向于严谨和谨慎。这对我们来说具有重要意义，而这仅仅是我们探索的开始。举一个例子：两个人就同一份商业计划书寻求反馈，一人用印地语，另一人用俄语，他们可能会因为Claude在组织评估时所表达价值观的不同，而对计划书的质量得出截然不同的印象。 我们尚不清楚训练数据中的哪些属性导致了这些差异。一种可能性是，我们的训练数据在不同语言之间分布不均。有些语言的数据量远多于其他语言，而训练Claude表达一致价值观在数据丰富的语言中可能更有效。数据的构成也各不相同。例如，某些语言可能在专业写作中占比较高，而这类文本可能反映了不同的价值观。数量和构成上的这些不平衡，共同导致Claude在不同语言中表达不同的价值观。 我们也不确定这种变异在多大程度上是理想的。不同语言承载着不同的社交规范，Claude可能是在根据这些规范作出不同的价值观回应。Claude也可能在某些语言中更接近我们预期的行为，而在另一些语言中则有所偏离，从而导致Claude在服务某些语言社区时存在差距。 这一方法让我们能够开始厘清训练数据中的哪些属性导致了这些差异——以及这种变异是否理想。 ## 展望未来 我们已经证明，Claude表达的价值观可以压缩到少数几个维度上，并且Claude在这些维度上的位置会随模型和语言的变化而变化。这为我们提供了一种在模型评估和部署后监控中追踪这些变化的方法。但我们尚未理解这些变化为何发生，以及它们对与Claude互动的人意味着什么。下面，我们勾勒出我们认为最有前景的未来方向。 **这些价值观差异从何而来？** 知道Claude的价值观随模型和语言而变化，并不能告诉我们原因。某些变异可能源于预训练和微调数据在不同语言之间的差异。我们的四个轴线指出了训练数据中哪些价值观差异需要更仔细地检查。将这些差异追溯到具体的数据、训练阶段或语境因素，将告诉我们如果希望更精细地塑造Claude的行为，应该在哪些环节进行干预。 **这些差异对用户意味着什么？** 我们已经测量了Claude表达的不同价值观及其相关行为，但尚未测量它们对用户的影响。利用Anthropic Interviewer等工具，我们可以询问用户关于他们的幸福感、对Claude的信任度，或Claude的决策质量，然后将这些影响与Claude表达的价值观进行关联。这将使我们能够直接将价值观差异与用户结果联系起来，并优先修复那些对用户有实质性影响的价值观差异。 **Claude的价值观应如何随语言变化？** Claude的宪法描述了其应表达的核心价值观，如温暖、谨慎和诚实，但并未具体说明这些价值观应如何随语言变化。我们的结果表明，使用不同语言的用户已经在体验着不同的Claude，但我们不知道使用这些语言的用户希望Claude发生怎样的变化。确定Claude的价值观应如何随语言变化，意味着需要理解和权衡使用这些语言的人们的观点。 **还有哪些因素驱动Claude表达价值观的差异？** 语言和模型很可能不是影响Claude表达价值观的唯一因素。价值观还可能受到人口统计学信号的影响，如年龄、职业或地理区域，无论是通过用户书写中的明确线索，还是通过与提问者相关的主题、语调和风格上的细微差异。理解哪些信号真正重要，以及由此产生的变异是否很好地服务于用户，是我们方法所支持的下一步工作。 **我们能否可靠地引导Claude表达的价值观？** 拥有一种测量模型价值取向的方法，自然会引发一个问题：我们能否可靠地引导Claude表达的价值观？一种可能的测试方式是，通过调整性格训练或系统提示来尝试引导价值观，然后使用我们的价值轴线方法验证模型的表达价值观是否按预期发生了偏移。 **价值取向分析能否成为我们评估和监控模型的一部分？** 价值轴线方法为我们提供了一种简单的方法来总结模型在开放式对话中的行为倾向，我们可以将其纳入评估流程。在模型上线前和发布后运行价值取向分析，可以标记出Claude表达价值观的意外变化。我们还可以识别价值取向与问题行为（如不遵守Claude宪法）之间的相关性，并利用所学到的知识来改进Claude的行为。 Claude每天在数百万次对话中，以数十种语言表达着价值观，而在此之前，这些价值观是我们可以在训练中塑造，但无法在部署中可靠观察的。现在，我们有了测量它们的方法，我们可以看到Claude表达的价值观以我们并非有意选择的方式在变化，我们可以研究它们为何变化，以及这种变化是否服务于用户。理解这种变异，并决定如何应对，是我们将继续推进的工作。

作者

Matt Kearney, Miranda Zhang, Shan Carter, Judy Hanwen Shen, Kunal Handa, Jerry Hong, Saffron Huang, Miles McCain, Thomas Millar, Michael Stern, Mo Julapalli, Suzanne Wang, Devin Kuokka, Andrea Vallone, Shaoyi Zhang, Jim Baker, Kevin Troy, Matt Botvinick, Hanah Ho, Monika Tuchowska, Sarah Pollack, Jake Eaton, Deep Ganguli, Esin Durmus **致谢** 感谢以下个人在不同阶段为本研究提供反馈：Amanda Askell, Joe Carlsmith, Jack Clark, Ishita Dasgupta, Andrew Lampinen, Shayne Longpre, Da vid Saunders, Taylor Sorensen, Heather Whitney.

Bibtex

@online{anthropic2026values,author = {Matt Kearney and Miranda Zhang and Shan Carter and Judy Hanwen Shen and Kunal Handa and Jerry Hong and Saffron Huang and Miles McCain and Thomas Millar and Michael Stern and Mo Julapalli and Suzanne Wang and Devin Kuokka and Andrea Vallone and Shaoyi Zhang and Jim Baker and Kevin Troy and Matt Botvinick and Hanah Ho and Monika Tuchowska and Sarah Pollack and Jake Eaton and Deep Ganguli and Esin Durmus},title = {Claude's Values Across Models and Languages},date = {2026-07-13},year = {2026},url = {https://anthropic.com/research/claude-values-models-languages},}

附录

可在此处获取。

脚注

1. 我们将价值观定义为规范性考量，例如诚实或谨慎，这些在Claude的回应中被陈述或展示。当我们提到Claude表达的价值观时，指的是Claude的行为和输出所反映的价值观。我们并非暗示Claude本身持有价值观。
2. 请参阅Claude Opus 4.7系统卡第56页中良性请求评估中不同语言的不同拒绝率。
3. 在控制对话任务、主题和用户表达价值观后，这四个轴线解释了对话中价值观总变异的15%。
4. 本文中任何未指定模型名称的Claude结果，均基于我们研究的三个模型（Sonnet 4.6, Opus 4.6, Opus 4.7）的对话。
5. 数据收集自2026年5月为期两周的对话。
6. 我们删除了出现在超过80%对话中的18个价值观（例如，有帮助、清晰、遵循指令）。这些近乎普遍的价值观会主导分析，而无法告诉我们关于对话间价值观变异的任何信息。
7. 请参阅Claude Opus 4.7系统卡第215页的GMMLU评估结果，以及第56页良性请求评估中不同语言的不同拒绝率。