同一个问题，换种语言问Claude，得到的可能不只是措辞不同，连回答的“性格”也会变。比如面对没有标准答案的人生选择，它可能更温和体贴，也可能更强调证据和准确性。这关系到模型对齐——通过训练，让AI的行为符合开发者设定与社会规范；它提醒开发者，多语言产品不能只检查翻译是否正确。
Anthropic分析了30多万段匿名化真实对话，把Claude表达的3000多种价值倾向压缩成四条轴：顺从或谨慎、温暖或严谨、深入或简短、坦率说明不确定性或直接完成任务。四条轴合计解释了15%的价值差异。最明显的跨语言变化出现在“温暖—严谨”上：Claude用阿拉伯语和印地语时最偏温暖，用英语和俄语时更偏严谨；俄语回答还更常要求用户提供证据。
模型版本也有差别：Sonnet 4.6更偏温暖、顺应用户，Opus 4.7更重准确性，并更警惕滥用。Anthropic尚不清楚这些差异为何产生，也未判断它们是否理想；匿名对话反映的也只是实际用户及其场景，不能代表所有人群。