Исследование Anthropic: личность ИИ Claude меняется в зависимости от модели и языка

• Уступчивость vs. Осторожность: склонность Claude подстраиваться под желания пользователя или, наоборот, предупреждать о возможных рисках и вреде .
• Теплота vs. Строгость: склонность Claude выражать позитив и заботу о пользователе или делать акцент на точности и аккуратности .
• Глубина vs. Краткость: склонность Claude давать развёрнутые объяснения или делать ровно то, что попросили .
• Откровенность vs. Исполнительность: склонность Claude открыто говорить о своей неопределённости или давать уверенный и «полированный» ответ .

Эти четыре оси объясняют около 15% всех вариаций в ценностях, которые выражает Claude, после того как учтены тип задачи, тема и запросы пользователя .

Как различаются модели: Sonnet 4.6, Opus 4.6 и Opus 4.7

Каждая версия модели имеет уникальный профиль, который совпадает с субъективными ощущениями пользователей :

• Sonnet 4.6 склоняется к Уступчивости, Теплоте, Краткости и Исполнительности. Она более дружелюбна, эмоционально тепла, лаконична и даёт обнадёживающие ответы . На практике Sonnet 4.6 скорее одобрит ваши идеи, сосредоточится на задаче и выполнит её без лишних комментариев .
• Opus 4.6 склоняется к Уступчивости, Строгости, Краткости и Исполнительности — сочетание покладистости и требовательности к точности, но при этом кратко и целенаправленно . Это своего рода «золотая середина» между теплотой Sonnet и осторожностью Opus 4.7 .
• Opus 4.7 склоняется к Осторожности, Строгости, Глубине и Откровенности. Она более скептична, оспаривает предположения, сама указывает на риски, подробно объясняет свои рассуждения и готова признавать свои ограничения . Пользователи отмечают, что Opus 4.7 — это модель, которая поставит под сомнение ваш план и укажет на проблемы, о которых вы не подумали .

Основные различия, связанные с языком: ось «Теплота vs. Строгость»

Ось «Теплота vs. Строгость» показала самые сильные различия в зависимости от языка . Ответы Claude различались в зависимости от языка по этой шкале сильнее, чем по любой другой .

• Максимальная теплота (уступчивость, краткость, исполнительность): Claude наиболее тёплый в хинди, а также проявляет большую теплоту и уступчивость в арабском .
• Максимальная строгость (осторожность, глубина): Claude наиболее строг в английском и русском языках, делая упор на точность, доказательства и осторожность .

Другие языковые особенности: в нидерландском Claude более откровенен, а в индонезийском — больше нацелен на выполнение задачи, без лишних отступлений . Кстати, в японском языке Claude показал наименьшие искажения по этим осям по сравнению с другими языками .

Практические выводы для пользователей

Исследование подтверждает, что пользователи, которые чувствуют, что получают разные по тону ответы от Claude, не ошибаются — это закономерность .

• Выбор модели имеет значение: для быстрого и ободряющего ответа лучше подходит Sonnet 4.6. Если вам нужна критическая обратная связь, анализ рисков или глубокое обсуждение — выбирайте Opus 4.7 .
• Язык диалога влияет на результат: задавая субъективный вопрос на хинди или арабском, вы получите более тёплый и покладистый ответ, а на русском или английском — более строгий и требовательный к фактам .

Главная загадка: почему это происходит?

Anthropic подчёркивает, что это исследование — только отправная точка для понимания того, почему смещаются ценности, а не окончательный ответ .

• Исследователи не определили, обусловлены ли языковые различия распределением данных в обучающих выборках, решениями по тонкой настройке поведения или культурным контекстом, заложенным в обучающих текстах .
• Четыре оси объясняют лишь 15% вариаций. Остальные 85% изменчивости остаются необъяснёнными .
• Связать конкретные решения по обучению модели со сдвигами в ценностях — задача для будущих работ .