“见人说人话，见鬼说鬼话”，放在人身上叫高情商；放在 ai 身上，却意味着模型可能拥有截然不同的“性格”。
近期，大量 Claude 用户观察到：同一问题，切换模型版本，甚至仅改变提问语言，得到的回应风格便大相径庭。有人调侃 Opus 4.7 是“职业风险预警员”，动辄指出逻辑漏洞、补充前提条件；也有人盛赞 Sonnet 4.6 像一位善解人意的倾听者，语气柔和、共情到位、不吝鼓励。
以往，这类差异常被归因为用户主观体验——毕竟AI没有意识，何谈性格？但 Anthropic 最新发布的实证研究，首次以超30万条真实匿名对话为依据，系统验证了这一现象：Claude 的表达节奏、行为偏好与价值倾向，确实在不同模型版本及不同语言环境下，呈现出稳定、可复现的结构性偏移。
换言之，大模型之间的差异，早已不止于“能不能答对”，更在于“选择怎么答”——其背后是一套随训练目标与语境动态调适的隐性价值决策机制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
四维人格图谱：给 Claude 画一张“性格X光片”
为解构这种差异，Anthropic 对70万条脱敏对话展开深度挖掘，识别出3307种细分价值信号，并最终凝练为四组核心行为维度，构建出一套可量化、可对比的“AI人格坐标系”。所有输出风格的微妙差别，都能在这四条轴线上精准定位：
顺从 VS 审慎：是优先响应用户意图，还是本能警惕潜在误用或危害？
温暖 VS 严谨：是侧重情绪支持与人文温度，还是坚守事实精度与推理严密？
深度 VS 简洁：是习惯层层拆解、延展背景，还是聚焦指令本身、高效交付？
坦诚 VS 执行：是倾向坦言知识边界与不确定性，还是力求给出完整、笃定、可落地的答案？
研究指出，这四维虽仅能解释约15%的整体价值差异，却足以在真实交互中形成清晰可辨的行为指纹——足够让用户一眼分辨：“这不是同一个AI。”
三款模型，三种“人格画像”
将上述四维投射至当前主流版本——Sonnet 4.6、Opus 4.6 与 Opus 4.7，三者立刻显现出高度一致且极具辨识度的角色定位，与全球用户长期使用反馈严丝合缝：
Sonnet 4.6：情绪友好型协作者
在温暖、顺从、简洁三项指标上均居首位，天然适配日常沟通、心理支持、创意激发与轻量内容生成。它擅长肯定用户想法、呼应情绪节奏、适时加入幽默或比喻，极少评判，绝不冗长。面对模糊请求，它更愿陪你一起探索，而非急于纠错。对普通用户、创作者、需要心理缓冲的人群而言，它是那个“永远在线、从不扫兴”的数字伙伴。
Opus 4.6：任务导向型执行者
风格利落，重心明确。它不铺垫、不抒情、不延伸，直击问题核心，输出结构化、标准化结果。无论是编写API文档、优化数据库查询、整理会议要点，还是格式化数据报表，它都以最小信息熵完成交付。开发者、运营人员、流程执行者偏爱它的“少废话、多干活”，效率即尊严。
Opus 4.7：审慎深思型策论者
在审慎、深度、坦诚维度全面领跑，也因此成为讨论最热烈的版本。“抬杠”并非本意，而是其底层逻辑的自然外显：它会主动质疑前提假设、预警未明风险、拆解多层因果、暴露推理断点，并坦率承认信息局限。哪怕你只问“该不该辞职”，它也可能列出行业周期、财务韧性、技能迁移成本、心理准备度等十余项评估维度。它在学术推演、商业尽调、法律合规、复杂系统分析中无可替代；但在轻松闲聊或灵感速记场景下，理性过载易带来疏离感。
Anthropic 在报告中明确指出：用户普遍感知到的 Opus 4.7 “过度谨慎”“爱加前提”“总在打补丁”，已被海量对话数据所证实。
语言一换，脾气就变
更令人惊讶的是，同一模型，仅因切换语言，其“性格”也会发生可观测的系统性偏移。Anthropic 分析了平台Top 20活跃语言后发现，语言对价值表达的影响，甚至强于模型版本差异。
为Claude Code提供对提醒事项、日历、联系人、笔记、邮件和tmux的本地命令访问权限，以便在macOS上进行工作流感知的个人操作。
其中，“温暖 VS 严谨”与“坦诚 VS 执行”两维波动最为显著：
- 使用印地语、阿拉伯语时，Claude 显著升温：措辞谦和、高频鼓励、善用修辞、主动共情；
- 切换至英语、俄语，则立刻转为“学术模式”：强调证据链、纠正术语偏差、追问隐含前提、要求数据支撑；
- 在荷兰语中，它更乐于承认认知盲区；而在印尼语里，则更倾向“先做完再说”，减少解释性内容。
中文环境下的 Claude 表现则呈现一种克制的均衡态：
- 顺从 VS 审慎（+0.03σ）：温和设防，提示风险但不过度干预；
- 温暖 VS 严谨（+0.05σ，四项中最显著）：重逻辑、求准确、善厘清模糊表述，但较英文版更包容、更少咄咄逼人；
- 深度 VS 简洁（+0.02σ）：愿提供多角度思路，但避免堆砌理论，保持信息密度；
- 坦诚 VS 执行（近均值）：任务交付完整，遇知识缺口亦会如实说明，二者兼顾。
这意味着：同一份创业计划书，用印地语提问，可能收获热情点赞与资源建议；用俄语提问，则大概率收到一份带SWOT、PESTEL与现金流敏感性分析的诊断报告——而用户甚至没提具体要求。
Anthropic 指出，这种语言驱动的风格迁移，可能源于训练语料分布、句法结构惯性、以及不同文化对权威、谦逊、直接性等价值的差异化编码，目前尚无单一归因，但影响真实存在。
AI 的下一赛道：不是更聪明，而是更懂你
过去，模型比拼的是算力、参数与Benchmark分数；未来，胜负手或将落在“人格适配力”——即能否在正确时间、以正确方式、携带正确价值观，介入人类任务。
写代码时，你需要一个敏锐的“漏洞猎手”；头脑风暴时，你期待一个开放的“思维放大器”；倾诉压力时，你渴望一个不加评判的“情绪容器”。这些角色，本质上对应着不同价值权重的组合。
同时，这项研究也为全球化AI产品敲响警钟：当模型服务跨越语言与文化边界，如何确保核心体验不失真？既需尊重本地表达范式，又须防止价值观漂移超出安全阈值——这已不仅是工程问题，更是产品伦理与本地化治理的新命题。
Anthropic 表示，该价值分析框架将持续用于追踪训练策略、语料构成与文化映射对AI行为的塑造路径，并为开发者提供模型迭代过程中的“人格稳定性监测工具”。
当AI日益深入教育、医疗、政务、司法等高信任场景，“它有多强”决定下限，“它怎么说话”则定义上限。下一代AI的竞争，或许正从“能力军备竞赛”，悄然转向“人格精细运营”。
来源：
https://www.php.cn/link/e1e29ae60dc5697df513cb3d24f497b5
本文来自微信公众号“CSDN”，作者：苏宓 ，36氪经授权发布。
