Anthropic 用 30 万条对话给 Claude 做「MBTI」：模型性格被量化，语言一变性格全变
Anthropic 近日发布了一项针对 Claude 系列模型的价值观量化研究，通过 30 万条真实对话数据，将模型的"性格特征"转化为可测量的 4 个坐标轴维度，揭示了不同模型版本以及不同语言环境下 Claude 表现出的系统性性格差异。
从 3000+ 价值观到 4 个性格轴
此前，Anthropic 通过 Values in the Wild 测试，从 70 万条脱敏对话中提取出 Claude 表达的 3000+ 个价值观（如"诚实""温暖""精确""效率"等），但数量过多难以直接比较。本次研究做了两件事：
- 人工聚类：将 3307 个原始价值观聚成 339 个高层价值观
- 降维处理：把 339 个价值观压缩为 4 个坐标轴
这 4 个坐标轴解释了 15% 的方差，每个轴都能用一句话概括其对应的性格特征：
| 坐标轴 | 两端特征 | 含义 |
|---|---|---|
| Deference vs. Caution | 顺从 vs. 谨慎 | 更愿意配合用户 vs. 主动帮用户挡风险 |
| Warmth vs. Rigor | 温暖 vs. 严谨 | 给情绪价值 vs. 给事实价值 |
| Depth vs. Brevity | 深度 vs. 简洁 | 把话讲透 vs. 只做用户要求的事 |
| Candor vs. Execution | 坦诚 vs. 执行 | 先说清不确定 vs. 先把活儿干漂亮 |
需要注意的是，每个轴的两端并非互斥关系，Claude 可以同时具备多种特质，但整体表现会朝某一端偏移。
Claude 三兄弟的性格画像
Anthropic 使用上述 4 个坐标轴，对 Sonnet 4.6、Opus 4.6、Opus 4.7 三个模型分别打分（单位为 σ 标准差），结果如下：
Sonnet 4.6
Anthropic 官方描述其"温暖、诚实、亲社会"。
主要得分倾向：
- Deference +0.14σ
- Warmth +0.17σ
- Brevity +0.14σ
标志性行为：肯定用户的想法和作品、模仿用户的语气和正式度、用幽默和玩乐感、不带评判地安慰、给作品加点创意小巧思。
总结：偏向话唠型暖男，适合聊天和鼓励场景。
Opus 4.6
老一代旗舰模型。
主要得分倾向：
- Rigor +0.10σ
- Deference +0.09σ
- Brevity +0.08σ
标志性行为：直奔主题、只做用户要求的事，不越界。
总结：GTD 型工具人风格，执行导向，不多嘴。
Opus 4.7
最新旗舰模型。
主要得分倾向：
- Caution +0.24σ（三兄弟里所有维度中最高的偏斜值）
- Depth +0.23σ（三兄弟中最强）
标志性行为：主动挑用户的错误假设、没被问也会预警风险、直接批评用户的作品、解释自己的推理、承认自己的错误和局限、主动给下一步建议。
总结：像团队里爱唱反调的高级顾问，先看方案挑漏洞。
Anthropic 官方原话对比："Opus 4.7 tends to offer candid critique of users' work or unprompted warnings about risks, while Sonnet 4.6 tends to be encouraging and humorous."
翻译成通俗语言：Sonnet 4.6 是说"你这个想法很棒"的朋友，Opus 4.7 是说"我们先聊聊这三个风险"的朋友。
语言一变，性格全变
这是研究中最令人意外的发现。Anthropic 对 Claude.ai 上使用最多的 20 种语言分别打分，控制了任务分布、话题分布和用户价值观分布，确保观察到的差异来自 Claude 本身的表达倾向。
关键结论：
- Warmth vs. Rigor 是 20 种语言中差异最大的坐标轴
- Deference vs. Caution 也有明显差异，但幅度较小
- Depth vs. Brevity、Candor vs. Execution 相对稳定
具体语言对比：
| 坐标轴 | 最偏一端 | 最偏另一端 |
|---|---|---|
| Warmth ↔ Rigor | Warmth：印地语、阿拉伯语（礼貌用语、幽默、肯定用户） | Rigor：英语、俄语（挑战假设、纠错、要证据） |
| Deference ↔ Caution | Deference：阿拉伯语 | Caution：英语 |
| Depth vs. Brevity | Depth：英语（细化、纠正细节） | Brevity：阿拉伯语 |
| Candor vs. Execution | Candor：荷兰语（承认自己的错误） | Execution：印尼语 |
综合来看：
- 英语版 Claude 偏 Caution（谨慎）、Rigor（严谨）、Depth（深入）、Candor（坦诚）
- 阿拉伯语版 Claude 偏 Warmth（温暖）最显著，同时偏向 Deference（顺从）、Brevity（简洁）、Execution（执行）
Anthropic 举了一个直观例子：两个人拿同一份商业计划书给 Claude 看，一个用印地语问，一个用俄语问，最后得到的评价"性格"可能完全不同——一个被暖暖地鼓励"这个想法有意思，可以试试"，一个被冷冷地追问"证据在哪？这个假设站不住脚"。
对于出海产品团队而言，这条发现的信号价值极高。
研究方法：30 万条对话怎么测出来的
Anthropic 使用了自家的隐私保护分析工具 Clio，采样了 309,815 条 Claude.ai 上的对话，全部是用户给 Claude 布置"主观任务"的场景（如询问建议、讨论决策、征求反馈）。
采样设计：
- 覆盖 3 个模型（Sonnet 4.6、Opus 4.6、Opus 4.7）+ 20 种最常用语言
- 每个模型 - 语言组合约 5,000 条对话
- 每条对话让 Claude 自行打标签："这 339 个价值观里，哪些出现了？"
- 同时标记用户的价值观、任务类型、话题类别
- 最后用降维方法将 339 维压缩到 4 维
关键控制变量：每次比较模型或语言时，任务、话题、用户价值观均被控制掉，因此观察到的差异反映的是"Claude 表达上的差异"，而非"用户提问方式不同带来的差异"。
研究的局限与开放问题
方法层面的不足
- 4 个坐标轴仅解释 15% 的方差，意味着还有 85% 的性格变异隐藏在其它维度中未被捕捉
- 只能测量"表达出来的价值观"，Claude 内部"真实价值观"究竟是什么，仍是一个黑箱
Anthropic 自身未回答的问题
Anthropic 坦言不确定这些性格差异中有多少是有意设计的。存在两种可能性：
- 文化响应假说：不同语言对应不同的对话文化习惯，Claude 的暖或冷是在适应用户的文化表达预期
- 服务质量的语言歧视：Claude 在某些语言上更贴近 Anthropic 期望的行为标准，在另一些语言上则未达标
目前 Anthropic 尚未给出明确答案，表示将继续研究。
对 AI 从业者的三点启示
1. AI 的性格从"感觉"变成了"数据"
过去社区中对模型的性格描述（如"Sonnet 4.6 感觉更暖"、"Opus 4.7 老爱怼人"）属于集体主观印象。本次研究通过 30 万条对话将其量化为标准差数值。
实际意义：新模型发布前可通过运行"价值观画像"与上一代模型对比漂移情况。若发现某个新模型突然过度顺从（Deference 冲高）或过度谨慎（Caution 冲高），可在上线前拦截调整。这是 AI 可解释性领域的重要进展。
2. 训练数据的语言不平衡会漂移到"性格"上
Anthropic 承认不同语言的训练数据量和构成存在不平衡，英语训练数据远多于其他语言。非英语场景下 Claude 的性格漂移可能是这一因素的副作用。
对多语种 AI 产品团队的信号：你以为在做本地化，实际上模型可能在经历"文化性格变形"——同一个 prompt，用中文和英文输入，得到的答案价值取向可能不同。
3. 性格差异是否应该修正？Anthropic 自己也没答案
这可能是最有意思的部分。如果性格差异源于文化响应，那么保持差异是合理的；如果源于训练数据偏差导致的服务质量不均衡，则需要修正。哪种情况更接近真相，仍需进一步研究验证。