Claude 系列大模型 MBTI 測試，每一個都有自己的性格

Claude 三個模型 + 英語與阿拉伯語的價值觀畫像對比

大家好，我是 Ai 學習的老章

Anthropic 昨天扔了一份挺硬核的研究，屬于那種"我一直覺得，但沒證據"的東西被擺到臺面上——他們花了 30 萬條真實對話，給自家 Claude 做了一次「MBTI 性格測試」，還順便把 20 種語言下的 Claude 也測了一遍

結果里最扎心的一條：同一個 Claude，你用阿拉伯語跟它聊，它明顯更暖；你用英語跟它聊，它明顯更愛挑刺

簡介

先說清楚 Anthropic 干了啥

他們之前有過一篇 Values in the Wild 測試，從 70 萬條脫敏對話里挖出了 Claude 會表達的 3000+ 個價值觀，比如「誠實」「溫暖」「精確」「效率」……當時的問題是：3000 個太多了，沒法比較

這次新研究做了兩件事：

• 把 3307 個原始價值觀人工聚類成 339 個高層價值觀

• 用降維（dimensionality reduction）把 339 個價值觀壓成 4 個坐標軸

這 4 個坐標軸解釋了 15% 的方差，看起來不高，但每個軸都能落到一句話就能說清的性格特征上，這是老章覺得最漂亮的地方

四個軸分別是：

• Deference（順從） vs. Caution（謹慎）：更愿意配合用戶 vs. 主動幫用戶擋風險

• Warmth（溫暖） vs. Rigor（嚴謹）：給情緒價值 vs. 給事實價值

• Depth（深度） vs. Brevity（簡潔）：把話講透 vs. 只干用戶要求的事

• Candor（坦誠） vs. Execution（執行）：先把自己的不確定說清楚 vs. 先把活兒干漂亮

每個軸的兩端不是互斥關系，Claude 可以同時又暖又嚴謹，但整體上會朝一頭偏

下圖是每個軸上貢獻度最高的具體價值觀，可以看到 caution 那頭是「負責任的指導、傷害減少」，warmth 那頭是「積極框架、鼓勵」，rigor 那頭是「準確性、透明度」

四個價值觀軸的具體構成：謹慎/溫暖/深度/坦誠各自代表的價值觀 Claude 三兄弟的性格畫像

好戲來了，Anthropic 用這 4 個軸給 Sonnet 4.6、Opus 4.6、Opus 4.7 三個模型分別打分（單位是 σ，標準差），我把結果整理出來

Sonnet 4.6（Anthropic 官方說它"溫暖、誠實、親社會"）

• Deference +0.14σ、Warmth +0.17σ、Brevity +0.14σ

• 標志性行為：肯定用戶的想法和作品、模仿用戶的語氣和正式度、用幽默和玩樂感、不帶評判地安慰、給作品加點創意小巧思

老章的翻譯：話嘮+暖男，天生適合陪你聊天、給你打氣

Opus 4.6（老一點的旗艦）

• Rigor +0.10σ、Deference +0.09σ、Brevity +0.08σ

• 標志性行為：直奔主題、只做你要求的事，不越界

老章的翻譯：GTD 型工具人，你讓干啥它干啥，不廢話，也不多嘴

Opus 4.7（最新的旗艦）

• Caution +0.24σ、Depth +0.23σ（兩個都是三兄弟里最強的一頭）

• 標志性行為：主動挑用戶的錯誤假設、沒被問也會預警風險、直接批評用戶的作品、解釋自己的推理、承認自己的錯誤和局限、主動給下一步建議

老章的翻譯：像團隊里那種愛唱反調的高級顧問，你拿方案給它看，它先給你挑三個漏洞出來

三個模型的核心差異我做了張中文對比圖，一屏看清：

Claude 三兄弟性格差異對比：Sonnet 4.6 暖 / Opus 4.6 直 / Opus 4.7 深

Anthropic 官方也做了同樣維度的英文對比卡，可以對照看：

Anthropic 官方 Sonnet 4.6 / Opus 4.6 / Opus 4.7 三模型價值觀畫像卡

這里有個特別值得聊的點：Opus 4.7 的 Caution 打到 0.24σ，是三兄弟里所有維度里偏得最狠的一個數值

對應到 Claude.ai 用戶的真實反饋——就是那種「Opus 4.7 老愛 hedge、老愛在答案里加各種前提和風險提示」的印象，這次數據上直接對上了

Anthropic 官方原話是：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

翻譯成大白話就是：Sonnet 4.6 是那個說"你這個想法很棒"的朋友，Opus 4.7 是那個說"我們先聊聊這三個風險"的朋友

語言一變，性格全變

如果說模型性格差異還算意料之中，那語言維度這一段就有點炸了

Anthropic 拿同一套 4 個坐標軸，給 Claude.ai 上使用最多的 20 種語言分別打分，控制變量做得挺嚴——每個語言下都用相同的任務分布、話題分布、用戶價值觀分布做校正

結論很有意思：

• Warmth vs. Rigor 是 20 種語言里差異最大的一個軸

• Deference vs. Caution 也有明顯差異，但幅度小一點

• Depth vs. Brevity、Candor vs. Execution 相對穩定

具體到語言：

最偏一頭

最偏另一頭

Warmth ? Rigor

Warmth

：印地語、阿拉伯語（禮貌語、幽默、肯定用戶）

Rigor

：英語、俄語（挑戰假設、糾錯、要證據）

Deference ? Caution

Deference

：阿拉伯語

Caution

：英語

Depth ? Brevity

Depth

：英語（細化、糾正細節）

Brevity

：阿拉伯語

Candor ? Execution

Candor

：荷蘭語（承認自己的錯誤）

Execution

：印尼語

英語版 Claude 偏 Caution、Rigor、Depth、Candor（謹慎、嚴謹、深入、坦誠）；阿拉伯語版 Claude 偏 Warmth（暖）最狠，加上 Deference、Brevity、Execution（順從、簡潔、執行）

Anthropic 舉了個例子特別扎心：兩個人拿同一份商業計劃書給 Claude 看，一個用印地語問，一個用俄語問，最后拿到的評價"性格"可能完全不同——一個被暖暖地鼓勵"這個想法有意思，可以試試"，一個被冷冷地追問"證據在哪？這個假設站不住腳"

對做出海產品的老板，這條信號價值一萬塊

這是怎么測出來的

方法層面稍微展開一下，感興趣的老板可以細看

Anthropic 用了自家的隱私保護分析工具 Clio ，采樣了 309,815 條 Claude.ai 上的對話，全部是用戶給 Claude 布置「主觀任務」的場景（比如問建議、討論決策、要反饋）

采樣方式很講究：

• 3 個模型（Sonnet 4.6、Opus 4.6、Opus 4.7）+ 20 種最常用語言

• 每個模型-語言組合大約 5000 條對話

• 每條對話都讓 Claude 自己去打標簽：「這 339 個價值觀里，哪些出現了？」

• 同時也標記了用戶的價值觀、任務、話題

• 最后用降維把 339 維壓到 4 維

關鍵控制變量：每次比較模型或語言的時候，任務、話題、用戶價值觀都被控制掉了，所以看到的差異是"Claude 表達上的差異"，不是"用戶提問不同帶來的差異"

我給這個方法打 90 分，剩下 10 分留給兩個我覺得沒解決的地方：

• 4 個軸只解釋了 15% 的方差，說明還有 85% 的性格變異藏在別的維度里

• 只能測到"表達出來的價值觀"，Claude 內部"真實價值觀"到底是啥，還是個黑箱

第一，AI 的性格從"感覺"變成了"數據"

之前大家在 Reddit、X 上說 "Sonnet 4.6 感覺更暖"、"Opus 4.7 老愛懟人"，屬于集體主觀印象；Anthropic 這次直接用 30 萬條對話給你量化到 σ

意義在于：以后新模型發布前，跑一次「價值觀畫像」就能對著上一版模型看漂移；如果發現某個新模型突然變得過度順從（Deference 沖高）或者過度謹慎（Caution 沖高），能在上線前攔一次

這是「AI 可解釋性」這條賽道上挺重要的一小步

第二，訓練數據的語言不平衡會漂移到"性格"上

Anthropic 自己也承認了：不同語言的訓練數據量和構成都不平衡，英語訓練數據多得多，非英語場景下 Claude 的性格漂移可能就是這個副作用

對做多語種 AI 產品的老板意味著：**你以為你在做本地化，實際上模型可能在做"文化性格變形"**——同一個 prompt，用中文和英文調，得到的答案價值取向可能不一樣

第三，Anthropic 自己都沒答案的問題：性格差異到底該不該修

老章覺得這才是最有意思的部分，Anthropic 的原話是"我們也不確定這些差異有多少是我們想要的"

• 一種可能：不同語言對應不同的對話文化，Claude 表達得暖一些冷一些是在響應文化習慣

• 另一種可能：Claude 在某些語言上更貼近 Anthropic 想要的行為，在另一些語言上則沒到位——這就是服務質量的語言歧視

哪種情況更接近真相，Anthropic 還沒答案，他們準備接著測