先說一個很多重度使用者都有的感覺：同一個煩惱，你用英文問 Claude，它常常一本正經地幫你挑毛病、提醒風險；換成中文問，語氣好像就柔和一些。這到底是錯覺，還是真有其事？
Anthropic 在 2026 年 7 月 13 日公布的一份研究，把這種「感覺」整理成四條可以互相比較的軸線。團隊透過隱私保護工具，分析了超過 30 萬則真實的 Claude.ai 對話。研究發現，在不同模型與不同語言的對話中，Claude 展現的價值組合存在可測量的系統性差異。
不過要先釐清：標題講的「雙重人格」只是方便理解的說法。研究量的是 Claude 在回答中「展現出來的行為傾向」，不是說它真的擁有固定人格或內在信念，更不是心理學意義上的人格分裂。換句話說，這比較像一份可以被測量的「回話風格側寫」，不是 AI 真的長出了性格。
把三千多種價值，壓縮成四條「價值軸線」
要研究「價值」很麻煩，因為它太抽象。Anthropic 先前的《Values in the Wild》研究，從 70 萬則對話裡整理出超過 3,000 種 Claude 展現過的價值，清單長到根本沒辦法逐一比較。這次研究是在那個基礎上再往前一步。
它的關鍵動作，是把這 3,307 種價值先合併成 339 類，再用降維技術壓成四條「軸線」。每條軸線都是一條數線，兩端分別放置兩組在統計上有助於區分回答的價值取向：
- 依從（Deference）vs. 謹慎（Caution）：配合使用者的偏好，還是優先防範風險與傷害。
- 溫暖（Warmth）vs. 嚴謹（Rigor）：表達正向的關懷，還是強調準確與精確。
- 深度（Depth）vs. 簡潔（Brevity）：展開脈絡與推理，還是保持精簡、切題就好。
- 坦率（Candor）vs. 執行導向（Execution）：坦承自己的不確定與限制，還是著重結果、行動與把任務完成。
研究附錄提醒，只有「依從 vs. 謹慎」與「溫暖 vs. 嚴謹」較明顯呈現取捨關係；「深度 vs. 簡潔」與「坦率 vs. 執行導向」主要是統計上的整理方式，不代表兩端必然互斥。
至於樣本，研究分析的是 2026 年 5 月兩週內，Claude.ai 的 Free、Pro、Max 用戶與 Sonnet 4.6、Opus 4.6、Opus 4.7 的對話，涵蓋 20 種最常用語言，而且只納入需要 Claude 進行主觀判斷的對話（占整體對話的 53.2%），最後樣本為 309,815 則。
研究原本的目標是每個「模型 × 語言」組合約 5,333 則，但少數低流量的組合沒有達到。要提醒的是，這四條軸線只解釋了大約 15% 的差異，它畫出的是模型的行為輪廓，不是回答的全貌。
選模型也是在選互動風格
先給結論：這份研究最實用的發現是，挑模型不只是在比誰更聰明、更快、更便宜，你其實同時在挑一種想要的互動態度。
研究把每個模型在四條軸線上的平均位置攤開來看（單位是標準差 σ，數字越大代表偏得越明顯）：
- Sonnet 4.6 明顯偏依從（0.14）、溫暖（0.17）與簡潔（0.14）。它常肯定你的想法、模仿你的語氣、帶點幽默，也願意不帶評判地安慰人。
- Opus 4.6 偏嚴謹（0.10）、依從（0.09）與簡潔（0.08），傾向直接切入重點，乖乖待在你問的範圍裡。
- Opus 4.7 的性格最鮮明，大幅偏向謹慎（0.24）與深度（0.23）。它最會反駁你的錯誤前提、沒問也主動示警、坦白承認自己的極限，還會多給你幾個下一步建議。
要說明的是，這份研究只比較各模型展現的價值與互動風格，並沒有評比它們的能力高低，所以不能拿這些數字來判斷哪個模型比較強。
順著這個結果延伸，如果你要腦力激盪、需要有人先接住你的點子，溫暖的 Sonnet 可能比較順手；如果你要的是有人願意當面挑你方案的毛病、幫你做風險審查，那個「愛唱反調」的 Opus 4.7 反而更適合。
跟它說中文比較客氣？並沒有
回到文章開頭的問題：跟 Claude 說中文，真的比說英文客氣嗎？
其實官方數據沒辦法證明這件事。Anthropic 公布的側寫顯示，中文略偏謹慎（0.03σ）、嚴謹（0.05σ）與深度（0.02σ）；英文在三條軸線上分別為 0.10σ、0.13σ、0.09σ，方向相同，但幅度更明顯。英文也是 20 種語言中最偏謹慎與深度的語言，嚴謹程度僅次於俄語。
中文對話裡比較有代表性的行為，包括指出相互競爭的考量、反駁錯誤的前提，以及不帶評判地安慰使用者。問題就在這裡：中文側寫既有「安慰使用者」的溫柔，也有「反駁錯誤前提」的直接，兩者並存，很難簡化成一句「中文比較客氣」，只能說不同語言下，Claude 端出來的價值組合確實不一樣。
這類差異可能進一步影響使用者如何理解 Claude 的建議。Anthropic 就提出一個假設情境：兩個人拿同一份商業計畫書請 Claude 給意見，一個用印地語、一個用俄語，可能因為 Claude 在不同語言裡展現的價值不同，而對這份計畫的好壞留下不同的印象。
為什麼會這樣？Anthropic 只給了假設
為什麼不同語言的對話會呈現不同側寫？研究團隊很坦白，目前只能提出假設：第一，各語言的訓練資料量與內容組成不同，在資料較多的語言裡，Claude 的價值表現可能被校準得更一致。第二，不同語言帶有不同的對話習慣與文化規範，模型也可能跟著調整。
這也是為什麼上文要特別強調「15%」：因為在控制對話任務、主題與使用者展現的價值後，四條軸線約能解釋 15% 的剩餘差異。而且主研究觀察的是真實世界對話，不是把同一段提示詞翻成 20 種語言直接比較。
總結來說，把結果讀成「Claude 有幾種固定人格」是過度解讀；讀成「不同模型與語言的對話裡，Claude 展現的價值組合有系統性差異」，才比較接近事實。
資料來源：Anthropic 研究、研究附錄、Anthropic Values in the Wild 研究
本文初稿為AI編撰，整理．編輯/ 李先泰
