Язык меняет стиль ответов Claude: на русском модель чаще требует доказательств

Подготовлено RD media

Anthropic 13 июля опубликовала разбор 309 815 диалогов на Claude.ai: один и тот же чат-бот выражает разный набор ценностей в зависимости от языка. В исследованной выборке русский показал наиболее выраженный сдвиг к строгости — на нём модель чаще всего оспаривает допущения и требует аргументов.

📌 Что сделали

За основу взяли прошлую работу «Values in the Wild» (3 307 ценностей в ответах Claude) и сжали её до четырёх измерений через снижение размерности. Анализировали только субъективные задачи — где нет единственно верного ответа; универсальные ценности вроде полезности и ясности (есть в 80%+ диалогов) из подсчёта исключили, чтобы измерять именно вариацию. Выборка — около 5 000 диалогов на каждую пару «модель × язык»: три модели и 20 самых частых языков платформы, данные за две недели мая 2026.

Четыре оси поведения:

• Податливость vs Осторожность — идти навстречу пользователю или страховать от рисков
• Теплота vs Строгость (rigor) — тепло и поддержка или точность и проверка
• Глубина vs Краткость
• Откровенность vs Результативность — выпячивать собственную неуверенность или выдавать гладкий уверенный результат

📌 У каждого языка свой профиль

Больше всего языки расходятся по осям «Теплота vs Строгость» и «Откровенность vs Результативность»; стабильнее всего — «Податливость vs Осторожность» и «Глубина vs Краткость». Портреты по полюсам: теплота — хинди; строгость — русский; осторожность и глубина — английский; податливость и краткость — арабский; откровенность — нидерландский; результативность — индонезийский. То есть русский лидирует именно по строгости: оспаривает допущения, поправляет детали, требует доказательств, — тогда как на хинди и арабском Claude тяготеет к вежливости, юмору и одобрению.

Практическое следствие из самой статьи: у двух человек с одним бизнес-планом — одного на хинди, другого на русском — модель по-разному расставит акценты в обратной связи. Как это влияет на итоговое восприятие качества, Anthropic отдельно не измеряла — это следующий шаг.

⚠️ Чего в исследовании нет

Эффект тонкий: четыре оси объясняют лишь 15% вариации, а различия между моделями — доли стандартного отклонения. Каждый диалог размечался по 339 ценностям (присутствует / отсутствует), и разметку вёл сам Claude (Sonnet 4.6) — модель из изучаемого семейства; Anthropic проверила часть выборки и систематической ошибки не нашла, но полностью исключить не смогла. Примеров, где модель по-разному рассуждает об одной моральной дилемме на двух языках, в работе нет — только агрегированные оси.

📌 Казахстанский контекст

Казахский среди изученных языков не назван: официального списка 20 языков Anthropic не публикует, но, учитывая аудиторию Claude.ai, его там, скорее всего, нет. Прямых измерений по казахскому не существует. Anthropic называет несколько возможных причин языковых различий — неравный объём и состав обучающих данных, перевес отдельных типов текстов, разные нормы общения. Для языков вне топ-20 эффект может быть выражен сильнее, а измерить его нечем: доверие к поведению западной модели на казахском пока остаётся вопросом веры, а не данных. Отсюда практический довод — собственные измерения и локальные модели (KazLLM).

Anthropic изучила три модели, которым на смену уже пришли Opus 4.8 и Sonnet 5: Sonnet 4.6, Opus 4.6 и Opus 4.7. Цифры по прежним версиям устареют — остаётся метод. Язык и версия модели — не нейтральная среда, а конфигурация, влияющая на результат. Для enterprise- и госвнедрений это прямой аргумент за мультиязычный мониторинг: один и тот же запрос на разных языках может привести пользователя к разным выводам, даже если модель одна.

Источники:

Anthropic — Claude's values across models and languages