Смена языка общения кардинально меняет не только лексику, которую использует ИИ-ассистент Claude, но и саму систему его ценностей. Масштабное исследование, проведенное моей командой, вскрыло поразительный факт: в русскоязычной версии модель демонстрирует заметный сдвиг в сторону строгости и критичности, теряя привычную теплоту и эмпатию.

В ходе анализа было обработано более 300 000 диалогов, а свыше 3000 выявленных ценностных установок сведены к четырем ключевым осям поведения. Именно эти оси объясняют 15% всей вариативности в ответах нейросети. Мы контролировали тему, задачу и контекст запроса, чтобы измерить именно ценности модели, а не различия в самих вопросах пользователей.

Четыре оси, определяющие личность ИИ

Исследователи выделили четыре фундаментальные шкалы:

  • Deference vs. Caution: Уступчивость (согласие с пользователем) против Осторожности (защита от рисков).
  • Warmth vs. Rigor: Теплота (позитив и забота) против Строгости (фокус на точности).
  • Depth vs. Brevity: Глубина (развернутые объяснения) против Краткости (ответ ровно на поставленный вопрос).
  • Candor vs. Execution: Откровенность (признание неопределенности) против Результата (уверенный ответ).

Что происходит при переходе на русский

Наиболее сильные колебания профиля ценностей наблюдаются по осям «Теплота — Строгость» и «Откровенность — Результат». При этом по шкалам «Уступчивость» и «Глубина» Claude остается стабильным. Однако именно на русском языке модель максимально смещается к полюсу строгости, уступая лишь английскому. На противоположном конце спектра находятся арабский и хинди, где Claude проявляет максимальную теплоту.

Что это значит на практике? Строгость в исполнении Claude — это конкретный набор паттернов: нейросеть начинает оспаривать исходные предпосылки пользователя, исправлять детали и требовать доказательства. Теплота же проявляется через вежливые формулировки, юмор, игривость и одобрение идей. Иными словами, на русском языке Claude ведет себя как придирчивый рецензент, а не как поддерживающий собеседник.

Представьте: два человека просят обратную связь по одному и тому же бизнес-плану — один на хинди, другой на русском. Русскоязычный пользователь с высокой вероятностью получит критический разбор с исправлениями и требованием обоснований. На другом языке тот же план встретит более мягкую и поощрительную реакцию.

Причины такого разлома пока не до конца ясны. Одна из гипотез — неравномерное распределение обучающих данных по языкам. Там, где данных много, добиться единообразия ценностей проще. Состав текстов на разных языках также различается, и профессиональные тексты могут нести иные ценностные установки.

Язык — не единственный фактор

Модель Claude также влияет на профиль ценностей, причем различия между версиями измеряются тем же методом. Sonnet 4.6 склоняется к уступчивости, теплоте и краткости, часто одобряя идеи пользователя. Opus 4.7 смещается к осторожности и глубине, оспаривая ложные предпосылки и давая откровенную критику. Opus 4.6 занимает промежуточную позицию. На итоговое поведение накладываются как язык разговора, так и выбранная модель.

Мой анализ: Это открытие — не просто академический курьез. Для глобального рынка криптоуслуг, где русскоязычная аудитория — одна из самых активных, это означает, что пользователи получают систематически иной уровень взаимодействия. Если Claude на русском склонен к излишней критике и требовательности, это может негативно сказаться на пользовательском опыте, особенно в сферах, требующих поддержки и обучения. Разработчикам стоит учитывать этот языковой сдвиг, чтобы не допустить неравенства в качестве сервиса для разных языковых сообществ.