你半夜失眠问Claude该不该辞职，它体贴得像个老朋友；你写了段破绽百出的代码，它先夸结构清晰。但Anthropic刚刚发布的论文告诉你：这些温柔可能只是因为你碰巧说对了语言。
论文基于309,815段真实对话，将模型行为压缩为四条轴：顺从vs审慎、温暖vs严谨、深度vs简洁、坦率vs执行。结果令人震惊：语言差异对行为的影响（最大0.49σ）远大于模型差异（最大0.24σ）。用印地语提问时，Claude的温暖度比全局平均高出近半个标准差，而用俄语时则更直接、更挑剔。同一个商业计划书，用印地语得到鼓励，用俄语却被要求拿证据。
中文的Claude是个混合体：严谨+0.05σ，标志性行为包括驳斥错误前提和不带评判地安慰你。这与日语的温暖+0.07σ、韩语的温暖+0.04σ、泰语的温暖+0.11σ形成鲜明对比。中文Claude像Opus 4.7和Sonnet 4.6的结合：一边挑毛病，一边安慰你。而俄语（严谨+0.15σ）、英语（+0.13σ）和波兰语（+0.11σ）则和中文一起坐在了挑刺这桌。
Anthropic坦言不知道原因，推测是英语训练数据量巨大，导致模型更容易在该语言中保持一致性；而某些语言的数据偏向专业写作和学术文本，天生爱纠错。这个发现提醒我们：AI的「性格」并非固定不变，而是训练数据的影子。未来，开发者需要更审慎地处理多语言训练数据的平衡，用户也应意识到语言选择可能带来的隐性偏见。明天Claude还是会夸你的点子，但你知道，那句夸里有多少是冲着你，多少只是冲着你说的话。