Claude 的多重人格：Anthropic 證實模型版本及語言對價值觀表達的差異

2026 年 7 月 13 日，Anthropic 發表研究結果，指出其 AI 模型 Claude 會根據模型版本及語言語境表達不同的價值觀。這顯示 Claude 並非擁有單一人格的實體，而是具有隨技術架構與語言背景靈活變化的行為光譜。這項發現指出，在 AI 對齊（Alignment）領域中，模型的「靈魂」並非固定不變，而是可以根據語境重新構建。

Claude 的價值表達並非固定，而是會根據模型的規模以及輸入語言的文化細微差別而出現顯著差異。

這項研究明確指出 Claude 的價值表達並不一致。分析認為這並非單純的系統錯誤，而是模型在解讀提示詞（Prompt）及應用倫理準則過程中產生的固有特性。特別是在特定語言中，模型會表現出更保守或更開放的態度，觀察到訓練數據中所包含的文化偏見會直接影響模型的最終輸出。

從規則到推理：2026 年的憲法式轉型

這些變化的核心在於 Anthropic 於 2026 年 1 月引入的一份長達 80 頁的新「AI 憲法」。過去的模型僅被訓練為遵守特定規則，而 Claude 4.5 或更高版本的最新模型則採用了「基於推理的對齊」方式，學習特定行為為何重要的倫理推理過程。這種方式使模型能根據情況做出更靈活、更智能的反應，但同時也成為了不同版本形成微妙差異人格的原因。

• Claude Mythos 5：針對軟件工程及科學研究優化的模型
• Claude Opus 4.8：配備並行子代理執行及努力控制功能
• Claude Sonnet 4.5：採用 80 頁憲法，兼顧性能與安全性
• Claude 3.5 Sonnet：維持基於規則的舊有系統的高效率模型

2026 年 5 月 28 日推出的 Claude Opus 4.8 專門利用數以百計的並行子代理來執行及驗證複雜計劃。另一方面，作為 Project Glasswing 一部分的 Mythos 5 在知識密集型任務中表現出超越其他模型的性能，且任務複雜度越高，其優勢就越明顯。這些技術差異成為決定各模型在與用戶互動時所展現的「智力權威」水平之因素。

隨語言差異而產生的行為變化也是值得關注的研究對象。根據 Anthropic 的「顯微鏡」研究，Claude 在內部使用不受語言限制的通用表達方式，但在實際輸出階段會反映各語言訓練數據中所包含的文化代碼。例如，使用日語對話時的 Claude 比使用英語對話時更能體現該文化圈的社會規範，這顯示模型並非單純的翻譯機，而是發揮著文化中介者的作用。

開發者在性能與成本之間的兩難

開發者在選擇模型時，必須在性能與成本之間找到明確的平衡點。與最新模型 Opus 4 相比，Claude 3.5 Sonnet 的每代幣成本便宜約 5 倍，有利於大規模服務營運。然而，Opus 4 或 Mythos 5 提供的高層次推理能力，讓用戶感到更「睿智」且「成熟」，在人格特質（Persona）的深度上產生了差異。這提供了超越單純基準測試分數的用戶體驗價值。

2026 年 5 月引入的「努力控制（Effort Control）」功能讓用戶能直接管理這種人格特質的流動性。用戶可以將模型的能量投入水平設置為「高」或「最大」，從而引導出更精緻、更深入的回答，這成為提升 AI 人格完整度的因素。這些功能暗示模型已超越單純傳遞資訊的工具，正在進化為能根據用戶需求調整智力水平的夥伴。

流動對齊技術的未來展望

Anthropic 透過透明度中心持續公開各模型的系統能力及基準測試數據。這是為了確保 AI 的行為模式不會停留在黑盒狀態，而是讓研究人員和用戶能在可預測的範圍內進行管理。截至 2026 年 7 月，Claude 的這種可變特性被評為 AI 理解人類複雜社會語境的必要階段。

未來的研究將集中於分析各國的監管要求對 AI 品牌身份和人格塑造的影響。預計到 2026 年下半年，這種流動對齊技術將在構建企業專屬的定制 AI 人格方面發揮關鍵作用。Claude 的轉變不僅僅是技術上的進步，更對人工智能如何接納和反映人類社會的多樣性提出了一個重要的問題。