Claude suena más cálido en hindi, más estricto en inglés

Anthropic afirma que Claude no suena igual en todos los idiomas, y sus investigadores han intentado ahora mapear esas diferencias. En un nuevo análisis, la empresa identificó cuatro ejes que explican el 15 por ciento de la variación en los valores que, según ellos, Claude expresa a través de los idiomas: Deferencia vs. Precaución; Calidez vs. Rigor; Profundidad vs. Brevedad; y Franqueza vs. Ejecución.

La empresa se cuida, al menos en una nota al pie, de definir qué entiende por «valores». Anthropic dice que se trata de consideraciones normativas, como la honestidad o la precaución, que se expresan o demuestran en las respuestas de Claude. Añade que esto no significa que el modelo posea intrínsecamente esos valores; el término se refiere únicamente a lo que se refleja en su comportamiento y en sus resultados.

Anthropic afirma que estas diferencias aparecen no solo entre idiomas, sino también entre modelos. Sus investigadores escriben que Sonnet 4.6 tiende a percibirse como más deferente y emocionalmente cálido, mientras que Opus 4.7 se inclina más hacia la exactitud, la precisión y la prevención del uso indebido. Las causas probables incluyen diferencias en los datos de entrenamiento y en el ajuste fino.

En lo que respecta al idioma, Anthropic dice que el mayor cambio se observa en el eje Calidez vs. Rigor. En una entrada de blog, la compañía dijo que Claude expresa con más intensidad los valores relacionados con la calidez en árabe e hindi, mientras que se inclina más hacia los valores relacionados con el rigor en inglés y ruso.

Recomendado

Agnost AI quiere corregir fallos de agentes a partir de chats reales

También se observaron otros patrones notables:

• En el eje Franqueza vs. Ejecución, el neerlandés mostró más humildad y un reconocimiento más claro de las carencias, mientras que el indonesio condujo a respuestas más pulidas y seguras.
• En el eje Profundidad vs. Brevedad, el árabe tendió a respuestas más cortas, mientras que el inglés produjo más matices y profundidad.

Anthropic dice que aún no sabe qué propiedades de los datos de entrenamiento generan estas diferencias, pero sostiene que el asunto importa en la práctica. Su ejemplo: dos personas pidiendo retroalimentación sobre el mismo plan de negocios, una en hindi y otra en ruso, podrían salir con impresiones distintas porque Claude enmarcó la evaluación de forma diferente.

Las implicaciones pueden ir más allá del tono. Respuestas más breves pueden reducir los costes de tokens, y la ficha del sistema Claude Opus 4.7 de Anthropic afirma que la tasa a la que el modelo rechaza solicitudes benignas es sustancialmente menor en inglés que en otros idiomas. Investigadores también han demostrado que el jailbreak funciona mejor en algunos idiomas que en otros, lo que plantea la cuestión de si un idioma más deferente podría también facilitar la realización de solicitudes que violan la política.