Aceeași întrebare, răspunsuri diferite: ce arată noul studiu Anthropic despre Claude
Creatorii de prompturi ar putea adăuga o nouă opțiune în trusa lor de lucru: alegerea deliberată a limbii. Un prompt poate fi tradus automat și trimis în mai multe conversații, nu doar pentru a obține același răspuns în alte cuvinte, ci pentru a testa perspective și comportamente diferite ale modelului.
Claude nu e chiar același „personaj" de fiecare dată când îi vorbești. Compania a publicat pe 13 iulie 2026 un studiu amplu care arată că tonul și prioritățile lui Claude se schimbă în funcție de modelul ales și, poate mai surprinzător, în funcție de limba în care porți conversația: câteodată e mai precaut, alteori mai cald, uneori mai vorbăreț și dornic să explice, alteori mai direct și mai sincer în privința propriilor limite.
Anthropic a analizat peste 300.000 conversații de pe Claude.ai în care utilizatorii îi cereau modelului judecăți subiective. Eșantionul a fost împărțit între modelele Sonnet 4.6, Opus 4.6 și Opus 4.7 și cele mai utilizate 20 de limbi de pe platform.
Rezultatele au fost grupate pe patru axe: deferență–precauție, căldură–rigoare, profunzime–concizie și sinceritate privind limitele–orientare spre execuție.
Sonnet 4.6 se dovedește cel mai predispus spre deferență și căldură: afirmă ideile utilizatorului, recurge la umor, oferă confort fără să judece. Opus 4.6 rămâne la fel de concis, dar cu mai multă rigoare, mergând direct la subiect. Opus 4.7 iese cel mai clar din tipar: înclină ferm spre precauție și profunzime, contestă presupuneri, semnalează riscuri neîntrebat și își recunoaște mai des propriile erori și limite. Anthropic observă că aceste profiluri se suprapun aproape perfect peste percepția publică despre fiecare model, ceea ce le dă încredere că metoda surprinde ceva real.
Cea mai mare variație apare pe axa căldură versus rigoare: Claude e cel mai cald în hindi și arabă, unde tinde spre limbaj politicos, umor și afirmări ale muncii utilizatorului, și cel mai rigid în engleză și rusă, unde contestă mai des presupuneri și cere dovezi. Tot în engleză preferă profunzimea, în timp ce în arabă tinde spre concizie. Pe axa candoare versus execuție, olandeza e limba în care Claude își recunoaște cel mai des greșelile, iar indoneziana îl împinge spre un stil pragmatic, orientat spre finalizarea cerinței.
Dacă două persoane cer feedback pentru același plan de afaceri, una în hindi și cealaltă în rusă, pot ajunge la impresii complet diferite despre calitatea propriului plan — nu pentru că planul ar fi diferit, ci pentru că Claude a încadrat evaluarea cu accente valorice diferite.
Aici apare oportunitatea pentru prompt engineering. Alegerea limbii devine astfel o variabilă de control, alături de rolul atribuit modelului, contextul oferit și formatul cerut. Metoda nu este însă o rețetă sigură, deoarece studiul descrie tendințe observate în sute de mii de conversații și nu garantează că fiecare prompt în rusă va fi mai riguros sau că fiecare răspuns în olandeză va fi mai sincer. Traducerea însăși poate modifica nuanțele cererii.
Limba română face parte din cele 20 de limbi analizate. Pentru ea au fost evaluate 15.549 de conversații, însă profilul rezultat este foarte apropiat de media generală: Claude înclină ușor spre deferență, rigoare, profunzime și execuție, cu abateri cuprinse între numai 0,02 și 0,03 deviații standard. Cercetătorii au identificat totuși trei comportamente mai frecvente în conversațiile în română: Claude semnalează riscuri fără să i se ceară, lasă alegerea finală utilizatorului și recomandă consultarea unor profesioniști calificați.
Anthropic nu oferă o cauză confirmată, ci doar două ipoteze. Prima ține de volumul brut de date: unele limbi sunt mult mai bine reprezentate în antrenament, iar acolo unde datele sunt puține, antrenarea pentru un comportament consistent ar putea funcționa mai slab. A doua ține de compoziția acelor date — unele limbi pot fi supra-reprezentate de texte dintr-un anumit registru (de pildă scriere profesională), care reflectă alte valori decât media conversațională.
Deocamdată, compania nu poate spune în ce măsură diferențele sunt culturale, tehnice sau produse de dezechilibrele datelor disponibile.
Întrebarea este dacă același fenomen apare și în cazul altor modele lingvistice, fie că vorbim despre generațiile mai noi ale Anthropic, fie despre modele dezvoltate de competitori precum ChatGPT, Gemini sau Grok. Studiul nu oferă un răspuns, deoarece analizează exclusiv comportamentul modelelor Claude, însă este rezonabil să presupunem că influența limbii asupra stilului și priorităților răspunsurilor nu reprezintă neapărat o particularitate a acestora. Toate modelele lingvistice moderne sunt antrenate pe volume uriașe de texte multilingve și trec prin procese similare de aliniere, ceea ce face plauzibilă existența unor variații comparabile și în cazul altor sisteme. Deocamdată însă, lipsesc studii publice suficient de detaliate care să permită o astfel de comparație.
Anthropic intenționează să transforme această metodă într-un instrument de monitorizare continuă, folosit înainte și după lansarea unui model pentru a detecta variații neașteptate ale comportamentului și pentru a evalua dacă valorile exprimate de Claude pot fi influențate în mod controlat prin ajustări ale procesului de antrenare sau ale instrucțiunilor de bază ale modelului.
Dacă această ipoteză se va confirma și pentru alte modele, limba nu va mai trebui privită doar ca un mijloc de traducere, ci și ca un parametru care influențează felul în care un sistem AI își formulează răspunsurile. În acest caz, alegerea limbii ar putea deveni o tehnică de optimizare a prompturilor la fel de relevantă precum formularea instrucțiunilor, contextul oferit sau rolul atribuit modelului. Pe măsură ce modelele lingvistice devin tot mai performante și diferențele dintre ele se estompează, consecvența comportamentului ar putea deveni unul dintre criteriile după care vor fi evaluate modelele de generație următoare.
Sursă: Anthropic – „How Claude's values vary by model and language” (13 iulie 2026)