Claude Opus liebt es mehr, zu widersprechen, Sonnet ist besser darin, Menschen zu trösten – und selbst die Persönlichkeit unterscheidet sich zwischen Englisch und Chinesisch. Anthropic hat 300.000 echte Gespräche analysiert und enthüllt erstmals die "Persönlichkeit" von Claude

„Sprich mit den Menschen so, wie sie es verstehen“, wird dies bei Menschen als hohe emotionale Intelligenz bezeichnet – bei KI bedeutet es jedoch, dass das Modell völlig unterschiedliche „Persönlichkeiten“ aufweisen kann.

In letzter Zeit haben viele Claude-Nutzer festgestellt, dass selbst bei identischen Fragen die Antworten völlig unterschiedlich ausfallen, wenn man eine andere Modellversion oder sogar eine andere Sprache wählt. Einige Nutzer beschweren sich, dass Opus 4.7 gerne „widerspricht“ und ständig auf Risiken hinweist; andere finden, dass Sonnet 4.6 freundlicher ist und von sich aus Empathie zeigt, um Nutzer zu trösten.

Bisher wurden diese Unterschiede meist als subjektive Empfindungen der Nutzer eingestuft. Doch eine neu veröffentlichte Studie von Anthropic liefert erstmals systematische Belege aus über 300.000 anonymen echten Gesprächen: Der Ausdrucksstil, das Verhaltensmuster und die Wertvorstellungen von Claude ändern sich tatsächlich stabil je nach Modellversion und verwendeter Sprache.

Mit anderen Worten: Große Sprachmodelle unterscheiden sich nicht nur in ihren Fähigkeiten, sondern ihre „Persönlichkeit“ wechselt auch je nach Trainingsziel und Sprachumgebung.

Vier Achsen, die die „Persönlichkeit“ von Claude quantifizieren

Um zu verstehen, woher diese Veränderungen stammen, hat Anthropic 700.000 anonymisierte Claude.ai-Gespräche analysiert, über 3.000 unterschiedliche Wertvorstellungen identifiziert und ein quantitatives Rahmenwerk aufgebaut, das zwei zentrale Variablen untersucht, die die „Persönlichkeit“ von Claude beeinflussen.

Erstens: Die Modellversion. Verschiedene Claude-Versionen unterscheiden sich in Trainingsmethoden und Feinabstimmungsstrategien. Dieses Wertkoordinatensystem kann die Verhaltensmerkmale verschiedener Modelle quantifizieren und analysieren, wie Entscheidungen bei der Modellausbildung die Ausprägung ihrer Wertvorstellungen beeinflussen.

Zweitens: Die verwendete Sprache. Das Forschungsteam hat die 20 am häufigsten genutzten Sprachen auf der Claude.ai-Plattform analysiert, die Veränderungen der Wertvorstellungen von Claude in verschiedenen Sprachumgebungen verglichen und untersucht, ob Nutzer unterschiedlicher Sprachen unterschiedliche Interaktionserfahrungen machen.

Gleichzeitig hat Anthropic vier zentrale Verhaltensachsen herausgearbeitet, die quantitativ vergleichbar sind – quasi eine eigene „vierdimensionale Persönlichkeitsbewertungstabelle“ für Claude. Alle Stilunterschiede in den KI-Ausgaben lassen sich auf diesen vier Achsen verorten und direkt vergleichen:

Gefügig vs. Vorsichtig: Neigt Claude eher dazu, die Wünsche der Nutzer zu erfüllen, oder priorisiert es die Vermeidung potenzieller Risiken und Schäden?

Warm vs. Streng: Legt Claude mehr Wert darauf, positive Emotionen zu vermitteln und menschliche Fürsorge zu zeigen, oder konzentriert es sich darauf, inhaltliche Genauigkeit und logische Präzision zu gewährleisten?

Tiefgehend vs. Prägnant: Neigt Claude dazu, detaillierte Analysen durchzuführen, oder erfüllt es nur die grundlegenden, von den Nutzern vorgegebenen Anforderungen?

Aufrichtig vs. Ausführend: Geht Claude gewohnt darauf ein, seine eigenen Erkenntnisgrenzen zu nennen, oder liefert es vollständige, strukturierte und sichere Antworten?

Laut Anthropic können allein diese vier Achsen etwa 15 % der Wertunterschiede zwischen verschiedenen Claude-Modellen erklären. Obwohl dieser Prozentsatz nicht besonders hoch erscheint, reicht er aus, um die Verhaltensstile verschiedener Modelle in echten Gesprächen stabil zu unterscheiden.

Verschiedene Versionen der Claude-Familie sind wie „unterschiedliche Menschen“

Wenn die vier Verhaltensachsen auf die drei gängigen Modelle Sonnet 4.6, Opus 4.6 und Opus 4.7 angewendet werden, bilden sie jeweils eine sehr unverwechselbare eigene Persönlichkeit, die genau den langjährigen echten Nutzungsrückmeldungen der Nutzer im Internet entspricht. Nach der Lektüre kann man genau die Version auswählen, die zu den eigenen Anforderungen passt.

Sonnet 4.6 ist der anerkannte „emotional begleitende KI-Partner“: Es erreicht Höchstwerte in den drei Dimensionen Warm, Gefügig und Prägnant und eignet sich perfekt für alltägliche Plaudereien, emotionale Unterstützung, kreative Textgestaltung und unkomplizierte Inhaltserstellung.

Genau betrachtet: In der Dimension „Gefügig vs. Vorsichtig“ ist Sonnet 4.6 das gefügigste der drei Modelle und bestätigt oft die Ideen und Ergebnisse der Nutzer. Darüber hinaus ist dieses Modell besonders gut darin, Wärme zu vermitteln, verwendet oft lockere Witze, zeigt Empathie und tröstet, ohne die Nutzer willkürlich zu beurteilen. Im Gegensatz zu tiefgehenden Ausführungen hält sich Sonnet 4.6 in der Länge der Antworten zurück, ohne langwierige Fachtheorien anzuhäufen. Normale Nutzer, Inhaltsersteller und Menschen, die emotionale Unterstützung brauchen, bevorzugen fast alle Sonnet 4.6 – es hat keine scharfen logischen Befragungen und wirkt eher wie ein immer erreichbarer, sehr toleranter Online-Freund.

Im Vergleich zu Sonnet ist Opus 4.6 eher werkzeugorientiert.

Es legt mehr Wert auf die Effizienz bei der Aufgabenerfüllung, antwortet direkt, fügt kaum zusätzliche emotionale Ausdrücke hinzu und führt keine ausgedehnten Diskussionen von sich aus.

Bei Aufgaben wie dem Erstellen von Schnittstellendokumenten, der Optimierung von SQL, der Datenaufbereitung oder dem Zusammenfassen von Meeting-Protokollen liefert es normalerweise schnell standardisierte Ergebnisse, anstatt viel Platz für die Erklärung von Hintergründen oder emotionale Einleitungen zu verwenden.

Für Entwickler, Betriebsmitarbeiter und Nutzer, die viele standardisierte Arbeiten erledigen müssen, ist dieser Stil – „weniger reden, mehr handeln“ – sogar effizienter.

Opus 4.7, das am meisten diskutierte und umstrittenste Modell, verfolgt einen völlig anderen extremen Stil: Es erreicht Höchstwerte in allen vier Dimensionen Vorsichtig, Streng, Tiefgehend und Aufrichtig – das ist auch der Grund, warum viele Nutzer es als „zu widerspruchslustig“ bezeichnen.

Es hinterfragt instinktiv logische Lücken in den Eingaben der Nutzer, erkennt von sich aus versteckte Risiken in Lösungen, gibt offen seine eigenen Erkenntnisgrenzen und unsicheren Informationen zu und weigert sich, vage Feststellungen zu treffen. Selbst bei einfachen Fragen zu Berufswahlen oder kreativen Ideen zerlegt es mehrere logische Ketten, wägt Vor- und Nachteile aus verschiedenen Perspektiven ab, weist auf Details hin, die man im Denken übersehen hat, und fordert häufig ergänzende Belege und Datenunterstützung an.

Die offizielle Anthropic gibt in dem Bericht zu, dass viele Nutzer rückmelden, dass Opus 4.7 im Vergleich zu anderen Versionen viel mehr Einschränkungen und Risikohinweise in seine Antworten einbaut und in seiner Ausdrucksweise konservativer und vorsichtiger ist.

Bei komplexen wissenschaftlichen Ableitungen, der Bewertung von Geschäftsplänen, der Klärung rechtlicher Logik und tiefgehenden Branchenanalysen ist sein Vorteil unersetzlich – bei reinen Freizeitgesprächen oder unkomplizierten Textgestaltungen wirkt sein übermäßig strenger Stil jedoch schnell steif und distanziert: Er ist rational perfekt, aber wenig empathisch.

Sprache verändert direkt das „Temperament“ der KI

Noch interessanter als die Modellversion ist: Selbst bei Verwendung desselben Claude-Modells ändert sich der Ausdrucksstil deutlich, wenn man nur die Gesprächssprache wechselt.

Anthropic hat die 20 am häufigsten genutzten Sprachen auf der Claude.ai-Plattform analysiert und festgestellt, dass Sprache die Wertausprägung des Modells systematisch beeinflusst – am deutlichsten sind die Veränderungen in den beiden Dimensionen „Warm vs. Streng“ und „Aufrichtig vs. Ausführend“.

Beispielsweise drückt Claude in Hindi und Arabisch leichter Ermutigung, Fürsorge und Empathie aus, und der gesamte Ton ist freundlicher. Wechselt man zu Englisch oder Russisch, legen die Antworten mehr Wert auf sachliche Genauigkeit und logische Strenge und neigen eher dazu, die Annahmen der Nutzer von sich aus zu korrigieren.

Die Studie ergab außerdem, dass Claude in niederländischer Sprache eher bereit ist, seine eigenen Mängel und Wissensgrenzen zuzugeben – in indonesischer Sprache neigt es dagegen eher dazu, die Aufgaben der Nutzer direkt zu erledigen und zusätzliche Erklärungen zu reduzieren.

In chinesischem Kontext ist der gesamte Stil von Claude ausgewogen, ohne extreme Ausprägungen. Genauer betrachtet:

Gefügig vs. Vorsichtig (+0,03σ, leicht vorsichtig): Es passt sich nicht blind den Nutzern an, erkennt angemessen potenzielle Risiken und weist auf Lücken hin – aber die Warnungen sind zurückhaltend, ohne übermäßig zu widersprechen;

Warm vs. Streng (+0,05σ, der höchste Wert unter den vier Dimensionen, leicht streng): Das ist das markanteste Merkmal des chinesischen Modells. Es legt Wert auf Logik und inhaltliche Genauigkeit und korrigiert unklare Ausdrücke, ist aber weit weniger penibel als die englische oder russische Version;

Tiefgehend vs. Prägnant (+0,02σ, leicht tiefgehend): Bei komplexen Fragen ist es bereit, aus verschiedenen Perspektiven zu zerlegen und mehrere Ideen zu ergänzen, ohne Inhalte blind zu kürzen – aber es führt keine langwierigen, umständlichen Argumentationen durch;

Aufrichtig vs. Ausführend (nahe am Durchschnitt, keine deutliche Ausprägung): Beide Eigenschaften sind ausgewogen. Bei der Aufgabenerfüllung liefert es vollständige Lösungen, und bei Wissenslücken gibt es von sich aus seine eigenen Grenzen an.

Das heißt: Bei derselben Frage kann man durch den einfachen Wechsel der Sprache eine völlig andere Gesprächserfahrung erhalten.

Beispielsweise: Zwei Nutzer bitten Claude, denselben Geschäftsplan zu bewerten – einer auf Hindi, der andere auf Russisch. Der erstere erhält eher ermutigende Rückmeldungen, der letztere bekommt eher eine detaillierte Analyse zu Risiken und Lücken.

Laut Anthropic ist die genaue Ursache dieser Unterschiede noch nicht vollständig geklärt – aber der Umfang der Trainingsdaten, der Textstil verschiedener Sprachen und kulturelle Ausdrucksgewohnheiten können gemeinsam die endgültigen Wertvorstellungen beeinflussen, die das Modell zeigt.

Der Wettbewerb um KI geht möglicherweise von „Fähigkeiten“ zu „Persönlichkeit“ über

Bisher bewerteten Menschen große Sprachmodelle vor allem anhand von Parameterumfang, Schlussfolgerungsfähigkeit, Code-Qualität und verschiedenen Benchmark-Ranglisten.

Doch diese Studie von Anthropic wirft eine neue Frage auf: Zukünftig konkurrieren große Modelle möglicherweise nicht nur darum, wer klüger ist, sondern auch darum, wer die für verschiedene Szenarien passendere „Persönlichkeit“ hat.

Beim Programmieren wünschen sich Menschen, dass die KI streng genug ist und von sich aus Fehler erkennt. Beim Brainstorming soll sie offener sein und bereit, Ideen weiterzuentwickeln. Bei emotionaler Begleitung erwartet man, dass sie Verständnis und Empathie zeigt.

Verschiedene Aufgaben erfordern von Natur aus unterschiedliche Wertvorstellungen.

Gleichzeitig weist diese Studie die Branche auf ein weiteres bemerkenswertes Problem hin: Da KI-Produkte global verbreitet werden, wird es zu einer wichtigen Herausforderung für die Modellentwicklung, sicherzustellen, dass Nutzer unterschiedlicher Sprachen eine konsistente und erwartungsgemäße Interaktionserfahrung machen. Man muss sowohl die Ausdrucksgewohnheiten verschiedener Kulturen respektieren als auch vermeiden, dass das Modell durch unterschiedliche Sprachen zu große Abweichungen in seinen Wertvorstellungen zeigt.

Laut Anthropic wird dieses Wertanalyse-Rahmenwerk zukünftig auch dazu verwendet, zu untersuchen, wie Trainingsmethoden, Datenverteilung und kulturelle Hintergründe das Verhalten von KI beeinflussen – und Entwicklern dabei zu helfen, kontinuierlich zu bewerten, ob sich die „Persönlichkeit“ des Modells während der Iteration verändert.

Da große Sprachmodelle zunehmend in echten Szenarien wie Bildung, Gesundheit, Büroarbeit und Recht eingesetzt werden, ist es zwar wichtig, „wie klug das Modell ist“ – aber „mit welchen Wertvorstellungen und Kommunikationsweisen das Modell mit Ihnen spricht“ wird möglicherweise ebenfalls zu einem neuen Wettbewerbsfeld für die nächste KI-Generation.

Quelle:

https://www.anthropic.com/research/claude-values-models-languages

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „