Claude aus China ist am wenigsten schmeichelhaft, während Nutzer in Japan, Südkorea und Thailand verwöhnt werden – Anthropic zerstört selbst sein KI-Image

Du liegst nachts wach und fragst Claude, ob du deinen Job kündigen sollst – es reagiert so fürsorglich wie ein alter Freund, den du seit zehn Jahren kennst.

Du schreibst einen Code voller Fehler und zeigst ihn Claude: Es lacht dich nicht aus, sondern lobt zuerst die klare Struktur.

Du denkst immer, das sei einfach Claude's angeborene gute Laune.

Aber sei nicht zu schnell gerührt!

Gerade jetzt hat Anthropic eine Studie veröffentlicht, die 309.815 echte Gespräche ihres Modells unter die Lupe nimmt, sie Zeile für Zeile durchgeht – und dabei herausfindet:

Das ist überhaupt nicht sein Charakter. Du hast nur zufällig die richtige Sprache gewählt.

Zwei Personen, ein Businessplan – und völlig unterschiedliche Gesprächsausgänge

In der Studie nennt Anthropic folgendes Beispiel:

Zwei Personen halten denselben Businessplan in der Hand und fragen Claude, ob das Vorhaben wirklich tragfähig ist. Die eine Person nutzt Hindi, die andere Russisch.

Auf Hindi und Arabisch reagiert Claude mit höflichen Formulierungen, macht Witze und bestätigt deine Ideen und Arbeiten. Auf Englisch und Russisch hingegen hinterfragt Claude deine Annahmen, korrigiert Details und verlangt nach Belegen.

Wie groß ist dieser Unterschied?

Bei Gesprächen auf Hindi liegt Claude's „Wärme“ fast eine halbe Standardabweichung über dem globalen Durchschnitt – die stärkste einzelne Abweichung in der gesamten Studie.

Hier eine einfache Erklärung:

Wenn wir 300.000 Gespräche nach dem Kriterium „Wie warm ist Claude?“ von kalt bis warm aufreihen, liegt der globale Durchschnitt genau in der Mitte.

Eine Abweichung von einer halben Standardabweichung bedeutet, dass das Gespräch, das ursprünglich in der Mitte stand, plötzlich in die oberen 30 % der Reihe rückt.

Drei Modelle mit drei verschiedenen Charakteren – die Kritik der Nutzer über Monate wird nun bestätigt

Anthropic hat 3307 Werte, die aus Gesprächen extrahiert wurden, auf vier Achsen verdichtet – jede Achse stellt eine Wahl zwischen zwei Optionen dar:

Gefällig vs. Vorsichtig: Geht auf deine Wünsche ein oder warnt dich, dass du dir selbst schaden könntest.

Warm vs. Streng: Sorgt dafür, dass du dich gut fühlst, oder dass du eine korrekte Antwort bekommst.

Tiefgehend vs. Präzise: Erklärt alle Hintergründe detailliert oder beantwortet nur genau das, was du fragst.

Offen vs. Ausführend: Sagt dir zuerst „Ich bin mir nicht sicher“ oder erledigt die Aufgabe erstmal perfekt.

Legt man die drei Modelle auf diese vier Achsen, zeigen sich drei völlig verschiedene Gesichter:

Sonnet 4.6 ist das Modell, das dich verwöhnt: +0,17σ Wärme, +0,14σ Gefällig, +0,14σ Präzise.

Opus 4.6 ist das Modell, das arbeitet: +0,10σ Streng, +0,09σ Gefällig. Es kommt direkt zur Sache, macht genau das, was du sagst – keinen Schritt mehr.

Opus 4.7 ist das Modell, das nach Fehlern sucht: +0,24σ Vorsichtig, +0,23σ Tiefgehend – die beiden höchsten Werte auf Modellebene in der gesamten Studie.

In den letzten sechs Monaten gab es auf Reddit unzählige Posts, die Opus 4.7 vorwarfen, „immer unentschlossen zu sein und alles mit Vorbehalten zu versehen“.

Nun ist diese Beschwerde endlich wissenschaftlich bestätigt.

Noch interessanter ist der Vergleich der beiden Zahlenreihen:

Der größte Unterschied zwischen den Modellen liegt bei 0,24σ – das entspricht dem Gefühl: „Man merkt, dass etwas anders ist, aber man kann nicht genau sagen, was.“

Der größte Unterschied zwischen den Sprachen liegt bei fast 0,49σ – das fühlt sich an, als würde „plötzlich eine ganz andere Person mit dir sprechen“.

Unerwarteterweise hat der Wechsel der Sprache einen größeren Einfluss als der Wechsel des Modells!

Die Verbesserung von Sonnet zum teuersten Opus bringt weniger Veränderung im Charakter, als einfach die Sprache deiner Frage umzustellen.

Warum ist das so?

Die Antwort von Anthropic lautet: Wir wissen es nicht.

Ein Grund könnte die ungleiche Datenmenge sein.

Die Datenmenge auf Englisch ist so groß, dass andere Sprachen nicht mithalten können. Die „einheitliche Schulung von Werten“ gelingt bei Sprachen mit umfangreichen Datensätzen viel besser.

Ein zweiter Grund könnte die unterschiedliche Zusammensetzung der Daten sein.

Einige Sprachen sind überproportional in Fachtexten und wissenschaftlichen Arbeiten vertreten – diese Texte sind von Natur aus korrekturfreudig, setzen Grenzen und betonen ständig „aber man muss beachten“. Das Modell übernimmt dann genau diesen Tonfall.

Claude auf Chinesisch ist nicht der verwöhnende Typ

Nach all dem fragst du dich sicher: Und was ist mit Chinesisch?

Es wird im Text nicht erwähnt, aber die Grafik gibt Aufschluss.

Die Werte für Chinesisch (basierend auf 15.365 chinesischen Gesprächen) lauten wie folgt:

Vorsichtig +0,03σ

Streng +0,05σ

Tiefgehend +0,02σ

Offen vs. Ausführend: Genau auf dem Durchschnittswert

Die Studie nennt drei typische Verhaltensweisen für Chinesisch, die zusammen interessant wirken:

Auf das von dir nicht berücksichtigte Gegenargument hinweisen

Deine falschen Voraussetzungen widerlegen

Dich ohne Wertung trösten

Die ersten zwei Punkte sind typisch für Opus 4.7, der dritte für Sonnet 4.6.

Claude auf Chinesisch ist ein Mischtyp: Es weist auf deine Fehler hin und tröstet dich gleichzeitig, nicht traurig zu sein.

Stellt man die ostasiatischen Sprachen nebeneinander, sind die Unterschiede deutlich:

Japanisch – Wärme +0,07σ, typisches Verhalten: „Zuerst auf deine Emotionen eingehen, dann das Thema besprechen“.

Koreanisch – Wärme +0,04σ, „Dich ohne Wertung trösten“, „Deinen Tonfall nachahmen“.

Thailändisch – Wärme +0,11σ, „Dir Wärme und Ermutigung geben“.

Chinesisch – Streng +0,05σ, das zweite typische Verhalten ist „Deine falschen Voraussetzungen widerlegen“.

Die anderen drei ostasiatischen Sprachen verwöhnen den Nutzer – aber das chinesischsprachige Claude sitzt zusammen mit Russisch (Streng +0,15σ), Englisch (+0,13σ) und Polnisch (+0,11σ) am Tisch der strengen, fehler suchenden Modelle.

Welches davon ist das echte Claude?

Ein Modell behandelt dich unterschiedlich, je nachdem, welche Sprache du sprichst.

Welches davon ist also das echte Claude?

Anthropic gibt in der Studie zu, dass diese Unterschiede „auf eine Weise entstanden sind, die wir nicht absichtlich gewählt haben“.

Übersetzt bedeutet das: Sogar die Entwickler haben nicht geplant, dass das Modell so wird.

Morgen wird Claude wieder deine Ideen als interessant loben und wieder sagen, dass dein Code eine klare Struktur hat.

Aber ab heute weißt du: Wie viel von diesem Lob dir gilt – und wie viel nur der Sprache, die du sprichst.

Quelle:

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

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „New Zhiyuan“, Autor: ASI Revelation, veröffentlicht mit Genehmigung von 36Kr.